CN108613673B - 一种单目视觉位姿估计装置及方法 - Google Patents

一种单目视觉位姿估计装置及方法 Download PDF

Info

Publication number
CN108613673B
CN108613673B CN201810605775.XA CN201810605775A CN108613673B CN 108613673 B CN108613673 B CN 108613673B CN 201810605775 A CN201810605775 A CN 201810605775A CN 108613673 B CN108613673 B CN 108613673B
Authority
CN
China
Prior art keywords
point
reflector
plane
ccd camera
image
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810605775.XA
Other languages
English (en)
Other versions
CN108613673A (zh
Inventor
刘小明
陈万春
陈中原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CN201810605775.XA priority Critical patent/CN108613673B/zh
Publication of CN108613673A publication Critical patent/CN108613673A/zh
Application granted granted Critical
Publication of CN108613673B publication Critical patent/CN108613673B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明一种单目视觉位姿估计装置及方法,包括:圆形平面反射镜、锥形反射镜、CCD相机以及目标平面;所述的圆形平面反射镜、锥形反射镜以及CCD相机同轴。所述估计方法为:确定锥形反射镜的锥角大小约束;选取β和θ,使得该单目视觉位姿估计装置产生的光程差大;确定圆形平面反射镜所在平面与CCD相机镜头所在平面的距离d和锥形反射镜母线最小长度Mmin;计算机首先将图像灰度化,然后采用平滑滤波及梯度算法识别出图像的清晰区域在何处;根据已知的相机焦距f、锥形成像靶面上的检测出的清晰的像素点距离镜头中心的距离pix_distance(x*,y*)及其横坐标x*、纵坐标y*;根据透镜成像原理及几何关系得出传感器的位姿信息。

Description

一种单目视觉位姿估计装置及方法
技术领域
本发明涉及一种单目视觉位姿估计装置及方法,属于航空航天导航领域。
背景技术
微型无人机的导航能力,是其实现各种任务和应用的基础和关键。目前的无人机装备了各种导航设备,如全球卫星定位***(GPS)、气压高度计、惯性测量单元(IMU)、激光测距仪、雷达扫描仪等,但对于微型无人机而言,这些设备将不再适用,原因在于:
1)微型无人机多工作于超低空环境或室内环境,由于地形的散射、遮蔽等因素,GPS的测高功能将大打折扣,有的地方根本就没有GPS信号;
2)气压高度计无法获得对地高度,而且易受气象条件影响;
3)单独的微机电IMU漂移快,常用于微小型无人机的MPU6050的零漂高达0.15度/秒,必须辅以其它信息予以修正;
4)激光测距仪和雷达扫描仪质量、体积、功耗都比较大,无法在微型无人机上使用。
在这种情况下,被动式的机载视觉将是解决微型无人机的导航问题的一种可行方法。
根据摄像机数目的不同,机载视觉定位方法可以分为多目视觉定位、双目视觉定位、单目视觉定位。对于微型无人机来说,其质量/体积/功率(MVP)都比较小,考虑到摄像机的基线长度、自身尺寸以及安装位置等因素的制约,飞行平台不宜安装多台视觉成像设备,一般只安装一台,即形成单目视觉。
将单目视觉测量技术应用于微型无人机导航,其优势体现在如下几个方面:
第一,单目视觉传感器是被动式的,不会产生电磁辐射,故隐蔽性好,适合军事应用;
第二,单目视觉传感器的计算量小,这就降低了算法的复杂度,机载处理器可实时在线运算,提高了微型无人机的实际应用价值;
第三,单目视觉传感器的重量轻,体积小。
尽管单目视觉无法像GPS一样提供绝对位置(经纬度),但它可以提供载体相对于环境的飞行高度和飞行姿态,这对于在复杂环境中执行任务的微小型无人机而言更具有现实意义。因此,利用单目视觉技术进行微小型无人机导航具有重要研究价值,设计出具有优良性能的单目视觉传感器和导航算法是一项具有科学意义和应用前景的工作。
现有的单目视觉位姿估计方法的本质,是将三维实景投影成二维平面图像来进行位姿估计,投影过程中丢失了深度信息,因而需要多帧图像或者先验知识来重建深度信息。计算负担大,实时性不易保障。因此,本发明试图通过改变单目视觉传感器的结构来寻求突破。
发明内容
(一)发明的目的
本发明的目的是提供一种单目视觉位姿估计装置及方法,以简便、高效、实时地估计飞行器的高度、滚转角、俯仰角。
(二)技术方案
一种单目视觉位姿估计装置,包括:
圆形平面反射镜、锥形反射镜、CCD相机以及目标平面。
所述的圆形平面反射镜、锥形反射镜以及CCD相机同轴,目标平面与CCD相机的光轴是垂直的(即目标平面与相机焦平面是平行的)。
利用上述的一种单目视觉位姿估计装置,本发明实现了一种单目视觉位姿估计方法,包括以下步骤:
步骤1,确定锥形反射镜的锥角大小约束,锥形反射镜的镜面母线与CCD相机镜头所在平面的夹角为β,CCD相机视场角的1/2为θ:
定义:
C点为圆形平面反射镜上任意一条直径的延长线与入射光线内界的交点;
A点为圆形平面反射镜上距C点最远的点;
AC为A点与C点的距离;
AE为圆形平面反射镜的直径;
O点为CCD相机镜头的中心;
AO为A点与O点的距离;
B点为锥形反射镜外边缘距A点最近的点;
AB为A点与B点的距离;
d为圆形平面反射镜所在平面与CCD相机镜头所在平面的距离。
1.1为了保证目标平面的光线可入射到锥形反射镜上,则需AC>AE。
由于,
Figure GDA0001760680720000031
Figure GDA0001760680720000032
Figure GDA0001760680720000033
则,
Figure GDA0001760680720000041
另外,
Figure GDA0001760680720000042
因此,
Figure GDA0001760680720000043
而,
Figure GDA0001760680720000044
因此:
Figure GDA0001760680720000045
1.2锥形反射镜与圆形平面反射镜间不会产生连续反射现象(即锥形反射镜的反射光线照射到圆形平面反射镜上后将直接反射到CCD相机镜头,而不会再次反射到锥形反射镜上),则需∠CBC′>β。
定义:
C′点为锥形反射镜外边缘上与B点相对的点;
∠CBC′为线段BC与线段BC′的夹角;
∠ACB为线段CA与线段CB的夹角;
G1点为直线OB与目标平面的交点;
∠ABG1为线段BG1和线段BA的交点;
∠ABC为线段BA和线段BC的交点;
∠BAO为线段AB和线段AO的交点;
∠AOB为线段OA和线段OB的交点。
∠ACB=180°-∠ABG1-∠ABC-β (8)
其中,
Figure GDA0001760680720000051
Figure GDA0001760680720000052
则,
Figure GDA0001760680720000053
因此,
Figure GDA0001760680720000061
综上所述,β和θ的约束关系为式(7)和(12)。
另外,由于CCD相机自身的视场角不会超过90度,即
2θ<90° (13)
则,
Figure GDA0001760680720000062
因此,
Figure GDA0001760680720000063
对于式(7)来说:
若分子和分母均大于零,即
Figure GDA0001760680720000064
则有:
sin(2β-2θ)>sin(2θ) (17)
因此,
β>2θ (18)
若分子和分母均小于零,则有
Figure GDA0001760680720000065
显然不成立。
综上,角度约束方程为:
Figure GDA0001760680720000066
由公式(19)还可以得出:
Figure GDA0001760680720000071
步骤2,为了使得产生的锥形的像的母线较长,从而使得CCD相机所采集的像模糊与清晰的区域差异较明显,显然,根据透镜成像公式,物距变化越明显越好,也就是单目视觉位姿估计装置对目标平面产生的光程差越大越好。因此需要在公式(19)和(20)的限制下,选取较优的β和θ,使得该单目视觉位姿估计装置产生的光程差较大。
该单目视觉位姿估计装置产生的光程差Δ为
Figure GDA0001760680720000072
式中,h为CCD相机镜头所在平面与目标平面间的距离。
显然,从式(21)可以看出,h和d越大越好。当确定了h和d后,β越小且θ越大,光程差越大。
根据公式(19)和(20),以及CCD相机视场与焦距的约束,单目视觉位姿估计装置的关键参数取值如下表:
Figure GDA0001760680720000073
Figure GDA0001760680720000081
步骤3,确定θ和β后,若给定圆形平面反射镜的直径L,则可以确定圆形平面反射镜所在平面与CCD相机镜头所在平面的距离d和锥形反射镜母线最小长度Mmin,即
Figure GDA0001760680720000082
步骤4,来自目标平面的光线入射到锥形反射镜的镜面上,锥形反射镜将光线反射到圆形平面反射镜上,圆形平面反射镜将光线反射到CCD相机的镜头,计算机首先将图像灰度化,然后采用平滑滤波及梯度算法识别出图像的清晰区域在何处,平滑滤波算法如下:
对于图像上的一个3×3的像素区域,其灰度值矩阵为:
Figure GDA0001760680720000083
其中,pi(i=1,2,…,9)为每个像素点的灰度值。
给定一个权重矩阵K,
Figure GDA0001760680720000084
其中,ki(i=1,2,…,9)为每个像素点的灰度值的权重。
那么,像素区域中心点的灰度值为,
Figure GDA0001760680720000091
对全局梯度进行阈值,即:
Figure GDA0001760680720000092
其中,x≤image_width,y≤image_height。I、J、K分别为原图、平滑滤波图以及阈值图的灰度矩阵,x,y表示某个点的像素坐标(图像的左上角为原点),threshold为灰度门限值,image_width及image_height为图像的横纵方向的像素数。
步骤5,根据已知的相机焦距f、锥形成像靶面上的检测出的清晰的像素点距离镜头中心的距离pix_distance(x*,y*)及其横坐标x*、纵坐标y*(也就是清晰的像的三维先验信息),利用多元线性最小方差理论:
Figure GDA0001760680720000093
其中,
Figure GDA0001760680720000094
为包含飞行器位姿信息(高度、俯仰角和滚转角)的矩阵,X=[pix_distance(x*,y*)x*y*],Y=f。
步骤6,根据透镜成像原理及几何关系可得传感器的位姿信息,包括高度、俯仰角和滚转角,即:
Figure GDA0001760680720000095
式中,
Figure GDA0001760680720000096
Figure GDA0001760680720000097
Figure GDA0001760680720000098
矩阵的三个元素。
(三)优点效果
本发明基于光学畸变的单目视觉导航机理,通过改变传统相机结构,获得同时包含距离信息和姿态信息的单幅图像,通过简单的清晰度辨识方法便可识别出清晰区域,利用单目视觉位姿估计装置的先验结构及镜头参数信息即可获得飞行器的位姿信息,该方法成本低,算法简单。
附图说明
图1为本发明单目视觉位姿估计装置原理图。
图2为光程差随θ和β的变化关系图。
图3为本发明单目视觉位姿估计装置设计流程图。
图4为本发明图像清晰域及位姿信息辨识算法框图。
图5为高度估计相对误差。
图6为俯仰角估计相对误差。
图7为滚转角估计相对误差。
图8为位姿估计误差。
具体实施方式
下面结合图1-7所示,对本发明做进一步说明。
一种单目视觉位姿估计装置,原理图如附图1所示,包括:
圆形平面反射镜、锥形反射镜、CCD相机以及目标平面。
所述的圆形平面反射镜、锥形反射镜以及CCD相机同轴,目标平面与CCD相机的光轴是垂直的(即目标平面与相机焦平面是平行的)。
利用上述的一种单目视觉位姿估计装置,本发明实现了一种单目视觉位姿估计方法,包括以下步骤:
步骤1,确定锥形反射镜的锥角大小约束,锥形反射镜的镜面母线与CCD相机镜头所在平面的夹角为β,CCD相机视场角的1/2为θ:
定义:
C点为圆形平面反射镜上任意一条直径的延长线与入射光线内界的交点;
A点为圆形平面反射镜上距C点最远的点;
AC为A点与C点的距离;
AE为圆形平面反射镜的直径;
O点为CCD相机镜头的中心;
AO为A点与O点的距离;
B点为锥形反射镜外边缘距A点最近的点;
AB为A点与B点的距离;
d为圆形平面反射镜所在平面与CCD相机镜头所在平面的距离。
1.1为了保证目标平面的光线可入射到锥形反射镜上,则需AC>AE。
由于,
Figure GDA0001760680720000111
Figure GDA0001760680720000112
Figure GDA0001760680720000113
则,
Figure GDA0001760680720000114
另外,
Figure GDA0001760680720000121
因此,
Figure GDA0001760680720000122
而,
Figure GDA0001760680720000123
因此:
Figure GDA0001760680720000124
1.2锥形反射镜与圆形平面反射镜间不会产生连续反射现象(即锥形反射镜的反射光线照射到圆形平面反射镜上后将直接反射到CCD相机镜头,而不会再次反射到锥形反射镜上),则需∠CBC′>β。
定义:
C′点为锥形反射镜外边缘上与B点相对的点;
∠CBC′为线段BC与线段BC′的夹角;
∠ACB为线段CA与线段CB的夹角;
G1点为直线OB与目标平面的交点;
∠ABG1为线段BG1和线段BA的交点;
∠ABC为线段BA和线段BC的交点;
∠BAO为线段AB和线段AO的交点;
∠AOB为线段OA和线段OB的交点。
∠ACB=180°-∠ABG1-∠ABC-β (34)
其中,
Figure GDA0001760680720000131
Figure GDA0001760680720000132
则,
Figure GDA0001760680720000133
因此,
Figure GDA0001760680720000134
综上所述,β和θ的约束关系为式(7)和(12)。
另外,由于CCD相机自身的视场角不会超过90度,即
2θ<90° (39)
则,
Figure GDA0001760680720000141
因此,
Figure GDA0001760680720000142
对于式(7)来说:
若分子和分母均大于零,即
Figure GDA0001760680720000143
则有:
sin(2β-2θ)>sin(2θ) (43)
因此,
β>2θ (44)
若分子和分母均小于零,则有
Figure GDA0001760680720000144
显然不成立。
综上,角度约束方程为:
Figure GDA0001760680720000145
由公式(19)还可以得出:
Figure GDA0001760680720000146
步骤2,为了使得产生的锥形的像的母线较长,从而使得CCD相机所采集的像模糊与清晰的区域差异较明显,显然,根据透镜成像公式,物距变化越明显越好,也就是单目视觉位姿估计装置对目标平面产生的光程差越大越好。因此需要在公式(19)和(20)的限制下,选取较优的β和θ,使得该单目视觉位姿估计装置产生的光程差较大。
该单目视觉位姿估计装置产生的光程差Δ为
Figure GDA0001760680720000151
式中,h为CCD相机镜头所在平面与目标平面间的距离。
显然,从式(21)可以看出,h和d越大越好。
当确定了h和d后,由附图2可知,β越小且θ越大,光程差越大。
根据公式(19)和(20),以及附图3所示CCD相机视场与焦距的约束,单目视觉位姿估计装置的关键参数取值如下表:
Figure GDA0001760680720000152
步骤3,确定θ和β后,若给定圆形平面反射镜的直径L,则可以确定圆形平面反射镜与CCD相机镜头的距离d和锥形反射镜母线最小长度Mmin,即
Figure GDA0001760680720000161
步骤1、步骤2和步骤3的求解流程可参见附图4。
步骤4,来自目标平面的光线入射到锥形反射镜的镜面上,锥形反射镜将光线反射到圆形平面反射镜上,圆形平面反射镜将光线反射到CCD相机的镜头,计算机首先将图像灰度化,然后采用平滑滤波及梯度算法识别出图像的清晰区域在何处,平滑滤波算法如下:
对于图像上的一个3×3的像素区域,其灰度值矩阵为:
Figure GDA0001760680720000162
其中,pi(i=1,2,…,9)为每个像素点的灰度值。
给定一个权重矩阵K,
Figure GDA0001760680720000163
其中,ki(i=1,2,…,9)为每个像素点的灰度值的权重。
那么,像素区域中心点的灰度值为,
Figure GDA0001760680720000164
对全局梯度进行阈值,即:
Figure GDA0001760680720000165
其中,x≤image_width,y≤image_height。I、J、K分别为原图、平滑滤波图以及阈值图的灰度矩阵,x,y表示某个点的像素坐标(图像的左上角为原点),threshold为灰度门限值,image_width及image_height为图像的横纵方向的像素数。
步骤5,根据已知的相机焦距f、锥形成像靶面上的检测出的清晰的像素点距离镜头中心的距离pix_distance(x*,y*)及其横坐标x*、纵坐标y*(也就是清晰的像的三维先验信息),利用多元线性最小方差理论:
Figure GDA0001760680720000171
其中,
Figure GDA0001760680720000172
为包含飞行器位姿信息(高度、俯仰角和滚转角)的矩阵,X=[pix_distance(x*,y*)x*y*],Y=f。
步骤6,根据透镜成像原理及几何关系可得传感器的位姿信息,包括高度、俯仰角和滚转角,即:
Figure GDA0001760680720000173
式中,
Figure GDA0001760680720000174
Figure GDA0001760680720000175
Figure GDA0001760680720000176
矩阵的三个元素。
步骤4、步骤5和步骤6的求解流程可参见附图5。
实施例
给定一个1/3″、f=25mm的CCD相机镜头,CCD相机焦平面与CCD相机镜头的距离为26mm,CCD相机距地面高度为650mm,俯仰角为30度,滚转角为45度,现准备应用此CCD相机进行单目视觉位姿估计。
步骤1,根据附图3所示的CCD相机镜头焦距和视场角的约束关系,可以看出1/3″、f=25mm的CCD相机镜头的视场角为2θ=10.6°,即θ=5.3°。
根据约束(46),可知,
θ=5.3°<18°
即,CCD相机镜头视场角满足约束。
另外,根据约束(45),锥形反射镜母线与CCD相机镜头所在平面夹角β需满足
Figure GDA0001760680720000181
10.6°<β<31.7667°
步骤2,由附图2可知,当CCD相机视场角2θ确定后,锥形反射镜母线与CCD相机镜头所在平面夹角β越小越好。考虑到机械加工的难易程度,这里选取β=15°。
步骤3,确定θ和β后,若给定圆形平面反射镜的直径L=50mm,则可以确定圆形平面反射镜与CCD相机镜头的距离d和锥形反射镜母线最小长度Mmin,即
Figure GDA0001760680720000182
Figure GDA0001760680720000183
步骤4,来自目标平面的光线入射到锥形反射镜的镜面上,锥形反射镜将光线反射到圆形平面反射镜上,圆形平面反射镜将光线反射到CCD相机的镜头,计算机首先将图像灰度化,然后采用平滑滤波及梯度算法识别出图像的清晰区域在何处,平滑滤波算法如下:
对于图像上的一个3×3的像素区域,其灰度值矩阵为:
Figure GDA0001760680720000191
其中,pi(i=1,2,…,9)为每个像素点的灰度值。
给定一个权重矩阵K,
Figure GDA0001760680720000192
其中,ki(i=1,2,…,9)为每个像素点的灰度值的权重。
这里,
Figure GDA0001760680720000193
那么,像素区域中心点的灰度值为,
Figure GDA0001760680720000194
对全局梯度进行阈值,即:
Figure GDA0001760680720000195
其中,x≤image_width,y≤image_height。A、B、C分别为原图、平滑滤波图以及阈值图的灰度矩阵,x,y表示某个点的像素坐标(图像的左上角为原点),threshold为灰度门限值,image_width及image_height为图像的横纵方向的像素数。
这里,灰度门限值threshold取为20。
步骤5,根据已知的相机焦距f、锥形成像靶面上的检测出的清晰的像素点(即灰度值超过灰度阈值的点)距离镜头中心的距离pix_distance(x*,y*)及其横坐标x*、纵坐标y*,利用多元线性最小方差理论:
Figure GDA0001760680720000201
其中,
Figure GDA0001760680720000202
为包含飞行器位姿信息(高度、俯仰角和滚转角)的估计矩阵,式中X=[pix_distance(x*,y*)x*y*],Y=f。
这里pix_distance(x*,y*)为一常值10mm。得出,
Figure GDA0001760680720000203
步骤6,根据透镜成像原理可得传感器的位姿信息,包括高度、俯仰角和滚转角,即:
Figure GDA0001760680720000204
式中,
Figure GDA0001760680720000205
Figure GDA0001760680720000206
Figure GDA0001760680720000207
矩阵的三个元素。
Figure GDA0001760680720000208
数值代入后得出,
Figure GDA0001760680720000209
则高度估计误差为
Figure GDA00017606807200002010
俯仰角估计误差为
Figure GDA00017606807200002011
滚转角估计误差为
Figure GDA0001760680720000211
重复上述实施例240次,位姿估计效果即位姿估计误差如附图6、附图7和附图8所示,可见位姿估计误差可以保证小于5%。

Claims (1)

1.一种单目视觉位姿估计方法,其特征在于,包括以下步骤:
步骤1,确定锥形反射镜的锥角大小约束,锥形反射镜的镜面母线与CCD相机镜头所在平面的夹角为β,CCD相机视场角的1/2为θ:
参数定义如下:
C点为圆形平面反射镜上任意一条直径的延长线与入射光线内界的交点;
A点为圆形平面反射镜上距C点最远的点;
AC为A点与C点的距离;
AE为圆形平面反射镜的直径;
O点为CCD相机镜头的中心;
AO为A点与O点的距离;
B点为锥形反射镜外边缘距A点最近的点;
AB为A点与B点的距离;
d为圆形平面反射镜所在平面与CCD相机镜头所在平面的距离;
1.1为了保证目标平面的光线可入射到锥形反射镜上,则需AC>AE;
由于,
Figure FDA0002972624780000011
Figure FDA0002972624780000012
Figure FDA0002972624780000013
则,
Figure FDA0002972624780000021
另外,
Figure FDA0002972624780000022
因此,
Figure FDA0002972624780000023
而,
Figure FDA0002972624780000024
因此:
Figure FDA0002972624780000025
1.2锥形反射镜与圆形平面反射镜间不会产生连续反射现象,也就是说锥形反射镜的反射光线照射到圆形平面反射镜上后将直接反射到CCD相机镜头,而不会再次反射到锥形反射镜上,则需∠CBC′>β;
参数定义如下:
C′点为锥形反射镜外边缘上与B点相对的点;
∠CBC′为线段BC与线段BC′的夹角;
∠ACB为线段CA与线段CB的夹角;
G1点为直线OB与目标平面的交点;
∠ABG1为线段BG1和线段BA的交点;
∠ABC为线段BA和线段BC的交点;
∠BAO为线段AB和线段AO的交点;
∠AOB为线段OA和线段OB的交点;
∠ACB=180°-∠ABG1-∠ABC-β (8)
其中,
Figure FDA0002972624780000031
Figure FDA0002972624780000032
则,
Figure FDA0002972624780000033
因此,
Figure FDA0002972624780000041
综上,β和θ的约束关系为式(7)和(12);
另外,由于CCD相机自身的视场角小于90度,即
2θ<90° (13)
则,
Figure FDA0002972624780000042
因此,
Figure FDA0002972624780000043
对于式(7)来说:
若分子和分母均大于零,即
Figure FDA0002972624780000044
则有:
sin(2β-2θ)>sin(2θ) (17)
因此,
β>2θ (18)
若分子和分母均小于零,则有
Figure FDA0002972624780000046
显然不成立;
综上,角度约束方程为:
Figure FDA0002972624780000045
由公式(19)得出:
Figure FDA0002972624780000051
步骤2,为了使得产生的锥形的像的母线较长,从而使得CCD相机所采集的像模糊与清晰的区域差异较明显,根据透镜成像公式,物距变化越明显越好,也就是单目视觉位姿估计装置对目标平面产生的光程差越大越好;因此,需要在公式(19)和(20)的限制下,选取β和θ,使得该单目视觉位姿估计装置产生的光程差大;
该单目视觉位姿估计装置产生的光程差Δ为
Figure FDA0002972624780000052
式中,h为CCD相机镜头所在平面与目标平面间的距离;
从式(21)看出,h和d越大越好;当确定了h和d后,β越小且θ越大,光程差越大;
根据公式(19)和(20),以及CCD相机视场与焦距的约束,单目视觉位姿估计装置的关键参数取值如下表:
Figure FDA0002972624780000053
Figure FDA0002972624780000061
步骤3,确定θ和β后,若给定圆形平面反射镜的直径AE,则确定圆形平面反射镜所在平面与CCD相机镜头所在平面的距离d和锥形反射镜母线最小长度Mmin,即
Figure FDA0002972624780000062
步骤4,来自目标平面的光线入射到锥形反射镜的镜面上,锥形反射镜将光线反射到圆形平面反射镜上,圆形平面反射镜将光线反射到CCD相机的镜头,计算机首先将图像灰度化,然后采用平滑滤波及梯度算法识别出图像的清晰区域在何处,平滑滤波算法如下:
对于图像上的一个3×3的像素区域,其灰度值矩阵为:
Figure FDA0002972624780000063
其中,pi为每个像素点的灰度值;i=1,2,…,9;
给定一个权重矩阵K,
Figure FDA0002972624780000064
其中,ki为每个像素点的灰度值的权重;i=1,2,…,9;
那么,像素区域中心点的灰度值为,
Figure FDA0002972624780000071
对全局梯度进行二值化处理,即:
Figure FDA0002972624780000072
其中,x≤image_width,y≤image_height;I、J、K分别为原图、平滑滤波图以及阈值图的灰度矩阵,x,y表示某个点的像素坐标,threshold为灰度门限值,image_width及image_height为图像的横纵方向的像素数;
步骤5,根据已知的相机焦距f、锥形成像靶面上的检测出的清晰的像素点距离镜头中心的距离pix_distance(x*,y*)及其横坐标x*、纵坐标y*,利用多元线性最小方差理论得到:
Figure FDA0002972624780000073
其中,
Figure FDA0002972624780000074
为包含飞行器位姿信息的矩阵,X=[pix_distance(x*,y*) x* y*],Y=f;
步骤6,根据透镜成像原理及几何关系得传感器的位姿信息,包括高度、俯仰角和滚转角,即:
Figure FDA0002972624780000075
式中,
Figure FDA0002972624780000076
Figure FDA0002972624780000077
Figure FDA0002972624780000078
矩阵的三个元素。
CN201810605775.XA 2018-06-13 2018-06-13 一种单目视觉位姿估计装置及方法 Active CN108613673B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810605775.XA CN108613673B (zh) 2018-06-13 2018-06-13 一种单目视觉位姿估计装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810605775.XA CN108613673B (zh) 2018-06-13 2018-06-13 一种单目视觉位姿估计装置及方法

Publications (2)

Publication Number Publication Date
CN108613673A CN108613673A (zh) 2018-10-02
CN108613673B true CN108613673B (zh) 2021-06-18

Family

ID=63665054

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810605775.XA Active CN108613673B (zh) 2018-06-13 2018-06-13 一种单目视觉位姿估计装置及方法

Country Status (1)

Country Link
CN (1) CN108613673B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1577102A (zh) * 2003-06-30 2005-02-09 Asml控股股份有限公司 用于平板显示器的像差可校正大视场投影光学***
CN101211006A (zh) * 2007-12-21 2008-07-02 中国科学院上海技术物理研究所 折衍混合望远镜光学***
CN101539422A (zh) * 2009-04-22 2009-09-23 北京航空航天大学 一种单目视觉实时测距方法
JP2010072596A (ja) * 2008-09-22 2010-04-02 Toshiba Corp 表示装置及び移動体
CN103487039A (zh) * 2012-06-08 2014-01-01 特里伯耶拿有限公司 大地测量目标以及定位***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1577102A (zh) * 2003-06-30 2005-02-09 Asml控股股份有限公司 用于平板显示器的像差可校正大视场投影光学***
CN101211006A (zh) * 2007-12-21 2008-07-02 中国科学院上海技术物理研究所 折衍混合望远镜光学***
JP2010072596A (ja) * 2008-09-22 2010-04-02 Toshiba Corp 表示装置及び移動体
CN101539422A (zh) * 2009-04-22 2009-09-23 北京航空航天大学 一种单目视觉实时测距方法
CN103487039A (zh) * 2012-06-08 2014-01-01 特里伯耶拿有限公司 大地测量目标以及定位***

Also Published As

Publication number Publication date
CN108613673A (zh) 2018-10-02

Similar Documents

Publication Publication Date Title
CN107316325B (zh) 一种基于图像配准的机载激光点云与影像配准融合方法
KR102001728B1 (ko) 스테레오 카메라 드론을 활용한 무기준점 3차원 위치좌표 취득 방법 및 시스템
US10337864B2 (en) Method for calculating the distance to a ground target from an aerial vehicle
EP3420428B1 (en) Systems and methods for visual target tracking
WO2018086133A1 (en) Methods and systems for selective sensor fusion
WO2020037492A1 (en) Distance measuring method and device
CN105203084B (zh) 一种无人机3d全景视觉装置
WO2018032457A1 (en) Systems and methods for augmented stereoscopic display
WO2018214067A1 (en) Methods and systems for processing an image
CN110930508B (zh) 二维光电视频与三维场景融合方法
EP3132231A1 (en) A method and system for estimating information related to a vehicle pitch and/or roll angle
Madawalagama et al. Low cost aerial mapping with consumer-grade drones
WO2018027339A1 (en) Copyright notice
Eynard et al. Real time UAV altitude, attitude and motion estimation from hybrid stereovision
CN114526710A (zh) 海面测量***、海面测量方法以及存储介质
Popov et al. Optical flow and inertial navigation system fusion in the UAV navigation
Qiao et al. Ground target geolocation based on digital elevation model for airborne wide-area reconnaissance system
Grelsson et al. Highly accurate attitude estimation via horizon detection
CN110853142A (zh) 基于无人机拍摄的机场净空三维模型构建方法及装置
CN112461204B (zh) 卫星对动态飞行目标多视角成像联合计算航行高度的方法
CN110598370B (zh) 基于sip和ekf融合的多旋翼无人机鲁棒姿态估计
CN108961319B (zh) 双线阵tdi空间相机对动态飞机运动特性的分析方法
Miller et al. Optical Flow as a navigation means for UAV
CN113340272A (zh) 一种基于无人机微群的地面目标实时定位方法
CN108613673B (zh) 一种单目视觉位姿估计装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant