CN111750849B - 多视角下的目标轮廓定位定姿平差方法及*** - Google Patents
多视角下的目标轮廓定位定姿平差方法及*** Download PDFInfo
- Publication number
- CN111750849B CN111750849B CN202010506133.1A CN202010506133A CN111750849B CN 111750849 B CN111750849 B CN 111750849B CN 202010506133 A CN202010506133 A CN 202010506133A CN 111750849 B CN111750849 B CN 111750849B
- Authority
- CN
- China
- Prior art keywords
- target
- contour
- posture
- image
- camera
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000000007 visual effect Effects 0.000 title claims abstract description 15
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims abstract description 24
- 238000012887 quadratic function Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 2
- 230000004807 localization Effects 0.000 claims 2
- 230000036544 posture Effects 0.000 abstract description 89
- 238000004088 simulation Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/2433—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring outlines by shadow casting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种多视角下的目标轮廓定位定姿平差方法及***,该方法包括从各相机的真实影像中提取目标轮廓,采用真实影像目标轮廓和模型生成轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,取均值作为目标的初始位置姿态;在目标的当前位置姿态附近空间进行采样;将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影像目标轮廓,计算各相机的仿真影像目标轮廓和当前的目标影像轮廓的匹配误差;在目标当前位置姿态附近空间内,解算使二次函数取最小值的位置和姿态作为改正后的目标位置姿态。本发明采用置信域平差的方法对多个视角下的轮廓匹配获取的目标位置和姿态进行融合,充分利用各相机的观测数据,结果更加准确可靠。
Description
技术领域
本发明涉及定位定姿技术领域,具体涉及一种多视角下的目标轮廓定位定姿平差方法及 ***。
背景技术
目前,基于影像的目标定位定姿方法有基于影像匹配的方法,基于刚体人工标识的方法 和基于轮廓线匹配的方法等。
基于影像匹配的方法在目标缺乏纹理或纹理重复性高时通常会匹配失败,并且在一些场 景下目标表面不允许或没有办法设置人工标识。在目标为非中心对称刚体,且三维模型可获 取的情况下,可以使用目标成像轮廓和三维模型生成轮廓进行匹配,获得目标的位置和姿态 信息。而目标定位定姿结果的精度受轮廓检测结果的影响。为了提高定位定姿结果的准确性 和可靠性,可以选择多个相机同时对目标进行观测。不过,在目标同时出现在多个相机视野 中时,如何对多相机的定位定姿结果进行融合是一个技术难点,传统的对多相机观测结果取 均值或加权均值的方法难以有效应对定位定姿结果存在粗差的情况。
发明内容
本发明解决的技术问题是提供一种多视角下的目标轮廓定位定姿平差方法及***,解决 传统的对多相机观测结果取均值或加权均值的方法存在粗差的问题。
为解决上述技术问题,本发明提供一种多视角下的目标轮廓定位定姿平差方法,包括以 下步骤:
S1、从各相机的真实影像中提取真实影像目标轮廓,采用真实影像目标轮廓和模型生成 轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取多个相机对目标位置姿态 测量结果的均值作为目标的初始位置姿态;
S2、在目标的当前位置姿态附近空间进行采样,得到一组位置姿态采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数×姿态采样数;
S3、将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影像目标 轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓和当前的目标影像轮廓的 匹配误差;
S4、在目标当前位置姿态附近空间内,将轮廓匹配误差公式使用位姿参数的二次函数来 近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的目标位置姿态。
进一步地,该方法换包括步骤:
S5、计算目标位置姿态改正前后的差值的绝对值,若绝对值小于预先设定的阈值,则将 当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果;否则计算目标位置姿态的 改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后的目标位置姿态作为目标 的最终位置和姿态测量结果,否则执行步骤S6;
S6、把目标模型按当前改正后的目标位置姿态进行放置,并投影到各相机像平面,得到 新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真实影像梯度的梯度,驱动 真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后执行步骤S2。
进一步地,所述轮廓匹配误差公式为:
式中,NUM(cam)为相机数,NUM(pt)为第j个相机的真实影像目标轮廓的总像点数,ptjk为目标在第j个相机的像平面上当前的目标影像轮廓的第k个像点,N(ptjk)为第j个相机像平面仿真影像目标轮廓上距离ptjk的最近点,D⊥(ptjk,N(ptjk))为ptjk,N(ptjk)两点距离 沿ptjk法线方向的投影大小。
进一步地,真实影像目标轮廓上每一点的演化增量为:
Δpt=w1G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像目标轮廓上距离pt最 近的点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1和w2为权重系数。
进一步地,对演化增量Δpt进行平滑处理,如对演化增量Δpt进行均值平滑处理。
本发明还提供一种多视角下的目标轮廓定位定姿平差***,该***包括:
初始位置姿态模块,用于从各相机的真实影像中提取真实影像目标轮廓,采用真实影像 目标轮廓和模型生成轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取多个 相机对目标位置姿态测量结果的均值作为目标的初始位置姿态;
位置姿态采样模块,用于在目标的当前位置姿态附近空间进行采样,得到一组位置姿态 采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数× 姿态采样数;
轮廓匹配误差模块,用于将目标模型分别按照采样所得位置和姿态投影到各相机像平面, 得到仿真影像目标轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓和当前 的目标影像轮廓的匹配误差;
位置姿态解算模块,用于在目标当前位置姿态附近空间内,将轮廓匹配误差公式使用位 姿参数的二次函数来近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的目标 位置姿态。
进一步地,该***还包括:
位置姿态判定模块,用于计算目标位置姿态改正前后的差值的绝对值,若绝对值小于预 先设定的阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果;否则 计算目标位置姿态的改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后的目 标位置姿态作为目标的最终位置和姿态测量结果,否则进行轮廓演化;
真实轮廓演化模块,用于把目标模型按当前改正后的目标位置姿态进行放置,并投影到 各相机像平面,得到新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真实影 像梯度的梯度,驱动真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后继续进 行位置姿态采样。
进一步地,所述轮廓匹配误差公式为:
式中,NUM(cam)为相机数,NUM(pt)为第j个相机的真实影像目标轮廓的总像点数,ptjk为目标在第j个相机的像平面上当前的目标影像轮廓的第k个像点,N(ptjk)为第j个相机像平面仿真影像目标轮廓上距离ptjk的最近点,D⊥(ptjk,N(ptjk))为ptjk,N(ptjk)两点距离 沿ptjk法线方向的投影大小。
进一步地,真实影像目标轮廓上每一点的演化增量为:
Δpt=w1G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像目标轮廓上距离pt最 近的点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1和w2为权重系数。
本发明的有益效果是:本发明通过采用置信域平差的方法对多个视角下的轮廓匹配获取 的目标位置和姿态进行融合,相比直接取多个视角定位定姿结果均值的方法,充分使用了各 相机的观测数据,目标定位定姿结果更加准确可靠。
进一步地,平差过程中,由真实观测数据驱动平差过程,同时对各相机拍摄影像提取的 真实影像目标轮廓进行演化改正,可以提高提取轮廓准确性和定位定姿结果准确性。
附图说明
图1是多视角目标轮廓定位定姿平差方法的流程图。
图2是多视角目标轮廓定位定姿平差方法的迭代流程图。
图3是实施例测试搭建的实验平台示意图。
图4是多视角目标轮廓定位定姿平差***的示意图。
图中,1-实验平台,2-相机,3-控制点,4-目标。
具体实施方式
下面将结合附图对本发明的作进一步的说明:
本发明不仅以不同相机视野下的目标影像轮廓作为观测值,对多相机轮廓匹配定位定姿 结果进行平差,提高测量结果的准确性和可靠性;同时使用多相机轮廓匹配定位定姿的平差 结果和目标在各相机所成真实影像梯度的梯度对各个相机真实影像上提取的目标轮廓进行改 正,提高各个相机真实影像上目标轮廓提取结果的准确性。
本发明实施例一的多视角下的目标轮廓定位定姿平差方法,如图1所示,包括以下步骤:
S1、从各相机的真实影像中提取真实影像目标轮廓,采用真实影像目标轮廓和模型生成 轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取多个相机对目标位置姿态 测量结果的均值作为目标的初始位置姿态。
S2、在目标的当前位置姿态附近空间进行采样,得到一组位置姿态采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数×姿态采样数。
S3、将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影像目标 轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓和当前的目标影像轮廓的 匹配误差;具体地,轮廓匹配误差公式为:
式中,NUM(cam)为相机数,NUM(pt)为第j个相机的真实影像目标轮廓的总像点数,ptjk为目标在第j个相机的像平面上当前的目标影像轮廓的第k个像点,N(ptjk)为第j个相机像平面仿真影像目标轮廓上距离ptjk的最近点,D⊥(ptjk,N(ptjk))为ptjk,N(ptjk)两点距离 沿ptjk法线方向的投影大小。
S4、在目标当前位置姿态附近空间内,将轮廓匹配误差公式使用位姿参数的二次函数来 近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的目标位置姿态。具体地, 真实影像目标轮廓上每一点的演化增量为:
Δpt=w1G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像目标轮廓上距离pt最 近的点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1和w2为权重系数。
进一步地,该方法换包括步骤:
S5、计算目标位置姿态改正前后的差值的绝对值,若绝对值小于预先设定的阈值,则将 当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果;否则计算目标位置姿态的 改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后的目标位置姿态作为目标 的最终位置和姿态测量结果,否则执行步骤S6。
S6、把目标模型按当前改正后的目标位置姿态进行放置,并投影到各相机像平面,得到 新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真实影像梯度的梯度,驱动 真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后执行步骤S2。进一步地, 对演化增量Δpt进行平滑处理,如对演化增量Δpt进行均值平滑处理。
本发明实施例二的多视角下的目标轮廓定位定姿平差方法,包含以下步骤:
步骤1,目标初始位置姿态确定步骤:采用真实影像提取轮廓与模型生成轮廓匹配的方 法得到各个相机对目标的位置姿态测量结果,然后取多个相机对目标位置姿态测量结果的均 值作为目标的初始位置和姿态。
步骤2,多相机观测结果置信域法平差步骤:使用步骤1获得的目标位置姿态初值作为 目标位置姿态的初始状态,迭代的对目标位置姿态以及目标成像轮廓进行改正。待在一轮迭 代结束后,目标位置姿态改正前后的差值绝对值小于阈值时或迭代次数达上限时,停止迭代, 使用改正后的定位定姿结果作为目标的位置和姿态测量结果。
步骤2中,对目标位置姿态以及真实影像提取轮廓进行改正的方法如下:
步骤2.1,在当前目标位置姿态(初次迭代为步骤1获得的目标初始位置姿态均值,非 初次迭代为上次迭代获取的目标位置姿态)附近空间进行均匀采样(位置参数和姿态参数可 以采用不同的采样间隔),得到一组位置姿态采样SAMPLE= {sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数×姿态采样数。
步骤2.2,将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影 像轮廓,并计算各相机像平面仿真轮廓和上一轮迭代结束改正后的目标轮廓(首次迭代为影 像上提取的目标轮廓)的匹配误差。位姿参数采样samplei的轮廓匹配误差计算公式为:
式中,NUM(cam)为相机数,NUM(pt)为相机j的目标真实轮廓点数,ptjk为目标在相机j的像平面上一轮迭代结束改正后的目标轮廓(首次迭代为影像上提取的目标轮廓)上的第k个像点,N(ptjk)为相机j像平面仿真轮廓上ptjk的最近点,D⊥(ptjk,N(ptjk))为 ptjk,N(ptjk)两点距离沿ptjk法线方向的投影大小。
步骤2.3,在当前目标位置姿态附近空间内将E(sample)使用位姿参数的二次函数F来近 似表示,并解算使得F取最小值的位置和姿态作为目标改正后的位置和姿态。
步骤2.4,把目标模型按步骤2.3计算得到位置和姿态进行放置,投影到各相机像平面, 得到仿真影像。使用各相机仿真影像目标轮廓和真实影像梯度的梯度驱动真实影像上提取轮 廓进行演化,驱动真实影像上提取到的轮廓向真实影像上轮廓的正确位置移动,得到改正后 的目标影像轮廓。提取轮廓上每一点的演化增量为:
Δpt=w1 G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像轮廓上距离pt最近的 点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1,w2为权重系数。为了抑制噪声 的影响可以对Δpt进行平滑处理,比如均值平滑。
本发明实施例三的多视角下的目标轮廓定位定姿平差方法,包括以下步骤:
步骤1,搭建多视的基于目标轮廓的目标定位定姿平差测试环境。如图3所示,在实验 平台1四角分别架设一台相机2,并在平台上设计一些人工标识作为控制点3进行相机标定。 使用三维激光扫描仪采集目标表面三维点云,建立目标三维模型。在本实验场景下,目标4 在一平面上运动,其位置和姿态可以用一组参数(X,Y,θ)来表示,坐标(X,Y)表示目 标的位置,θ表示目标的朝向,即姿态。
步骤2,如图2所示,多视角下通过轮廓匹配和置信域平差对目标位置和姿态进行解算, 并改正各相机真实影像提取的轮廓。
步骤2中,多视下目标轮廓定位定姿平差和各相机真实影像目标轮廓改正的方法如下:
步骤2.3,使用置信域平差法进行目标位置姿态参数优化求解。目标位置姿态参数优化 求解是一个迭代的过程,待在一轮迭代结束后,目标位置姿态改正前后的差值绝对值小于阈 值时或迭代次数达上限时,停止迭代,使用改正后的定位定姿结果作为目标的位置和姿态测 量结果,否则继续迭代。
单次迭代包括目标位姿参数的平差和各相机目标真实影像轮廓演化两个步骤:
目标位姿参数的平差。在目标当前位姿参数邻域内进行均匀采样,使用 公式(1)计算各采样参数对应的轮廓匹配误差,使用(X,Y,θ)的二次函数 F(X,Y,θ)在该邻域内拟合轮廓匹配误差,寻找该二次曲线的极小值点作为新的目标位 置和姿态。其中目标当前位姿参数在初次迭代时为步骤2.2计算得到的非初次迭代时为上次迭代解算的目标位置和姿态。初次迭代邻域应该包 含各相机的测量结果,后续迭代根据置信域更新方法更新采样区域。采样点数应该足够求解 二次函数F(X,Y,θ)的参数。
各相机采集影像提取真实轮廓的改正。使用平差后的目标位置和姿态借助OpenGL重新 计算目标模型向各相机投影的仿真轮廓,使用各相机的仿真轮廓,真实影像梯度的梯度来驱 动提取的真实轮廓演化。原则上,真实轮廓演化的过程中,真实影像梯度的梯度起主导作用, 需满足1>w1>w2≥0。
本发明还提供一种多视角下的目标轮廓定位定姿平差***,如图4所示,该***包括:
初始位置姿态模块201,用于从各相机的真实影像中提取真实影像目标轮廓,采用真实 影像目标轮廓和模型生成轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取 多个相机对目标位置姿态测量结果的均值作为目标的初始位置姿态;
位置姿态采样模块202,用于在目标的当前位置姿态附近空间进行采样,得到一组位置 姿态采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样 数×姿态采样数;
轮廓匹配误差模块203,用于将目标模型分别按照采样所得位置和姿态投影到各相机像 平面,得到仿真影像目标轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓 和当前的目标影像轮廓的匹配误差;
位置姿态解算模块204,用于在目标当前位置姿态附近空间内,将轮廓匹配误差公式使 用位姿参数的二次函数来近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的 目标位置姿态。
进一步地,该***还包括:
位置姿态判定模块205,用于计算目标位置姿态改正前后的差值的绝对值,若绝对值小 于预先设定的阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果; 否则计算目标位置姿态的改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后 的目标位置姿态作为目标的最终位置和姿态测量结果,否则进行轮廓演化;
真实轮廓演化模块206,用于把目标模型按当前改正后的目标位置姿态进行放置,并投 影到各相机像平面,得到新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真 实影像梯度的梯度,驱动真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后继 续进行位置姿态采样。
本领域的技术人员容易理解,以上仅为本发明的较佳实施例而已,并不用以限制本发明, 凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保 护范围之内。
Claims (6)
1.一种多视角下的目标轮廓定位定姿平差方法,其特征在于,包括以下步骤:
S1、从各相机的真实影像中提取真实影像目标轮廓,采用真实影像目标轮廓和模型生成轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取多个相机对目标位置姿态测量结果的均值作为目标的初始位置姿态;
S2、在目标的当前位置姿态附近空间进行采样,得到一组位置姿态采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数×姿态采样数;
S3、将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影像目标轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓和当前的目标影像轮廓的匹配误差;
所述轮廓匹配误差公式为:
式中,NUM(cam)为相机数,NUM(pt)为第j个相机的真实影像目标轮廓的总像点数,ptjk为目标在第j个相机的像平面上当前的目标影像轮廓的第k个像点,N(ptjk)为第j个相机像平面仿真影像目标轮廓上距离ptjk的最近点,D⊥(ptjk,N(ptjk))为ptjk,N(ptjk)两点距离沿ptjk法线方向的投影大小;
S4、在目标当前位置姿态附近空间内,将轮廓匹配误差公式使用位姿参数的二次函数来近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的目标位置姿态。
2.根据权利要求1所述的多视角下的目标轮廓定位定姿平差方法,其特征在于,该方法还 包括步骤:
S5、计算目标位置姿态改正前后的差值的绝对值,若绝对值小于预先设定的阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果;否则计算目标位置姿态的改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果,否则执行步骤S6;
S6、把目标模型按当前改正后的目标位置姿态进行放置,并投影到各相机像平面,得到新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真实影像梯度的梯度,驱动真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后执行步骤S2;
真实影像目标轮廓上每一点的演化增量为:
Δpt=w1G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像目标轮廓上距离pt最近的点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1和w2为权重系数。
3.根据权利要求2所述的多视角下的目标轮廓定位定姿平差方法,其特征在于,对演化增量Δpt进行平滑处理。
4.根据权利要求3所述的多视角下的目标轮廓定位定姿平差方法,其特征在于,对演化增量Δpt进行均值平滑处理。
5.一种多视角下的目标轮廓定位定姿平差***,其特征在于,该***包括:
初始位置姿态模块,用于从各相机的真实影像中提取真实影像目标轮廓,采用真实影像目标轮廓和模型生成轮廓匹配的方法得到各个相机对目标的位置姿态测量结果,然后取多个相机对目标位置姿态测量结果的均值作为目标的初始位置姿态;
位置姿态采样模块,用于在目标的当前位置姿态附近空间进行采样,得到一组位置姿态采样SAMPLE={sample1,sample2,sample3…,samplen},n表示样本数,其值为位置采样数×姿态采样数;
轮廓匹配误差模块,用于将目标模型分别按照采样所得位置和姿态投影到各相机像平面,得到仿真影像目标轮廓,并利用轮廓匹配误差公式,计算各相机的仿真影像目标轮廓和当前的目标影像轮廓的匹配误差;
所述轮廓匹配误差公式为:
式中,NUM(cam)为相机数,NUM(pt)为第j个相机的真实影像目标轮廓的总像点数,ptjk为目标在第j个相机的像平面上当前的目标影像轮廓的第k个像点,N(ptjk)为第j个相机像平面仿真影像目标轮廓上距离ptjk的最近点,D⊥(ptjk,N(ptjk))为ptjk,N(ptjk)两点距离沿ptjk法线方向的投影大小;
位置姿态解算模块,用于在目标当前位置姿态附近空间内,将轮廓匹配误差公式使用位姿参数的二次函数来近似拟合,并解算使二次函数取最小值的位置和姿态作为改正后的目标位置姿态。
6.根据权利要求5所述的多视角下的目标轮廓定位定姿平差***,其特征在于,该***还包括:
位置姿态判定模块,用于计算目标位置姿态改正前后的差值的绝对值,若绝对值小于预先设定的阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果;否则计算目标位置姿态的改正次数,若改正次数达到预先设定的次数阈值,则将当前改正后的目标位置姿态作为目标的最终位置和姿态测量结果,否则进行轮廓演化;
真实轮廓演化模块,用于把目标模型按当前改正后的目标位置姿态进行放置,并投影到各相机像平面,得到新的仿真影像目标轮廓,使用各相机的新的仿真影像目标轮廓和真实影像梯度的梯度,驱动真实影像目标轮廓进行演化,得到改正后的目标影像轮廓,然后继续进行位置姿态采样;
真实影像目标轮廓上每一点的演化增量为:
Δpt=w1G(pt)+w2(N(pt)-pt)⊥
式中,G(pt)表示点pt处的真实影像梯度的梯度,N(pt)为仿真影像目标轮廓上距离pt最近的点,(N(pt)-pt)⊥为(N(pt)-pt)沿pt法线方向的分量,w1和w2为权重系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506133.1A CN111750849B (zh) | 2020-06-05 | 2020-06-05 | 多视角下的目标轮廓定位定姿平差方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010506133.1A CN111750849B (zh) | 2020-06-05 | 2020-06-05 | 多视角下的目标轮廓定位定姿平差方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111750849A CN111750849A (zh) | 2020-10-09 |
CN111750849B true CN111750849B (zh) | 2022-02-01 |
Family
ID=72674900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010506133.1A Expired - Fee Related CN111750849B (zh) | 2020-06-05 | 2020-06-05 | 多视角下的目标轮廓定位定姿平差方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111750849B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN110500954A (zh) * | 2019-07-30 | 2019-11-26 | 中国地质大学(武汉) | 一种基于圆特征及p3p算法的飞行器位姿测量方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289495B (zh) * | 2011-08-19 | 2014-03-26 | 中国人民解放军63921部队 | 一种应用于模型匹配姿态测量的图像搜索匹配优化方法 |
US10387746B2 (en) * | 2016-05-06 | 2019-08-20 | Ohio State Innovation Foundation | Image color data normalization and color matching system for translucent material |
CN106056089B (zh) * | 2016-06-06 | 2019-06-11 | 中国科学院长春光学精密机械与物理研究所 | 一种三维姿态识别方法及*** |
CN107101648B (zh) * | 2017-04-26 | 2019-11-08 | 武汉大学 | 基于区域网内恒星影像的星相机定标定姿方法及*** |
CN107798326B (zh) * | 2017-10-20 | 2020-09-22 | 华南理工大学 | 一种轮廓视觉检测方法 |
CN109087323A (zh) * | 2018-07-25 | 2018-12-25 | 武汉大学 | 一种基于精细cad模型的图像车辆三维姿态估计方法 |
CN110866531A (zh) * | 2019-10-15 | 2020-03-06 | 深圳新视达视讯工程有限公司 | 一种基于三维建模的建筑物特征提取方法、***及存储介质 |
-
2020
- 2020-06-05 CN CN202010506133.1A patent/CN111750849B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447725A (zh) * | 2016-06-29 | 2017-02-22 | 北京航空航天大学 | 基于轮廓点混合特征匹配的空间目标姿态估计方法 |
CN110500954A (zh) * | 2019-07-30 | 2019-11-26 | 中国地质大学(武汉) | 一种基于圆特征及p3p算法的飞行器位姿测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111750849A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107063228B (zh) | 基于双目视觉的目标姿态解算方法 | |
CN108648240B (zh) | 基于点云特征地图配准的无重叠视场相机姿态标定方法 | |
US9799139B2 (en) | Accurate image alignment to a 3D model | |
CN110456330B (zh) | 一种相机与激光雷达之间外参无目标自动标定方法及*** | |
KR101617078B1 (ko) | 무인 항공기 영상과 지도 영상에 대한 영상 정합 장치 및 방법 | |
CN111524194A (zh) | 一种激光雷达和双目视觉相互融合的定位方法及终端 | |
CN111429494B (zh) | 一种基于生物视觉的点云高精度自动配准方法 | |
CN114862932B (zh) | 基于bim全局定位的位姿修正方法及运动畸变矫正方法 | |
CN109458994B (zh) | 一种空间非合作目标激光点云icp位姿匹配正确性判别方法及*** | |
CN111062966B (zh) | 基于l-m算法和多项式插值对相机跟踪进行优化的方法 | |
US20220230348A1 (en) | Method and apparatus for determining a three-dimensional position and pose of a fiducial marker | |
JP6860620B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN111538029A (zh) | 一种视觉与雷达融合的测量方法及终端 | |
CN111127613A (zh) | 基于扫描电子显微镜的图像序列三维重构方法及*** | |
KR20230003803A (ko) | 라이다 좌표계와 카메라 좌표계의 벡터 정합을 통한 자동 캘리브레이션 방법 | |
Yoon et al. | Targetless multiple camera-LiDAR extrinsic calibration using object pose estimation | |
CN110517323A (zh) | 基于机械手单相机多目视觉的三维定位***及方法 | |
CN111750849B (zh) | 多视角下的目标轮廓定位定姿平差方法及*** | |
CN116563391B (zh) | 一种基于机器视觉的激光结构自动标定方法 | |
CN111735447A (zh) | 一种仿星敏式室内相对位姿测量***及其工作方法 | |
CN115690380B (zh) | 一种配准方法及*** | |
CN116021519A (zh) | 一种基于tof相机采摘机器人手眼标定方法以及装置 | |
CN114252099B (zh) | 一种智能车辆多传感器融合自标定方法及*** | |
CN113720331B (zh) | 多相机融合的无人机建筑物内导航定位方法 | |
CN112767481B (zh) | 一种基于视觉边缘特征的高精度定位及建图方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220201 |