CN115170665B - 一种基于图像的球形物***姿确定方法及*** - Google Patents

一种基于图像的球形物***姿确定方法及*** Download PDF

Info

Publication number
CN115170665B
CN115170665B CN202210804715.7A CN202210804715A CN115170665B CN 115170665 B CN115170665 B CN 115170665B CN 202210804715 A CN202210804715 A CN 202210804715A CN 115170665 B CN115170665 B CN 115170665B
Authority
CN
China
Prior art keywords
spots
target
spot
spherical object
big
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
CN202210804715.7A
Other languages
English (en)
Other versions
CN115170665A (zh
Inventor
孟偲
任龙飞
冯飞
齐巍
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 CN202210804715.7A priority Critical patent/CN115170665B/zh
Publication of CN115170665A publication Critical patent/CN115170665A/zh
Application granted granted Critical
Publication of CN115170665B publication Critical patent/CN115170665B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • G06T7/73Determining position or orientation of objects or cameras using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于图像的球形物***姿确定方法及***,所述方法包括:获取球形物体的图像中的斑点信息;根据斑点信息确定两个面积较大的斑点作为两个目标大斑点,除了两个目标大斑点之外的斑点均作为目标小斑点;构建目标三棱锥;将目标三棱锥与数据库中的三棱锥进行匹配,并采用投票法确定每个所述目标大斑点的编号;根据每个目标大斑点的编号确定每个目标大斑点的初始位置坐标;根据两个目标大斑点的当前位置坐标和初始位置坐标,确定球形物体的当前位姿。本发明采用三棱锥匹配的方式实现球形物***姿的确定,不受经纬度划分精度的限制,提高了球形物***姿确定的精度。

Description

一种基于图像的球形物***姿确定方法及***
技术领域
本发明涉及位姿测量技术领域,特别是涉及一种基于图像的球形物***姿确定方法及***。
背景技术
现有的球形物体的定位方式通常采用经纬度的方式,该方法的位姿确定的精度取决于经纬度划分的精度,可见该方法的位姿确定的精度有限。
发明内容
有鉴于此,本发明提供了一种基于图像的球形物***姿确定方法及***,以提高球形物体的位姿确定的精度。
为实现上述目的,本发明提供了如下方案:
一种基于图像的球形物***姿确定方法,所述方法包括如下步骤:
获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点;
根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;
以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;
分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;
采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;
根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;
根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;
根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。
可选的,所述根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点,具体包括:
采用如下公式,对图像中的斑点的图像测量面积进行修正,获得修正后的面积;
其中,S'表示修正后的面积,S表示图像测量面积,θ为斑点的中心点相对于XOZ平面的梯度方向与XOZ平面的夹角,R为球形物体的半径,x和z分别为斑点的中心点的x轴坐标和z轴坐标;
对大于2倍的图像测量面积的修正后的面积进行二次修正,获得二次修正后的面积;所述二次修正后的面积等于2倍的图像测量面积;
分别将斑点的修正后的面积或二次修正后的面积作为所述斑点的标准面积;
选取标准面积最大的两个斑点,作为两个所述目标大斑点,并确定除了两个所述目标大斑点之外的斑点作为目标小斑点。
可选的,所述根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿,具体包括:
利用如下方程求解球形物体的旋转矩阵;
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)];
其中,Pt1'和Pt2'分别为两个目标大斑点的当前位置坐标,Pt1和Pt2分别为两个目标大斑点的初始位置坐标,RM表示球形物体的旋转矩阵,Pt0表示球形物体的球心坐标;
根据球形物体的旋转矩阵,利用如下公式确定球形物体的当前齐次矩阵,即为球形物体的当前位姿;
其中,r11、r12、r13、r21、r22、r23、r31、r32和r33均为球形物体的旋转矩阵中的元素,H为球形物体的当前齐次矩阵。
可选的,所述获取球形物体的图像中的斑点信息,之前还包括:
将球形物体等效为阿基米德多面体;
在所述阿基米德多面体的正六边形的中心位置设置大斑点;
在所述阿基米德多面体的正六边形或正五边形的至少一个中心线上设置小斑点;所述中心线为连接正六边形或正五边形的中心点和端点的线段。
一种基于图像的球形物***姿确定***,所述***包括:
斑点信息获取模块,用于获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点;
目标斑点选取模块,用于根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;
目标三棱锥构建模块,用于以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;
编号组合确定模块,用于分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;
目标大斑点的编号确定模块,用于采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;
初始位置坐标确定模块,用于根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;
当前位置坐标确定模块,用于根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;
当前位姿确定模块,用于根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。
可选的,所述目标斑点选取模块,具体包括:
修正子模块,用于采用如下公式,对图像中的斑点的图像测量面积进行修正,获得修正后的面积;
其中,S'表示修正后的面积,S表示图像测量面积,θ为斑点的中心点相对于XOZ平面的梯度方向与XOZ平面的夹角,R为球形物体的半径,x和z分别为斑点的中心点的x轴坐标和z轴坐标;
二次修正子模块,用于对大于2倍的图像测量面积的修正后的面积进行二次修正,获得二次修正后的面积;所述二次修正后的面积等于2倍的图像测量面积;
标准面积确定子模块,用于分别将斑点的修正后的面积或二次修正后的面积作为所述斑点的标准面积;
目标斑点选取子模块,用于选取标准面积最大的两个斑点,作为两个所述目标大斑点,并确定除了两个所述目标大斑点之外的斑点作为目标小斑点。
可选的,所述当前位置坐标确定模块,具体包括:
旋转矩阵求解子模块,用于利用如下方程求解球形物体的旋转矩阵;
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)];
其中,Pt1'和Pt2'分别为两个目标大斑点的当前位置坐标,Pt1和Pt2分别为两个目标大斑点的初始位置坐标,RM表示球形物体的旋转矩阵,Pt0表示球形物体的球心坐标;
当前位姿确定子模块,用于根据球形物体的旋转矩阵,利用如下公式确定球形物体的当前齐次矩阵,即为球形物体的当前位姿;
其中,r11、r12、r13、r21、r22、r23、r31、r32和r33均为球形物体的旋转矩阵中的元素,H为球形物体的当前齐次矩阵。
可选的,所述***还包括:
等效处理模块,用于将球形物体等效为阿基米德多面体;
大斑点设置模块,用于在所述阿基米德多面体的正六边形的中心位置设置大斑点;
小斑点设置模块,用于在所述阿基米德多面体的正六边形或正五边形的至少一个中心线上设置小斑点;所述中心线为连接正六边形或正五边形的中心点和端点的线段。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种基于图像的球形物***姿确定方法及***,所述方法包括如下步骤:获取球形物体的图像中的斑点信息;根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。本发明采用三棱锥匹配的方式实现球形物***姿的确定,不受经纬度划分精度的限制,提高了球形物***姿确定的精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术行人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种基于图像的球形物***姿确定方法的流程图;
图2为本发明实施例1提供的一种基于图像的球形物***姿确定方法的原理图;
图3为本发明实施例1提供的球形物体的二值化后的图像的示意图;
图4为本发明实施例1提供的球形物体的阿基米德多面体的结构示意图;
图5为本发明实施例1提供的正六边形上大斑点和小斑点分布的示例图;
图6为本发明实施例1提供的正六边形上大斑点和小斑点分布的另一示例图;
图7为本发明实施例1提供的阿基米德多面体的半正多面体的大斑点和小斑点的分布示意图;
图8为本发明实施例1提供的目标三棱锥的结构示意图;
图9为本发明实施例1提供的目标大斑点的编号确定原理图;
图10为本发明实施例1提供的位姿确定的原理图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术行人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于图像的球形物***姿确定方法及***,以提高球形物体的位姿确定的精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1和2所示,本发明实施例1提供一种基于图像的球形物***姿确定方法,所述方法包括如下步骤:
步骤101,获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点。
由于本发明实施例1的核心是利用斑点的坐标信息,该斑点示例性的为黑斑点,需要获取图像中球形物体上的黑斑特征(即黑斑信息或斑点信息),于是通过对标准大小的图像进行二值化、连通域分析等多种处理手段,得到众多斑点位置信息。
在对图像进行二值化之后,可得到如图3所示的二值化后的图像。
在对二值化后的图像进行连通域分析,可见该二值化后的图像分为许多小区域,这样就可以确定哪些部分是属于同一个斑点,哪些部分是属于球形物体上其他部分和背景。
步骤102,根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点。
如图3所示,在二值化后的图像上分布有一定数目的大斑点和小斑点,本发明通过计算连通域的方式可以计算出图像上各个斑点的面积的大小和其所对应的中心点坐标。然而,因为拍摄的图像相当于将一个球面投影到了一个平面之上,因此斑点越靠近中心,其面积越接近于真实值,斑点离中心越远,其形状也就会越扁,面积也比真实值小了许多。这可能就会导致在中心的小斑点在图像上的面积大于在边缘上的大斑点在图像上的面积,从而有可能在最终通过面积排序时小斑点面积由于排名特别靠前而被识别成了大斑点,最终使得三棱锥匹配的结果产生错误。
为了避免这个问题,本发明根据拍摄的图片相当于是将一个球面投影到了一个平面之上这一条件,提出了一种基于梯度对图像上的斑点面积进行修正的方式。由于对于一个球形物体上的斑点,其上所有斑点相对于投影面的梯度不可能处处相等,为了近似进行求解,本发明提出使用斑点中心点的梯度来近似代替斑点上所有点的梯度。这样问题就变成了一个平面投影问题,如果知道一个平面的梯度大小以及这个平面在投影平面上投影面积的大小,即可求出这个平面实际面积的大小。对于一个球
x2+y2+z2=R2
要求解其上任意一点相对于XOZ平面的梯度,则曲面方程可以表示为
则梯度的模为
梯度方向与XOZ平面的夹角为
因此经过修正后的面积计算公式为
然而,该公式还存在这一个缺陷,当斑点中心处于图像中圆的边界时,即非常接近于R时,所计算的/>会非常接近于0,从而使S'接近于无穷,这显然与实际是不相符的。本发明规定S'最大是S的2倍,此时/>说明基于梯度的算法的适用范围已经覆盖到了圆上的大部分区域,根据本发明标记的斑点,在这个区域内一般是能够找出两个大斑点的,即使超出了这个区域,大斑点的面积乘以2往往也是比小斑点的面积大的。因此,通过此算法在对图像上斑点的面积进行修正之后,在根据修正后的面积大小进行排序,面积最大的两个斑点所属的类别一定是大斑点。
步骤103,以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥。
本发明实施例先根据斑点的面积对斑点进行排序,在标记后的球形物体上,从每个角度观看,面积最大的两个斑点一定为大斑点,因此将图像中检测出来的两个最大的斑点视为目标大斑点。对于其他面积更小的斑点,均将其视为小斑点。虽然在这些被视为的小斑点中依然有本身属于大斑点的斑点,但由于本发明示例性的可采用的是一种基于投票的算法,此时被视为的小斑点但事实为大斑点的数目是远少于事实是小斑点的数目,因此在经过投票之后对最终的结果不会产生太大的影响。
在每张图像上,如图3所示,存在着若干个大斑点和若干个小斑点。根据三棱锥构建规则,每两个大斑点和一个小斑点为三棱锥底面的三个顶点,加上球心为顶点,可以构建出一个三棱锥,即目标三棱锥,如图8所示。
步骤104,分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列。
对于数据库的构建:
首先,需要在球形物体上标记按一定规则排布大斑点和小斑点。
为了形象地描述球形物体上的斑点的分布,我们将球看作是一个半正多面体,也称之为“阿基米德多面体”。其中,本发明中的半正多面体的面由20个正六边形和12个正五边形组成。如图4所示。
之后使大斑点和小斑点按一定的规则分布在各个正多边形上。其中每个正六边形中心分布有一个大斑点,大斑点周围的正六边形的顶角上分布有若干个小斑点,如图5和6所示。
同时正五边形的顶角上也分布有若干个小斑点。最终效果如图7所示。
为了是从任一个角度拍摄的图像上的大小斑点分布都是唯一的,本发明总共设计的大斑点的数目为20个,小斑点的数目为78个。之后将半正多面体上的斑点投影到球面上,即完成斑点的标记。
标记在球形物体上的斑点包括20个大斑点和78个小斑点,对这些斑点分别进行编号,并记录下这些斑点的中心点在空间中的位置,并以此刻状态下的球为基准球,然后再根据旋转之后对应编号斑点的空间坐标从而计算出球形物体的位姿。
对于每个三棱锥,其顶点为球形物体的球心,底面三角形上三个顶点中有两个为大斑点的中心点,另外一个为小斑点的中心点。为了保证所构建的每个三棱锥在三棱锥库中只出现一次,对三棱锥的顶点进行编号。如8图所示,Pt0为球形物体的中心,Pt1、Pt2为大斑点的中心,Pt3为小斑点的中心,即从底面向顶点看,Pt1、Pt2、Pt3的排列是顺时针的。通过这样的编号规则,每个三棱锥的四个顶点所形成的编号是唯一确定的。与此同时,待匹配的三棱锥(即目标三棱锥)也只是以相同的方式进行编号的,只有所有的三棱锥都是以同一种方法进行编号的,才能对三棱锥进行有效的匹配。
本发明基于三棱锥各边边长对图像上所构建的目标三棱锥与数据库中的三棱锥进行匹配。由于三棱锥的三条侧棱与球形物体的半径一致,因此不需要对其进行匹配,只需要对三棱锥底面的三条边进行匹配即可。与三棱锥的底面顶点的排序一样,对三棱锥底面的三个边进行排序,其中两个大斑点的中心点的连线为第一条边,之后的边按顺时针方向依次排列。之后将该三边与三棱锥库中每个三棱锥的三条边进行匹配,若三棱锥库中有三棱锥与目标三棱锥的每条边误差都在5%以内,则说明成功匹配。
步骤105,采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号。
对三棱锥库的三棱锥对应的大斑点组合进行投票。通过投票可以得出图像中的两个大斑点在标记后的球形物体上最有可能对应的编号,通过这两个大斑点的编号就可以计算出球形物体的位姿。
在找到图像上的两个目标大斑点之后,下一步为确定这两个目标大斑点所属的编号,进而之后计算出此时球形物体的位姿。
对于图像上的顶点坐标,能够通过图像与空间的关系以及球形物体的特性计算出其空间顶点坐标。因此,对于图像上目标大斑点的中心点坐标,能够计算出其的空间顶点坐标。其计算过程如下。如图9所示,二值化后的图像的宽和高就是球形物体的直径,其一半的长度就是球在图像上的半径。示例性的如果球形物体的半径为1m,结合如下公式进行当前位置坐标的确定
x2+y2+z2=R2
在图像上可以测量得到x,z的大小,由于图像上斑点在球坐标系下的y坐标是小于0的,因此可以利用上式计算得到y坐标的大小。
在之前已经利用大斑点、小斑点的初始坐标信息构建出了一个数据库,该数据库中包含三棱锥库,三棱锥库包含三棱锥。通过将图像上最大两个目标大斑点的中心点、再在所识别的目标小斑点中取一个中心点,加上球形物体的球心,就可以构建一个三棱锥,即目标三棱锥。若所构建的目标三棱锥在三棱锥库中有与之相匹配的三棱锥,就对三棱锥库中相匹配的三棱锥的大斑点的编号进行投票(即票数加1)。在对图像上所有的能构建的三棱锥进行匹配和投票之后,对各大斑点组合所获取的票数进行统计,得票最高的组合即为图像上最大的两个斑点(即,两个目标大斑点)所对应的编号。
在确定了两个大斑点的编号之后,还需要确定两个大斑点各自的编号。如图9所示,10号和12号是通过投票法确定的两个大斑点的编号。其确定方法如下,通过斑点面积排序算法,A处的斑点在经过校正后面积最大,B处的斑点排名第二,因此将这两个斑点视为大斑点,并将根据投票法确定斑点的编号。对图像上的所选择的两个三棱锥的底面,根据之前所设计的顺时针原则,其进行匹配时的三棱锥各顶点的顺序应该为(0,A,B,C)和(0,B,A,D),要确定大斑点的编号,这里我们不能对(10,12)和(12,10)分别进行投票,因为这里A,B的位置是确定的,因此票应该投给一个确定的组合。为了避免这个问题,规定在进行投票时按照面积顺序进行投票。在生成三棱锥时按照斑点面积对三棱锥底面上的三个顶点进行排序,并判断这三顶点的排列顺序是否为顺时针。若为顺时针,则对按两个大斑点的顺序的组合进行投票;若为逆时针,则对两个大斑点交换顺序后的组合进行投票。通过这种方法,能够将票全部投给(A,B)组合,从而避免了分票情况的产生。
步骤106,根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标。
步骤107,根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标。
步骤108,根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。
如图10所示,球形物体的球心的坐标pt0,及两个目标大斑点的当前位置坐标pt1’,pt2’以及初始位置坐标pt1、pt2来计算球形物体的位姿。
由于该球只经过了旋转,因此
其中RM为旋转矩阵,根据旋转矩阵性质RMU×RMV=RM(U×V)得
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)]
结合前面两个方程和RM的约束,即可确定旋转矩阵RM
齐次矩阵H(4×4)常常被用来表示刚体的位置和姿态,这里由于不涉及到球形物体的平移,因此平移向量为0,齐次矩阵只与球形物体的旋转矩阵RM有关。计算出球形物体的旋转矩阵RM,即可得出球形物体的齐次矩阵
其中
由于初始球为标准状态,其齐次矩阵为单位阵。则旋转后的球形物体的齐次矩阵H即为此时球形物体的位姿。
一种基于图像的球形物***姿确定***,所述***包括:
斑点信息获取模块,用于获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点;
目标斑点选取模块,用于根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点。
所述目标斑点选取模块,具体包括:
修正子模块,用于采用如下公式,对图像中的斑点的图像测量面积进行修正,获得修正后的面积。
其中,S'表示修正后的面积,S表示图像测量面积,θ为斑点的中心点相对于XOZ平面的梯度方向与XOZ平面的夹角,R为球形物体的半径,x和z分别为斑点的中心点的x轴坐标和z轴坐标。
二次修正子模块,用于对大于2倍的图像测量面积的修正后的面积进行二次修正,获得二次修正后的面积;所述二次修正后的面积等于2倍的图像测量面积。
标准面积确定子模块,用于分别将斑点的修正后的面积或二次修正后的面积作为所述斑点的标准面积。
目标斑点选取子模块,用于选取标准面积最大的两个斑点,作为两个所述目标大斑点,并确定除了两个所述目标大斑点之外的斑点作为目标小斑点。
目标三棱锥构建模块,用于以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;
编号组合确定模块,用于分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;
目标大斑点的编号确定模块,用于采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;
初始位置坐标确定模块,用于根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;
当前位置坐标确定模块,用于根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;
当前位姿确定模块,用于根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。
所述当前位置坐标确定模块,具体包括:
旋转矩阵求解子模块,用于利用如下方程求解球形物体的旋转矩阵。
/>
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)];
其中,Pt1'和Pt2'分别为两个目标大斑点的当前位置坐标,Pt1和Pt2分别为两个目标大斑点的初始位置坐标,RM表示球形物体的旋转矩阵,Pt0表示球形物体的球心坐标。
当前位姿确定子模块,用于根据球形物体的旋转矩阵,利用如下公式确定球形物体的当前齐次矩阵,即为球形物体的当前位姿。
其中,r11、r12、r13、r21、r22、r23、r31、r32和r33均为球形物体的旋转矩阵中的元素,H为球形物体的当前齐次矩阵。
示例性的,所述***还包括:
等效处理模块,用于将球形物体等效为阿基米德多面体;
大斑点设置模块,用于在所述阿基米德多面体的正六边形的中心位置设置大斑点;
小斑点设置模块,用于在所述阿基米德多面体的正六边形或正五边形的至少一个中心线上设置小斑点;所述中心线为连接正六边形或正五边形的中心点和端点的线段。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种基于图像的球形物***姿确定方法及***,所述方法包括如下步骤:获取球形物体的图像中的斑点信息;根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥向匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿。本发明采用三棱锥匹配的方式实现球形物***姿的确定,不受经纬度划分精度的限制,提高了球形物***姿确定的精度。
本说明书中各个实施例采用递进的方式描述,每个实施例重顶点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术行人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。

Claims (6)

1.一种基于图像的球形物***姿确定方法,其特征在于,所述方法包括如下步骤:
获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点;
根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;
以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;
分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥相匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;
采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;
根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;
根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;
根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿,具体包括:
利用如下方程求解球形物体的旋转矩阵;
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)];
其中,Pt1'和Pt2'分别为两个目标大斑点的当前位置坐标,Pt1和Pt2分别为两个目标大斑点的初始位置坐标,RM表示球形物体的旋转矩阵,Pt0表示球形物体的球心坐标;
根据球形物体的旋转矩阵,利用如下公式确定球形物体的当前齐次矩阵,即为球形物体的当前位姿;
其中,r11、r12、r13、r21、r22、r23、r31、r32和r33均为球形物体的旋转矩阵中的元素,H为球形物体的当前齐次矩阵。
2.根据权利要求1所述的基于图像的球形物***姿确定方法,其特征在于,所述根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点,具体包括:
采用如下公式,对图像中的斑点的图像测量面积进行修正,获得修正后的面积;
其中,S'表示修正后的面积,S表示图像测量面积,θ为斑点的中心点相对于XOZ平面的梯度方向与XOZ平面的夹角,R为球形物体的半径,x和z分别为斑点的中心点的x轴坐标和z轴坐标;
对大于2倍的图像测量面积的修正后的面积进行二次修正,获得二次修正后的面积;所述二次修正后的面积等于2倍的图像测量面积;
分别将斑点的修正后的面积或二次修正后的面积作为所述斑点的标准面积;
选取标准面积最大的两个斑点,作为两个所述目标大斑点,并确定除了两个所述目标大斑点之外的斑点作为目标小斑点。
3.根据权利要求1所述的基于图像的球形物***姿确定方法,其特征在于,所述获取球形物体的图像中的斑点信息,之前还包括:
将球形物体等效为阿基米德多面体;
在所述阿基米德多面体的正六边形的中心位置设置大斑点;
在所述阿基米德多面体的正六边形或正五边形的至少一个中心线上设置小斑点;所述中心线为连接正六边形或正五边形的中心点和端点的线段。
4.一种基于图像的球形物***姿确定***,其特征在于,所述***包括:
斑点信息获取模块,用于获取球形物体的图像中的斑点信息;所述球形物体上标记有多个大斑点和多个小斑点;
目标斑点选取模块,用于根据所述斑点信息确定两个面积最大的斑点作为两个目标大斑点,除了两个所述目标大斑点之外的斑点均作为目标小斑点;
目标三棱锥构建模块,用于以两个所述目标大斑点作为底面的两个顶点,以球形物体的球心作为底面之外的顶点,并分别以每个所述目标小斑点作为底面的另外一个顶点,构建目标三棱锥,获得多个目标三棱锥;
编号组合确定模块,用于分别将每个所述目标三棱锥与数据库中的三棱锥进行匹配,获得与每个目标三棱锥相匹配的三棱锥的两个大斑点的编号组合;所述数据库中存储有每个大斑点的编号、初始位置坐标,及任意两个大斑点与任意一个小斑点分别作为底面的三个顶点,球形物体的球心作为底面之外的顶点构建的三棱锥,组成同一个三棱锥的两个大斑点和一个小斑点按照大斑点、大斑点、小斑点的顺序呈顺时针排列;
目标大斑点的编号确定模块,用于采用投票统计的方式确定两个所述目标大斑点对应的编号组合,进而确定每个所述目标大斑点的编号;
初始位置坐标确定模块,用于根据每个所述目标大斑点的编号确定每个所述目标大斑点的初始位置坐标;
当前位置坐标确定模块,用于根据两个所述目标大斑点在图像中的位置信息,确定每个所述目标大斑点的当前位置坐标;
当前位姿确定模块,用于根据两个所述目标大斑点的当前位置坐标和初始位置坐标,确定所述球形物体的当前位姿;
所述当前位置坐标确定模块,具体包括:
旋转矩阵求解子模块,用于利用如下方程求解球形物体的旋转矩阵;
(Pt1'-Pt0)×(Pt2'-Pt0)=RM[(Pt1-Pt0)×(Pt2-Pt0)];
其中,Pt1'和Pt2'分别为两个目标大斑点的当前位置坐标,Pt1和Pt2分别为两个目标大斑点的初始位置坐标,RM表示球形物体的旋转矩阵,Pt0表示球形物体的球心坐标;
当前位姿确定子模块,用于根据球形物体的旋转矩阵,利用如下公式确定球形物体的当前齐次矩阵,即为球形物体的当前位姿;
其中,r11、r12、r13、r21、r22、r23、r31、r32和r33均为球形物体的旋转矩阵中的元素,H为球形物体的当前齐次矩阵。
5.根据权利要求4所述的基于图像的球形物***姿确定***,其特征在于,所述目标斑点选取模块,具体包括:
修正子模块,用于采用如下公式,对图像中的斑点的图像测量面积进行修正,获得修正后的面积;
其中,S'表示修正后的面积,S表示图像测量面积,θ为斑点的中心点相对于XOZ平面的梯度方向与XOZ平面的夹角,R为球形物体的半径,x和z分别为斑点的中心点的x轴坐标和z轴坐标;
二次修正子模块,用于对大于2倍的图像测量面积的修正后的面积进行二次修正,获得二次修正后的面积;所述二次修正后的面积等于2倍的图像测量面积;
标准面积确定子模块,用于分别将斑点的修正后的面积或二次修正后的面积作为所述斑点的标准面积;
目标斑点选取子模块,用于选取标准面积最大的两个斑点,作为两个所述目标大斑点,并确定除了两个所述目标大斑点之外的斑点作为目标小斑点。
6.根据权利要求4所述的基于图像的球形物***姿确定***,其特征在于,所述***还包括:
等效处理模块,用于将球形物体等效为阿基米德多面体;
大斑点设置模块,用于在所述阿基米德多面体的正六边形的中心位置设置大斑点;
小斑点设置模块,用于在所述阿基米德多面体的正六边形或正五边形的至少一个中心线上设置小斑点;所述中心线为连接正六边形或正五边形的中心点和端点的线段。
CN202210804715.7A 2022-07-08 2022-07-08 一种基于图像的球形物***姿确定方法及*** Active CN115170665B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210804715.7A CN115170665B (zh) 2022-07-08 2022-07-08 一种基于图像的球形物***姿确定方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210804715.7A CN115170665B (zh) 2022-07-08 2022-07-08 一种基于图像的球形物***姿确定方法及***

Publications (2)

Publication Number Publication Date
CN115170665A CN115170665A (zh) 2022-10-11
CN115170665B true CN115170665B (zh) 2023-08-01

Family

ID=83493420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210804715.7A Active CN115170665B (zh) 2022-07-08 2022-07-08 一种基于图像的球形物***姿确定方法及***

Country Status (1)

Country Link
CN (1) CN115170665B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833333A (zh) * 2020-07-16 2020-10-27 西安科技大学 一种基于双目视觉的悬臂式掘进装备位姿测量方法及***

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8451432B2 (en) * 2005-06-09 2013-05-28 Analog-Modules, Inc. Laser spot tracking with off-axis angle detection
CN107146254A (zh) * 2017-04-05 2017-09-08 西安电子科技大学 多相机***的相机外参数标定方法
CN108253915B (zh) * 2018-01-18 2023-11-07 北方民族大学 一种标定方法
US11073373B2 (en) * 2018-08-22 2021-07-27 Government Of The United States Of America, As Represented By The Secretary Of Commerce Non-contact coordinate measuring machine using a noncontact metrology probe
WO2020232971A1 (zh) * 2019-05-22 2020-11-26 四川深瑞视科技有限公司 鱼眼相机标定***、方法、装置、电子设备及存储介质
CN110686650B (zh) * 2019-10-29 2020-09-08 北京航空航天大学 一种基于点特征的单目视觉位姿测量方法
CN113538592B (zh) * 2021-06-18 2023-10-27 深圳奥锐达科技有限公司 一种距离测量装置与相机融合***的标定方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833333A (zh) * 2020-07-16 2020-10-27 西安科技大学 一种基于双目视觉的悬臂式掘进装备位姿测量方法及***

Also Published As

Publication number Publication date
CN115170665A (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN107292927B (zh) 一种基于双目视觉的对称运动平台位姿测量方法
US6594623B1 (en) Determining three-dimensional orientation of objects
JP2010025759A (ja) 位置計測システム
CN111079565B (zh) 视图二维姿态模板的构建方法及识别方法、定位抓取***
CN101299270A (zh) 三维扫描***中的多个摄像机同步快速标定方法
EP3944194B1 (en) Fisheye camera calibration system, method and apparatus, and electronic device and storage medium
CN109325381B (zh) 一种qr码定位和校正方法
CN110956660A (zh) 定位方法、机器人以及计算机存储介质
CN113052911A (zh) 一种标定板、和相机标定方法、装置
CN108765457B (zh) 一种捕捉球的运动姿态识别方法及其装置
CN112614188A (zh) 一种基于交比不变性的点阵式标定板及其识别方法
CN107025647A (zh) 图像篡改取证方法及装置
CN113963067B (zh) 一种采用小靶标对大视场视觉传感器进行标定的标定方法
CN115170665B (zh) 一种基于图像的球形物***姿确定方法及***
JP4109076B2 (ja) 曲面体の回転量と回転軸方向の測定方法、及び、曲面体の回転量と回転軸方向の測定装置
CN113096191B (zh) 基于编码平面靶标的单目摄像机智能标定方法
WO2019196192A1 (zh) 基于捕捉球的球体布点方法、运动姿态识别方法及***、装置
CN110570354A (zh) 一种基于长条形棋盘格标定板的近景图像拼接方法
CN110163922B (zh) 鱼眼相机标定***、方法、装置、电子设备及存储介质
CN108830132B (zh) 一种用于光学运动捕捉的球体布点方法及捕捉球、***
US11402524B2 (en) Geometric calibration of X-ray imaging systems
CN115131433A (zh) 一种非合作目标位姿的处理方法、装置及电子设备
Ait-Aider et al. A flexible calibration method for the intrinsic and mechanical parameters of panoramic line-scan cameras
CN110827346A (zh) 获取固定平面与其摄像头成像之间映射关系的方法
CN113379846B (zh) 基于方向指示标志点标定模板的转台转轴标定方法

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