利用泰勒展开的点特征子像素定位方法

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Harris点特征提取算子提出了一种改进的子像素定位方法。该方法以二阶泰勒展开式拟合初始特征点邻域的Harris响应函数,采用邻域灰度值中心差商来近似计算泰勒展开式中偏导数的初值,引入最小二乘和高斯距离加权的思想计算偏导数的改正量,对求得的泰勒展开最小二乘拟合式求极值获取子像素级的特征点。通过计算机模拟图像对算法进行精度和抗噪能力测试。结果表明,本文算法的子像素定位精度高,且具有一定的抗噪能力。通过对实际无人机数据进行空三实验,结果表明本文方法的定位精度能改善无人机影像的空三处理结果。     

超大视场太阳敏感器图像质心提取算法

太阳图像质心提取是利用太阳敏感器进行天文导航的关键技术之一,直接决定了太阳敏感器的观测精度。针对超大视场太阳敏感器非圆形太阳图像质心提取问题,首先提出像面椭圆拟合算法,较好地解决了椭圆及近似椭圆形太阳图像的质心提取问题,然后进一步提出了球面圆拟合算法。该算法根据相机的投影和畸变模型,将太阳图像的边缘点映射到物方空间,对物方空间的边缘点进行球面圆拟合,从而确定太阳质心位置。在估计球面圆拟合算法的精度时,需要将太阳质心位置映射回像面。理论上,球面圆拟合算法不再需要顾及太阳图像的形状,算法更为严谨。将椭圆拟合算法和球面圆拟合算法应用到实测的太阳图像质心提取中。结果表明,椭圆拟合算法更适合处理半视场角70°~80.3°的太阳图像,平均精度约为0.075pixels;球面圆拟合算法更适合处理半视场角大于80.3°的太阳图像,平均精度约为0.082pixels。     

视频测量椭圆标志中心点的高精度定位方法

针对近景视频摄影测量中椭圆标志点的中心定位精度影响后续的目标跟踪和三维重建精度的问题,该文为了保证获取椭圆亚像素的中心定位精度,提出了一种基于椭圆标志点亚像素边缘检测的中心定位方法。该方法首先利用Canny算子提取椭圆的轮廓,然后利用阈值分割、形态学边缘轮廓提取方法等方法对边缘进行约束,再利用形态学细化算法和空间矩提取椭圆的亚像素边缘,最后利用最小二乘拟合法实现椭圆中心的亚像素定位。实验结果表明:在模拟实验和真实影像的实验下,该方法与现有其他方法相比较,不仅能获取和定位高精度的椭圆中心(模拟实验下,椭圆中心定位精度高达0.02像素),而且具有高稳健性;能够满足近景摄影测量的精度和稳定性的需求。     

数字相机校准中光斑中心的亚像素定位

数字相机校准是进行摄影测量作业的前提条件和精度保障,而对数字相机CCD靶面上光斑中心坐标精确定位是决定数字相机校准精度的主要因素之一.现研究了光斑中心坐标定位精度对数字相机校准精度的影响,得出数字相机校准对光斑中心定位精度的要求为优于0.23像素.在总结分析椭圆拟合算法和灰度加权质心算法的基础上,基于我实验室数字相机校准装臵,对不同尺寸的平行光管星点板,在不同相机视场角情况下分别进行了光斑中心坐标定位实验,实验结果表明两种算法的定位精度均满足数字相机校准的精度要求,但椭圆拟合算法定位精度优于灰度加权质心算法.     

一种曲线拟合圆心坐标算法及精度分析

针对在工程应用中,经常需要根据某些圆形物体上的离散点求取其圆心坐标,而采用何种算法简单易行,其精度又与哪些因素有关的相关研究较少的问题,该文提出一种利用曲线拟合求取圆心坐标的简洁算法,并编程实现。然后采用模拟仿真结合统计分析的方法评估了该算法在不同条件下的拟合精度,得出测点误差越大,拟合精度越低;测点个数越多,分布越均匀,拟合精度越高;圆半径对拟合精度影响甚小等结论。在某工程项目中使用该算法得到的结果精度较高,验证了其有效可行,且与采用其他方法得到的坐标值较为接近,说明了该算法的可靠性高。     

一种基于全站仪的大型抛物面天线三轴中心定位方法

大型抛物面天线的相位中心点坐标通常无法直接获取,此时需要先确定天线三轴中心位置再进行坐标归算。本文提出一种基于全站仪的大型抛物面天线三轴中心定位方法,通过归心拟合,结合极坐标法和方位交会可以精确获取其中心坐标。实际数据表明:不同数量的点拟合与8个点的拟合结果作相比,X方向高斯坐标最大相差-0.0031 m,Y方向高斯最大相差-0.0023 m,拟合圆半径最大相差0.0016 m,与实际直接量测周长计算出的半径相比,拟合圆半径差值优于0.003 m,固定角检核精度优于2.5″,高程和平距限差均满足精度要求,可以适用于绝大部分天线测量。     

球面圆拟合算法及其在测月定向中的应用

本文提出了一种球面圆拟合算法,解决了月球视面中心的确定问题。结合该算法,利用仿真测量数据,研究了月相及月相姿态对月球视面中心拟合精度的影响。通过观测实验验证了球面圆拟合算法的正确性,并与原有的算法进行了定向结果的比较。结果显示,球面圆拟合算法与原有算法的拟合内符合精度相当,但外部检核精度提高了大约0.5″,建议在工程实践中采用本文提出的算法进行测月定向。     

外缺圆圆心检测

圆心检测中,圆的边缘缺损会影响圆心检测的精度。霍夫圆圆心检测具有良好的稳定性,但是精度稍低;最小二乘圆拟合,具有较高的精度,但是易受噪声点的干扰。针对这种情况,本文提出了一种基于霍夫圆的亚像素缺损圆圆心检测方法。先利用霍夫圆检测出粗略圆心坐标及半径,再利用轮廓检测技术提取出所有轮廓点的坐标,并根据霍夫圆检测出圆心及半径对轮廓坐标进行筛选,保留在圆上的轮廓坐标,并利用这些轮廓点坐标进行最小二乘圆拟合求出圆心。实验结果表明,该方法适用性较广,简单可靠,精度高。     

利用直线特征进行单幅图像畸变校正方法

针对传统镜头畸变校正方法较少,并考虑畸变中心带来的不利影响,提出了一种基于单幅图像直线特征的畸变校正方法,且能够同步地估计畸变系数和畸变中心。在单幅图像中建立单参数划分模型,深入分析了空间直线与畸变后直线的几何关系,证明了空间三维直线经镜头畸变后,在二维平面形成圆弧,并且从该圆弧圆心为圆心的同心圆上的某点即是畸变中心,进而基于圆拟合方法对畸变参数进行估计。与已有方法相比,该方法考虑了畸变中心的影响,并且直接使用畸变点进行畸变参数估计,因此,具有更高的校正精度和更强的鲁棒性。实验中,首先对拟合图像进行实验,针对不同噪声、不同畸变系数对各种算法展开了三组仿真实验,结果表明,利用列文伯格马夸尔特(Levenberg-Marquardt,LM)算法进行圆拟合和畸变参数估计的方法性能表现良好。展开对真实黑白棋盘的畸变校正实验,运用三种算法对棋盘中13条直线进行畸变校正后的测量,表明LM算法要明显优于其他两种算法,有着良好的畸变校正效果。最后对真实场景的图片进行测试,取得了较为理想的畸变校正结果。     

圆曲线拟合算法中的粗差探测与识别

针对传统的圆曲线拟合算法抵御粗差影响能力较差的现状,该文提出了一种圆曲线拟合数据的粗差探测方案。该方案基于Pratt代数拟合算法,首先构造衡量拟合数据优劣的质量指标,据此迭代剔除数据中的异常值,然后在既得圆心估值的基础上,重新评估已被标记的可疑观测值,识别出真正的粗差并将其剔除。实验结果表明,该方法能够准确识别出数据中的粗差,有效提高圆曲线拟合的精度。