鱼眼相机矢量观测检校模型及其应用

提出了一种基于矢量观测的鱼眼相机检校新模型。该模型中的基本观测量不仅包括半视场角,而且包括方位角。在模型中引入罗德里格矩阵,采用3个罗德里格参数表示外方位元素,简化了观测方程的形式及运算。采用实测的星图数据对新模型与基于半视场角约束的检校模型进行比较,结果表明新模型在约束方位角误差方面具有明显的优势,在约束半视场角误差方面略有不足。建议在实际应用中首先采用基于半视场角约束的检校模型确定径向畸变参数,然后再采用新模型求解其他相机参数。     

本质矩阵优化分解的相对位姿估计

针对从影像恢复摄像机相对位姿的问题,提出了一种基于李群表示的本质矩阵快速分解的位姿估计算法。通过加权最小二乘方法优化了本质矩阵;利用本质矩阵和平移向量的关系求出了平移向量;由本质矩阵和位姿参数的等式关系建立目标函数,基于姿态的李群表示推导了旋转矩阵迭代估计过程;优化了唯一解确定的约束条件,避免了特征点的三维重建。仿真实验和真实图像实验表明提出的算法精度和鲁棒性均优于传统算法,算法效率得到明显提高。提出的算法避免了矩阵奇异值分解运算和大量的矩阵计算,而且只需对两组解进行唯一解确定,能够实现相对位姿的快速高精度估计。     

利用解耦光流运动场模型的双目视觉里程计位姿优化方法

针对地面移动测量系统(MMS)和无人驾驶车(AV)平台双目立体相机采集的图像序列进行实时载体位姿估计优化问题,提出利用光流运动场模型的载体位姿与图像光流矢量间关系,将光流矢量解耦为3个平移分量、3个旋转分量和一个深度分量,推导分析了解耦后单分量、组合分量误差对位姿估计的影响,利用仿真和真实数据试验,验证了不同模型下单分量、组合分量误差分离模型的有效性,并结合组合分量误差分离模型,提出了双目视觉里程计位姿估计的解耦光流运动场位姿优化算法。试验结果表明:该算法可在与初始估计几乎同等计算效率条件下,将载体横向平移平均误差由4.75%降低至2.2%,即横向平移误差平均降低了53.6%;将载体前向平移平均误差由2.2%降低至1.9%,即前向平移误差平均降低了15.4%,长时间运行累积误差率较低,能够满足低功耗高效率计算条件下的组合导航实时载体位姿估计需求。     

一种新的影像位姿直接估计方法

针对影像位姿耦合不易直接求解的问题,建立了一种高精度分层位姿参数估计的方法。首先,通过选择3点构成面积最大的像点对应的物点作为基点,经投影方程的改化形式方程,得到估计深度及平移信息;然后利用旋转矩阵保范性获得相机外参线元素尺度参数;最后,将问题转化为由向量估计旋转关系问题,利用Procrustes理论得到外参角元素的最佳估值。该方法可有效解决该深度与耦合位姿参数难以处理的问题。试验证明,此方法确定的位姿参数估计模型形式简洁,容易收敛,参数估计精度较直接对投影矩阵分解方法质量要高。     

顾及短基线同轴约束的指向性观测相机原型

针对相机大视场感兴趣目标分辨率不足的问题,提出短基线同轴约束模型并设计主从相机原型,大视场相机用于监视整个视场,主动相机用于对目标区域进行指向性高清观测。基本过程为：（1）利用短基线同轴约束模型简化相机外参矩阵,并构建大视场相机与主动相机间的映射关系,通过三角函数计算主动相机初始控制参数;（2）在近距离场景下,对主动相机控制参数进行补偿。实验结果表明,相机只需一次离线标定即可适应各种场景。观测目标与大视场相机距离3～10 m的近距离场景下,目标在主动相机图像中的实际位置与理论位置误差在30像素以内;远距离场景的有效距离内,误差在6像素左右。计算单一目标点对应主动相机控制参数的时间不超过0.2 ms。原型对目标场景、目标深度无依赖性,且用于较远目标观测时相对于其他方法在精度与时效性方面具有较高优势。     

利用无人机影像和广义迭代重加权最小二乘法的三维重建

为了提高基于无人机影像重建三维场景的效率,提出了应用广义迭代重加权最小二乘法的全局式三维重建方法。首先,介绍了广义迭代重加权最小二乘法的基本思想和具体步骤;接着,将全局旋转矩阵的求解转化为李代数中旋转向量的求解问题,利用结合范数优化和迭代重加权最小二乘的方法求出全局旋转最优解;然后,根据极线几何约束条件,解算相机在全局坐标系下的相对平移方向向量,在广义迭代重加权最小二乘架构下,利用二次规划法求出相机全局位置最优解;最后,对影像位姿参数和重构三维点进行光束法平差优化。实验结果表明该方法在提高重建效率的同时,能够更真实地恢复场景的几何形态。     

近景摄影测量下的视场关系定量表达

近景摄影测量下的视场关系指较小空间范围中不同视场之间存在的位姿关系,它用来确定不同摄像机所代表的参考坐标系之间的旋转量与平移量。它在交通监控、目标识别与定位、居家安全保障等方面有着广泛的应用。本文在近景摄影测量的框架下,提出了一种确定两种不同视场之间位姿的方法,具体步骤为：①在大视场下进行变化检测,当有变化区域被检测到时,获得原始图像,同时在小视场下获得样本图像集合;②对原始图像和样本图像集合进行相对定向,得到样本图像相对于原始图像的空间姿态参数;③将原始图像和样本图像进行图像匹配,获取匹配度最高的样本图像,该样本图像存储的姿态参数即是拍摄瞬间小视场相对于大视场的位姿;④按照步骤③中获取的姿态参数调整小视场下的摄像机空间位姿,使其对准变化区域。试验表明该方法能够有效支持空间范围较小区域内视场关系的定量描述。     

相机与激光跟踪仪相对位姿标定方法的研究

在空间目标的六自由度精密测量中,激光跟踪仪测量技术与视觉测量技术的联合应用越来越多,为解决相机坐标系与激光跟踪仪位姿模型的标定问题,研究一种利用罗德里格矩阵标定相机坐标系与激光跟踪仪坐标系相对位姿的方法。首先,分别用激光跟踪仪与相机测量出公共靶点坐标和拍摄含有靶点的照片,再用标志中心提取算法和单张相片空间后方交会算法解算出靶点在相机坐标系下坐标,最后利用罗德里格矩阵进行坐标系转换,即可标定出相对位姿。实验结果表明:标定模型X轴平均误差和均方根误差分别为0.005 7mm和0.006 2mm;Y轴平均误差和均方根误差分别为0.003 2mm和0.003 5mm;模型的标定精度和稳定可靠程度基本满足测量需要。     

IMU辅助下的单目视觉坐标传递

针对管线测量中由于GNSS RTK卫星信号遮挡或测站不易架设等原因无法提供坐标的场景,本文提出了一种IMU辅助下的单目视觉坐标传递方法,用于延伸RTK测得的精密坐标。首先在两个已知的RTK点上架设相机拍摄图像,同时采集IMU数据;然后对图像进行特征提取和匹配,恢复帧间旋转、平移及尺度;最后三角化待测点,以获得待测点在真实尺度的相机坐标系下的坐标。受IMU静基座初始对准方法的启发,本文利用重力矢量和相机光心间矢量分别在地理坐标系和相机坐标系下的投影求解这两个坐标系间的旋转矩阵,进而求得待测点在地理坐标系下的三维坐标。相对于其他测量手段,本文方法灵活便捷、设备轻便、操作简单,且一次采集即可获取相机视场中的任意共视点坐标。试验结果表明,本文提出的坐标传递方法所得的平面坐标的误差平均值为0.12 m,高程误差的平均值为0.2 m。     

一种基于深度相机的机器人室内导航点云地图生成方法

点云地图是智能机器人自主导航的基础。文中提出一种基于深度相机的机器人室内导航点云地图生成方法,通过对图像特征的快速提取与匹配,实时估计相机位姿;综合考虑彩色图像的投影误差与深度图像的反投影误差,应用图优化算法对关键帧位姿与地图点进行联合优化;通过环路检测与地图优化降低估计误差累积的影响;利用估计得到的相机位姿将关键帧对应的图像点云进行拼接融合,形成表示三维空间场景结构的稠密点云地图。通过实验验证方法的有效性、精确性与实时性。     

三维目标位姿跟踪与模型修正

本文是机器视觉参量下的三维数字摄影测量智能构像基础工作之一：成像系统位置姿态自动跟踪与精密修正,属于摄影测量与机器视觉、数字图像处理等学科交叉的摄像测量领域。针对基于目标3D模型的位姿跟踪问题开展研究,对相关研究的现状进行梳理,并提出系列位姿跟踪与模型修正方法。在完全已知目标3D精确模型的情况下,对于包含丰富直线特征的特殊目标,提出基于直线模型的目标位姿跟踪方法,实现了目标位姿参数的精确跟踪;为处理更为一般目标,利用目标的3D边缘模型,提出法向距离迭代加权最小二乘位姿估计方法及距离图迭代最小二乘位姿跟踪方法。当目标3D直线模型参数不准确时,结合光束法平差思想,提出一种针对序列图像的基于3D直线模型同时位姿跟踪与模型修正方法,联合优化求解目标位姿参数及3D直线模型参数,在模拟空间卫星目标位姿测量的仿真试验中,模型直线朝向、位置误差及目标位姿平均角度、平均位置误差分别为0.3°、3.5 mm及0.12°、20.1 mm。针对包含丰富直线特征的目标,在其3D直线模型完全未知的情况下,提出基于序列图像直线对应的目标结构重建与位姿跟踪方法,利用序列图像信息,在SFM框架下同时优化求解目标直线模型参数及位姿参数,仿真试验条件下,重建模型直线朝向、位置误差及位姿参数平均角度、平均位置误差分别约为0.4°、7.5 mm及0.16°、23.5 mm。     

整体最小二乘法在非量测型相机检校中的应用

目前,非量测数码相机已广泛应用于摄影测量等领域,相机内外方位元素始终是摄影测量计算的基本数据,关系着后续生产成果的质量。针对传统的相机检校中,采用最小二乘平差估计对直接线性变换算法进行求解,进而求解相机内方位元素和畸变参数等相机内部参数,未顾及物方控制点坐标误差的问题,文章引入以变量误差模型为基础的整体最小二乘平差方法计算单应性参数,求解畸变参数、内方位元素等参数。其同时顾及了观测向量和系数矩阵的偶然误差,建立的模型更加严密、更加合理。实验结果表明,在计算焦距、主点偏移量等参数时,采用整体最小二乘平差方法比最小二乘平差方法计算精度更加提高。     

车载移动测图系统外方位元素标定方法

全景相机因其360°大视场、旋转不变性等优点,逐渐被用于构建车载移动测图系统。标定是保证系统获取精确地理信息数据的重要前提。本文针对全景相机和定位定姿系统(POS)集成的车载移动测图系统,提出一种外方位元素标定的方法。首先,在实际场景中布设高精度已知控制点。其次,构建全景球面模型,将全景影像通过球面投影反变换投影到该球面上,从球面上选择控制点而不是直接从存在扭曲的全景影像上选择控制点并得到其球面坐标。在建立点的相关性之后,结合地理参考绝对定位方程和坐标变换,求得全景相机相对POS的平移与旋转参数。最后,采用本文提出的标定方法,分别选择北京航天城和天津滨海新区进行试验。试验表明,GPS信号良好时,点的绝对定位中误差可达平面10.3cm、高程16.5cm;GPS信号不好时,点的绝对定位中误差为平面35.4cm、高程54.8cm;在较短距离范围内(3km),距离量测相对误差最大为5cm左右,GPS信号对相对量测没有明显影响。     

三维基准转换七参数初始值解算的两种简便模型

针对大旋转角三维坐标转换中需要给定转换七参数初始值以便于平差迭代求解的问题,本文提出两种概算的简化模型,即基线模型和联合模型。两模型中均对旋转矩阵做简化处理,忽略其正交矩阵的特性,从而将严密的非线性平差模型转化为线性平差模型。该方法计算中无须迭代,简单易行,使用MATLAB模拟数据验证结果表明,该方法不仅可用于求解七参数的初始值,而且在100 m3范围内,当转换点三轴误差均小于5 mm时,两种模型都可满足转换误差小于2 mm的要求。     

利用多个小棋盘的大视场相机标定方法

为了实现高精度的相机标定,一般要求标定物的尺寸能够布满整个相机视场,而大的标定物不但制作、移动过程复杂,而且灵活性差的同时还会遮挡场景中的有用信息。本文提出了一种基于多个小棋盘的大视场相机标定方法,能兼顾相机标定的精度和灵活性。首先在场景靠近边缘的4个角处各放一个小棋盘（摆放姿态不限）,采用待标定的相机从不同角度多次拍摄场景（不少于3次）;然后将4个棋盘经过旋转和平移变换移到以左上角棋盘为基准的平面上构成一个大棋盘;最后建立大棋盘上所有角点的重投影误差函数,以左上角小棋盘的多幅图像的标定结果作为初值,迭代优化误差函数得到标定结果的最终解。模拟和真实数据试验结果表明该方法是可行的,且有较高的精度和灵活性。     

车载三维数据采集系统的绝对标定及精度分析

针对GPS/INS/CCD相机集成的车载三维数据采集系统,给出了系统精确的直接定位方程,并将罗德里格矩阵用到系统的绝对标定中,推导了定位方程中所需的相机坐标系和惯导载体坐标系之间的平移与旋转参数的求解公式.然后,根据误差传播定律,推导了X、Y、Z三个方向上的坐标误差公式及点位误差公式.实验结果表明,本标定方法意义明确,计算过程简单,具有较高的标定精度,对实际应用具有重要的价值.     

车载全景序列影像的位姿估计优化方法

针对车载全景序列影像的位姿估计问题,该文提出了一种基于角元素和线元素的位姿估计优化方法。根据全景多视几何关系,建立了角元素和线元素多视约束的优化模型,并推导完成模型的位姿求解方法。然后作为初始外方位元素,加入稀疏GPS/INS的相机控制数据约束,采用全景球模型的稀疏光束法平差对位姿估计结果进一步优化。实验选择IP-S2车载移动测量系统获取的全景序列影像,对比分析单视图、全景视图的连续位姿估计、本文方法和GPS/INS控制数据。实验结果表明,该文方法可提高位姿估计的精度,并减少连续位姿估计产生的累计误差。     

球面全景影像相对定向与精度验证

对传统的5点法相对定向算法的共面误差计算方法进行改进,提出了一种适合球面全景成像特点的相对定向计算流程。与传统方法相同,该算法首先计算本质矩阵,然后对本质矩阵进行奇异值分解得到旋转矩阵和平移矢量的候选解,最后利用重建的物方三维点坐标排除错误解。本文的贡献在于推导了球面全景共面条件公式,并使用点到核线平面的球面距离作为球面全景共面条件的误差项。模拟数据试验显示:当图像特征点的随机噪声在[-0.5,0.5]像素范围内时,3个姿态角的中误差约为0.1°,由相对定向恢复的相对平移量与模拟值的夹角中误差约为1.5°。使用车载全景相机配合POS获取的数据进行试验的结果显示:横滚角和俯仰角的中误差可以达到0.2°以内,航向角的中误差可以达到0.4°以内,由相对定向恢复的相对平移量与POS平移量的夹角中误差可以达到2°以内。采用本文相对定向算法的结果生成球面全景核线影像,提取影像之间同名点坐标并计算其列方向误差,结果显示核线影像同名点列坐标差的中误差在1个像素以内。     

球形全景影像位姿估计的改进EPnP算法

球形全景成像可以克服透视成像视场角的局限,实现场景全覆盖的三维重建和量测。本文在普通影像位姿估计的EPnP(efficient perspective-n-point)算法上进行了改进和扩展,提出了一种稳健快速的球形全景影像位姿估计算法。首先,构建球形全景影像的投影模型,将EPnP算法的平面透视成像模型扩展到球面成像模型;然后,采用基于全景球心、像点、控制点共线条件方程的改进EPnP算法求解控制点的球形全景像空间坐标;最后,利用Horn绝对定位算法直接解算全景影像位姿。与球形全景影像位姿估计的后方交会算法的对比试验结果表明,本文提出的方法无须迭代求解,更为稳健快速,即使控制点数目较少也能达到高精度,基于非严格共中心拼接的全景相机,重投影误差可控制在3.00像素左右。     

总体最小二乘法在相机标定中的应用

对比总体最小二乘方法与最小二乘方法在相机标定中的适用性及优越性。在相机标定中,由于像点坐标和对应的地面点坐标均存在误差,因此采用总体最小二乘方法对误差方程中的系数矩阵及观测向量同时改正,能够建立更加合理的计算模型。文中以相机标定两步法为例,通过实例解算,证明利用总体最小二乘法能够得到精度更高的相机标定参数解。