CN104864851A - 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 - Google Patents
一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 Download PDFInfo
- Publication number
- CN104864851A CN104864851A CN201510290560.XA CN201510290560A CN104864851A CN 104864851 A CN104864851 A CN 104864851A CN 201510290560 A CN201510290560 A CN 201510290560A CN 104864851 A CN104864851 A CN 104864851A
- Authority
- CN
- China
- Prior art keywords
- area
- target
- weighted
- perimeter
- error
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- 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
- G01C11/04—Interpretation of pictures
- G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
- G01C11/12—Interpretation of pictures by comparison of two or more pictures of the same area the pictures being supported in the same relative position as when they were taken
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于矩形周长和面积加权约束的单目视觉位姿测量方法,步骤包括:步骤(1)、获取矩形目标图像;步骤(2)、提取图像中矩形目标特征点;步骤(3)、建立矩形周长和面积特征加权约束关系;步骤(4)、基于矩形周长和面积特征约束关系解算位姿。该方法运用图像识别手段,以目标矩形周长和面积几何特征建立加权误差约束关系,提高了目标单目视觉位姿测量精度。
Description
技术领域
本发明涉及一种单目视觉位姿测量方法,尤其涉及一种基于矩形周长和面积加权约束的单目视觉位姿测量方法。
背景技术
基于视觉的目标位姿(位置、姿态)测量是在空间交会对接、工业自动化、智能交通导航等方面应用十分广泛。尤其在航天领域中,精确测量空间目标的位姿是直接关系到一系列空间在轨服务任务(在装配、维修、补给、抓捕)成功的首要条件。
从目标类型上,可将视觉的位姿测量分为合作目标测量和非合作目标测量,合作目标测量由于具有精度高、测量技术成熟、可靠等优势,在空间领域广泛采用。目前已采用过的合作标志器形态多种多样,有利用特征点、特征线、特征圆等多种几何特征的,通过对合作标志器的特征识别提取,从而利用提取的特征点坐标重投影约束、特征直线斜率约束、特征圆的半径约束等解算出目标位姿。
根据秦丽娟等人的《基于矩形的三维物体位姿估计研究》(参见《计算机工程与科学》,2009年31卷(4)49-51页),利用了矩形对边平行等条件构造了位姿解析解算方法,但未涉及利用矩形周长、面积等几何特征。根据王晓剑等人的《基于双平行线特征的位姿估计解析算法》(参见《仪器仪表学报》,2008年29卷(3)600-604页),利用了平行四边形的面积等特征构造位姿解析解算方法,但同样未涉及矩形周长特征。专利CN201010563504.6中提出了一种基于特征线的运动目标位姿光学测量方法,方法中利用了两条相交直线上4个特征点不重合且不共线条件,解算目标位置姿态,未涉及利用四个点构成矩形的周长和面积特征。上述方法均未涉及利用矩形周长和面积的特征加权关系构造位姿迭代解算方法。
发明内容
本发明要解决的技术问题是:提供一种基于矩形周长和面积加权约束的单目视觉位姿测量方法。该方法利用4个特征点构造了矩形,并利用矩形目标在位姿变化过程中其周长和面积保持不变的几何特征建立了加权误差约束关系,在对矩形面积和周长误差约束转换为对目标位姿的约束,误差约束关系构造了迭代解算位姿方法。通过对矩形周长和面积的误差约束迭代解算目标位姿方法,有效利用了矩形刚体目标周长面积不变性特征,从而提高了位姿解算结果准确性。
本发明采用的技术方案如下:一种基于矩形周长和面积加权约束的单目视觉位姿测量方法,该方法步骤如下:
步骤(1)、对目标成像,并获取目标图像。首先设置目标由4个高反光圆形特征点构成矩形,已知4个目标特征点在目标坐标系中3维坐标集{Wi}(i=1…n,n=4),根据{Wi}获取矩形周长参数C,面积参数S,
步骤(2)、识别矩形目标特征点。将步骤(1)获取的图像进行识别并提取图像中目标特征点质心坐标{ai}(i=1…4);
步骤(3)、建立矩形周长和面积加权约束关系。知摄像机等效焦距为f,定义4个目标特征点在摄像机坐标系下坐标集为{Ai},定义特征点到摄像机光心p的距离为{li}。由步骤(2)获取了目标特征点在图像平面成像点质心坐标ai=(ui,vi),则成像点的3维坐标表示为(ai,f)=(ui,vi,f)。则:
应用特征点构造周长C和面积S作为对刚体目标的约束。构成了基于周长和面积加权约束的误差项El。1个矩形有两条相邻边即确定面积和周长,则共形成4组面积误差项和4组周长误差项,对应形成4组加权误差约束项El。
El=αec+βes
其中E为第k次迭代后由ec和es形成的加权误差矩阵,加权系数α和β满足α+β=1;
步骤(4)、基于矩形多周长和面积约束关系解算位姿。首次迭代解算出{li}的修正量x:
Jlx=El
x=(Jl TJl)-1Jl -1El
其中Jl为雅可比(Jacobian)矩阵,在迭代中解算出{li}的修正量x,从而最终解算出准确的{li}。
L(k+1)=L(k)-x
其中L(k)是第k次迭代后的{li}。由于周长和面积不变性,当所有的周长和面积约束都能同时被满足,误差El在迭代过程中将会逐渐收敛到零,且最终解算得到最优的{li}。另一方面,此非线性最优化问题可以被认为是局部线性的,反复迭代可以被解算得到{li}。在{li}得到的基础上,解算得到目标特征点在摄像机坐标系中坐标{Ai},再由最小二乘平差方法,解算得到目标姿态角度θ=(Ax,Ay,Az)与目标平移向量T=(tx,ty,tz)。
本发明与现有技术相比的优点在于:提供一种针对矩形目标的单目视觉位姿测量方法。该方法利用4个特征点构造了矩形,并利用矩形目标在位姿变化过程中其周长和面积保持不变的几何特征建立了加权误差约束关系,在对矩形面积和周长误差约束转换为对目标位姿的约束,误差约束关系构造了迭代解算位姿方法。通过对矩形周长和面积的误差约束迭代解算目标位姿方法,有效利用了矩形刚体目标周长面积不变性特征,从而提高了位姿解算结果准确性。
附图说明
图1为本发明具体流程图;
图2为仿真生成矩形目标模型图;
图3为第1组仿真生成矩形目标图像;
图4为第2组仿真生成矩形目标图像;
图5为第3组仿真生成矩形目标图像。
具体实施方式
下面结合附图以及具体实施例,对本发明方法进一步说明。
本发明具体流程如图1所示。一种基于矩形周长和面积加权约束的单目视觉位姿测量方法,
(1)对目标成像,并获取目标图像。共进行了三组试验,如图3~5所示,仿真生成目标在不同位姿下三组图像。首先设置目标由4个高反光圆形特征点构成矩形(如图2所示),已知4个目标特征点在目标坐标系中3维坐标集{Wi}(i=1…n,n=4),单位为mm,
W1=(-17.25,-11.5,11.5)
W2=(17.25,-11.5,11.5)
W3=(-17.25,11.5,11.5)
W4=(17.25,11.5,11.5)
根据{Wi}获取矩形周长参数C,面积参数S,
(2)识别矩形目标特征点。将步骤(1)获取的图像进行识别并提取图像中目标特征点质心坐标{ai}(i=1…4);
(3)建立矩形周长和面积加权约束关系。已知摄像机等效焦距为f=3654.5pixel,定义4个目标特征点在摄像机坐标系下坐标集为{Ai},定义特征点到摄像机光心p的距离为{li}。由步骤(2)获取了目标特征点在图像平面成像点质心坐标ai=(ui,vi),则成像点的3维坐标表示为(ai,f)=(ui,vi,f)。则:
应用特征点构造周长C和面积S作为对刚体目标的约束。构成了基于周长和面积加权约束的误差项El。1个矩形有两条相邻边即确定面积和周长,则共形成4组面积误差项和4组周长误差项,对应形成4组加权误差约束项El。
El=αec+βes
其中E为第k次迭代后由ec和es形成的加权误差矩阵,设置加权系数α=0.4和β=0.6,满足α+β=1;
(4)基于矩形多周长和面积约束关系解算位姿。首次迭代解算出{li}的修正量x:
Jlx=El
x=(Jl TJl)-1Jl -1El
其中Jl为雅可比(Jacobian)矩阵,在迭代中解算出{li}的修正量x,从而最终解算出准确的{li}。
L(k+1)=L(k)-x
其中L(k)是第k次迭代后的{li}。由于周长和面积不变性,当所有的周长和面积约束都能同时被满足,误差El在迭代过程中将会逐渐收敛到零,且最终解算得到最优的{li}。另一方面,此非线性最优化问题可以被认为是局部线性的,反复迭代可以被解算得到{li}。在{li}得到的基础上,解算得到目标特征点在摄像机坐标系中坐标{Ai},再由最小二乘平差方法,解算得到目标姿态角度θ=(Ax,Ay,Az)与目标平移向量T=(tx,ty,tz),如表1所示,分别统计3组试验位姿解算结果及平均误差。
表1仿真试验位姿解算结果及误差图表
由于充分利用了矩形目标面积和周长信息,并且将两种几何特征进行加权关联,建立起非线性最优化约束条件,使位姿解算结果更符合目标本身刚体特性,从而提高位姿解算准确性。
本发明未详述部分属于本技术领域的公知技术。以上所述仅为本发明的具体实例而已,并不用于以限制本发明,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 (2)
1.一种基于矩形周长和面积加权约束的单目视觉位姿测量方法,其特征在于该方法包括如下步骤:
步骤(1)、对目标成像,并获取目标图像;首先设置目标由4特征点构成矩形,已知4个目标特征点在目标坐标系中3维坐标集{Wi}(i=1…n,n=4),根据{Wi}获取矩形周长参数C,面积参数S,
步骤(2)、识别矩形目标特征点;将步骤(1)获取的图像进行识别并提取图像中目标特征点坐标{ai}(i=1…4);
步骤(3)、建立矩形周长和面积加权约束关系;知摄像机等效焦距为f,定义4个目标特征点在摄像机坐标系下坐标集为{Ai},定义特征点到摄像机光心p的距离为{li};由步骤(2)获取了目标特征点在图像平面成像点质心坐标ai=(ui,vi),则成像点的3维坐标表示为(ai,f)=(ui,vi,f);则:
应用特征点构造周长C和面积S作为对刚体目标的约束;构成了基于周长和面积加权约束的误差项El;1个矩形有两条相邻边即确定面积和周长,则共形成4组面积误差项和4组周长误差项,对应形成4组加权误差约束项El;
El=αec+βes
其中E为第k次迭代后由ec和es形成的加权误差矩阵;
步骤(4)、基于矩形多周长和面积约束关系解算位姿;首次迭代解算出{li}的修正量x:
Jlx=El
x=(Jl TJl)-1Jl -1El
其中Jl为雅可比(Jacobian)矩阵,在迭代中解算出{li}的修正量x,从而最终解算出准确的{li};
L(k+1)=L(k)-x
其中L(k)是第k次迭代后的{li};当所有的周长和面积约束都能同时被满足,误差El在迭代过程中将会逐渐收敛到零,且最终解算得到最优的{li};另一方面,此非线性最优化问题可以被认为是局部线性的,反复迭代可以被解算得到{li};在{li}得到的基础上,解算得到目标特征点在摄像机坐标系中坐标{Ai},再由最小二乘平差方法,解算得到目标姿态角度θ=(Ax,Ay,Az)与目标平移向量T=(tx,ty,tz)。
2.根据权利要求1所述的一种基于矩形周长和面积加权约束的单目视觉位姿测量方法,其特征在于:所述步骤(3)中E为第k次迭代后由ec和es形成的加权误差矩阵,具体应为:加权系数α和β满足α+β=1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510290560.XA CN104864851B (zh) | 2015-06-01 | 2015-06-01 | 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510290560.XA CN104864851B (zh) | 2015-06-01 | 2015-06-01 | 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104864851A true CN104864851A (zh) | 2015-08-26 |
CN104864851B CN104864851B (zh) | 2017-10-20 |
Family
ID=53910855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510290560.XA Active CN104864851B (zh) | 2015-06-01 | 2015-06-01 | 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104864851B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105806318A (zh) * | 2016-03-09 | 2016-07-27 | 大连理工大学 | 基于运动时间量的空间三维信息视觉测量方法 |
CN106197263A (zh) * | 2016-06-28 | 2016-12-07 | 大连理工大学 | 基于机器视觉的多体投放位姿测量方法 |
CN106651878A (zh) * | 2016-12-21 | 2017-05-10 | 福建师范大学 | 一种用于从局部不变特征点中提取直线的方法 |
CN109978919A (zh) * | 2019-03-22 | 2019-07-05 | 广州小鹏汽车科技有限公司 | 一种基于单目相机的车辆定位方法及系统 |
CN110288654A (zh) * | 2019-04-28 | 2019-09-27 | 浙江省自然资源监测中心 | 一种单幅图像的几何量测的方法 |
CN111965630A (zh) * | 2020-08-17 | 2020-11-20 | 南京先能光电科技有限公司 | 一种空间定位系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103075998A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种单目空间目标测距测角方法 |
US20140249752A1 (en) * | 2011-09-30 | 2014-09-04 | The Chancellor Masters And Scholars Of The University Of Oxford | Localising a vehicle along a route |
CN104198162A (zh) * | 2014-09-17 | 2014-12-10 | 中国科学院光电技术研究所 | 一种用于光学成像相机整机系统传递函数的测试装置及其测试方法 |
-
2015
- 2015-06-01 CN CN201510290560.XA patent/CN104864851B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140249752A1 (en) * | 2011-09-30 | 2014-09-04 | The Chancellor Masters And Scholars Of The University Of Oxford | Localising a vehicle along a route |
CN103075998A (zh) * | 2012-12-31 | 2013-05-01 | 华中科技大学 | 一种单目空间目标测距测角方法 |
CN104198162A (zh) * | 2014-09-17 | 2014-12-10 | 中国科学院光电技术研究所 | 一种用于光学成像相机整机系统传递函数的测试装置及其测试方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105806318A (zh) * | 2016-03-09 | 2016-07-27 | 大连理工大学 | 基于运动时间量的空间三维信息视觉测量方法 |
CN106197263A (zh) * | 2016-06-28 | 2016-12-07 | 大连理工大学 | 基于机器视觉的多体投放位姿测量方法 |
CN106197263B (zh) * | 2016-06-28 | 2018-10-16 | 大连理工大学 | 基于机器视觉的多体投放位姿测量方法 |
CN106651878A (zh) * | 2016-12-21 | 2017-05-10 | 福建师范大学 | 一种用于从局部不变特征点中提取直线的方法 |
CN106651878B (zh) * | 2016-12-21 | 2019-06-11 | 福建师范大学 | 一种用于从局部不变特征点中提取直线的方法 |
CN109978919A (zh) * | 2019-03-22 | 2019-07-05 | 广州小鹏汽车科技有限公司 | 一种基于单目相机的车辆定位方法及系统 |
CN109978919B (zh) * | 2019-03-22 | 2021-06-04 | 广州小鹏汽车科技有限公司 | 一种基于单目相机的车辆定位方法及系统 |
CN110288654A (zh) * | 2019-04-28 | 2019-09-27 | 浙江省自然资源监测中心 | 一种单幅图像的几何量测的方法 |
CN111965630A (zh) * | 2020-08-17 | 2020-11-20 | 南京先能光电科技有限公司 | 一种空间定位系统 |
CN111965630B (zh) * | 2020-08-17 | 2024-05-28 | 南京先能光电科技有限公司 | 一种空间定位系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104864851B (zh) | 2017-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104864851A (zh) | 一种基于矩形周长和面积加权约束的单目视觉位姿测量方法 | |
CN103727930B (zh) | 一种基于边缘匹配的激光测距仪与相机相对位姿标定方法 | |
CN106441311B (zh) | 一种基于激光成像雷达的非合作航天器相对位姿测量方法 | |
CN103617328B (zh) | 一种飞机三维姿态解算方法 | |
CN102607526B (zh) | 双介质下基于双目视觉的目标姿态测量方法 | |
CN101311963B (zh) | 摄像机定位用圆标志点圆心的图像投影点位置的获取方法 | |
CN101303768B (zh) | 圆形标志点在摄像机透视投影变换时圆心偏差的修正方法 | |
CN106599897A (zh) | 基于机器视觉的指针式仪表读数识别方法及装置 | |
CN104729481B (zh) | 一种基于pnp透视模型的合作目标位姿精度测量方法 | |
CN103136525B (zh) | 一种利用广义Hough变换的异型扩展目标高精度定位方法 | |
CN104915963A (zh) | 一种用于plcc元件的检测与定位方法 | |
CN103759669A (zh) | 一种大型零件的单目视觉测量方法 | |
CN110536257B (zh) | 一种基于深度自适应网络的室内定位方法 | |
CN106197265A (zh) | 一种空间自由飞行模拟器视觉精密定位方法 | |
CN109508709B (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN109448043A (zh) | 平面约束下的立木高度提取方法 | |
CN102829749B (zh) | 微阵列结构光学器件面型精度评价方法 | |
Hou et al. | A pointer meter reading recognition method based on YOLOX and semantic segmentation technology | |
CN104050660A (zh) | 一种测量工件圆形边缘的方法 | |
CN103854290A (zh) | 一种结合骨架特征点和分布场描述子的扩展目标跟踪方法 | |
CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
CN106682575A (zh) | Elm算法的人眼点云特征定位 | |
CN105046046A (zh) | 一种集合卡尔曼滤波局地化方法 | |
CN103839274A (zh) | 一种基于几何比例关系的扩展目标跟踪方法 | |
CN106405581A (zh) | 卫星结构变形引起的多类型载荷间耦合指向精度评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |