基于单目视觉原理的空间位置测量技术研究

为了提升空间位置测量的自动化程度，采用单目视觉原理建立空间成像方程，将三维的空间坐标转换为两维的图像坐标，由此实现单目视觉的空间位置测量。本文推导了单目视觉定位的基本成像方程，对建立的定位装置，进行了实际定位实验，实现了预期的测量结果。基于视觉原理的空间位置测量技术，具有良好的推广应用价值。     

新型冗余双目PNP摄影定位方法研究CSCD

介绍了一种新型冗余双目PNP摄影定位方法。该测试方法,通过建立图像坐标系、摄像机坐标系和世界坐标系的关系,并通过坐标转换可以求出被测物体的三维绝对位置,从而实现了视觉定位。与单目摄影定位方法相比,该定位测试方法具有定位精度高,可靠性好,并可应用于其他相关领域。     

无人机位姿测量的点特征视觉方法

针对无人机在动态环境下快速高精度定位的问题，提出了用单目相机对无人机上的人工特征点进行位姿解算的方法。在无人机上放置一定数量的小型LED灯，并将其作为视觉测量的特征点，并以其中一个点作为原点建立无人机机体坐标系。通过多场景测量确定特征点在机体坐标系下的三维位置，再将三维位置与特征点在图像中的成像位置相匹配，最后使用EpnP算法求解出无人机的位置和姿态。在实验部分，利用三轴移动平台和三维转台，分别对位置解算结果和姿态解算结果进行误差测量。试验结果表明，位置解算误差在2%以下，姿态误差在8%左右。同时，该算法的处理时间在2 ms左右，该算法可以满足无人机对定位的实时性和精度的要求。     

视觉跟踪坐标测量系统数学建模

提出了一种基于光学测头成像的单相机视觉跟踪坐标测量系统。该系统中引入了一个转动平台带动相机运动,使相机光轴始终对准运动的光学测头中某一个光点,保证光学测头成像在畸变比较小的像面中心附近。给出了系统的组成结构,通过空间变换和光学成像原理建立了系统的非线性跟踪测量数学模型,给出了利用Newton非线性迭代算法求解跟踪方程的具体算法,通过实验验证了所建立的模型和求解方法的正确性。最后,分析了转动角度误差对测量结果的影响。     

基于单目视觉的非合作航天器相对位置和姿态测量算法

对非合作航天器的相对位置和姿态测量问题进行了研究,提出了一种新的单目视觉测量算法——相似迭代算法．该算法根据相似三角形原理推导出一种新的深度迭代机制,通过深度估计和绝对方位问题求解两个步骤对相对位置和姿态参数进行迭代计算．数值仿真结果表明了该算法的有效性．     

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

基于视惯融合的大型空间碎片质心位置辨识

大型自由翻滚碎片的质心是在轨操作基坐标系下的不动点，也是碎片连体基下动力学参数向卫星坐标系转换的基准，对其精确识别是提高碎片动力学参数辨识精度的关键。提出基于惯性单元测量数据与双目视觉定位数据融合的大型空间碎片质心位置识别方法。基于无力矩欧拉方程，获取附着到空间碎片表面的惯性单元间转换关系，利用该转换关系对惯性单元冗余测量数据优化，再优化求解惯性单元到质心点距离；利用双目视觉获取惯性单元上标记点动态坐标，再利用惯性单元到质心点距离，基于三点定位原理识别大型空间碎片的质心位置。以加入高斯白噪声的惯性单元与双目视觉测量数据进行仿真，结果表明优化解算后惯性单元实时测量数据的误差降低到1%以下，解算的质心位置三轴误差小于0.47mm；开展了地面试验，结果表明，解算的质心位置三轴误差小于0.49mm。仿真和试验证明，该方法能够为大型空间碎片的消旋、捕获任务提供准确的数据基准。     

一种基于基准优选的双目视觉位置解算方法

针对近距离空间非合作目标相对位姿测量任务需求,基于双目视觉原理建立了特征点位置测量模型与误差分析模型,分析了特征点位置解算奇异及奇异点附近位置解算误差过大的问题,提出了一种采用异面光轴配置和基准优选策略的双目视觉特征点位置解算方法。该方法通过错角安装相机光轴防止特征点在两个相机基准下进行位置解算时同时发生奇异,针对不同基准在测量域内误差分布的差异,建立了基准优选策略和相应的面向特定测量域的基准优选指标确定方法,从而获得了高精度测量结果。仿真结果表明,采用所提出的方法解决了特征点位置解算奇异问题,提高了测量域内特征点位置测量精度。     

基于单目视觉的三维重构相机技术研究

针对飞行器执行在轨服务获取空间多维图像的需求，提出了基于单目视觉的三维重构相机技术，利用基于亮度法体素着色原理实现空间目标的三维重构。搭建地面试验，设计模拟圆轨道和椭圆轨道多种试验，验证了在200 m范围内伴飞状态下,实现对目标的高分辨率三维重构图像，重构精度为0.105 m，为识别空间目标特征部位奠定技术基础。     

基于靶标成像双目视觉坐标测量方法研究

提出了一种利用手握式靶标实现双目视觉三维坐标测量的新方法。利用空间透视变换建立了非线性测量模型,介绍了基于Newton非线性迭代的测量方程的求解方法。以矩阵分析理论为基础,讨论了影响测量方程求解的因素,并提出了方法中重要部件手握式靶标上特征点分布的基本约束条件,为这一方法在实际应用中获得较高的测量准确度提供了较为完善的理论分析依据。通过数值分析与计算,验证了理论分析的正确性。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于CCD和超声的物体位姿检测方法及精度分析

介绍了用单个CCD摄像机和超声传感器相结合检测物体位姿的方法.首先由CCD摄像机采集一幅图像,获取物体上目标点在图像坐标系中的理想坐标,并由此确定该点投影矢量(连接物体点和对应图像点的直线)的方向;然后控制机器人运动,使超声传感器的z轴与求得的投影矢量重合;最后用超声传感器测出投影矢量的长度,确定目标点在摄像机坐标系中的坐标.分析了影响检测精度的主要因素,具体研究了超声传感器的安装参数对检测精度的影响规律,进行了仿真分析.该方法可以有效地降低图像处理所带来的巨大数据量,避开双目视觉中的图像匹配问题,快捷、精确检测物体的位姿.     

基于岭回归的红外协同定位优化算法

针对双机协同定位误差较大问题，首先，在球坐标与直角坐标相结合的基础上，建立双机协同定位的数学模型，并通过对数学模型的分析得出双机距离较近时定位误差大的原因。其次，利用岭回归算法求解出定位精度较高的两组测量子集的目标位置估计值和定位误差协方差矩阵。最后，利用加权最小二乘算法对两组测量子集进行融合定位，推导出协同定位优化算法。仿真分析表明，该算法能显著改善了整个探测区域内的定位精度，并且在双机相距较近时也能保持高的定位精度。      

一种基于立体标定件的双摄像机外参数标定法

对于应用于现场测量的立体视觉测量系统,两摄像机间的外参数标定是保证系统测量准确度的重要环节之一。介绍了一种利用立体标定件实现系统外参数标定的方法,其特点是只要两摄像机同时拍摄一幅标定件图像,利用标定件上的球形特征点与其成像点之间的共线性约束建立共线性标定方程组,通过Levenberg-Mar-quardt迭代优化算法分别确定两摄像机与世界坐标系的关系,最后利用世界坐标系作为中介,将两摄像机间的外参数求出。同传统标定方法相比,该方法简单、快捷,鲁棒性好,可用于现场标定。     

飞行器交会对接相对位置和姿态的估值方法

在飞行器的交会对接过程中 ,应用计算机视觉系统作为精确传感设备 ,测量飞行器相对于固定在空间站的坐标系的三维位置和方向 ,为导航和控制回路提供需要的反馈信息。文中研究了由计算机视觉系统采集的二维图像信息估计飞船相对于空间站的位置和姿态的方法 ;提出了光点检测光线拟合算法 ,并给出数字仿真结果。     

基于视觉原理的运动物体空间姿态测量技术研究

针对物体运动姿态的测量问题,以提高姿态求解方法的便捷性和准确性为目的,研究了一种基于双目视觉相机高速摄影测量物体姿态的测试技术。为实现该测量,使用高速相机获取同步影像,利用特征点间的几何约束关系,通过姿态优化算法确定被测物体空间姿态。试验结果表明：该方法正确、可靠,测量频率达到100帧/s,姿态角测量误差小于0.04°。