基于结构光的空间大目标特征重构与位姿测量

针对因缺少空间非合作大目标的全局特征而难以实现相对位姿测量的问题,提出利用点状光源与单目光学相机组成点结构光视觉测量系统进行特征重构与位姿测量的方法。以非合作大目标上尺寸未知的局部矩形特征为测量对象,首先建立点结构光视觉测量系统相对位姿测量模型;接着利用相对约束关系给出特征重构方法并获得隐性特征点;然后利用特征点计算测量系统与非合作大目标之间的相对转移矩阵得到相对位置和姿态。通过数字仿真校验该方法的有效性并对测量误差因素进行分析,仿真结果表明该测量方法是有效的。     

基于姿态标准化的线特征点云提取方法

从零件三维点云中提取棱边等线特征所对应的点云是零件模型重构的关键,也是点云数据处理的基本操作.基于曲率的线特征点云提取方法易受点云初始姿态以及曲率估计方法的影响,曲面拟合及曲率估计误差较大.提出了一种基于点云姿态标准化的线特征点云提取方法:首先计算点云主方向并将其同z轴对准实现点云姿态的标准化,然后进行曲面拟合并以最大主曲率绝对值作为曲率估计值,最后对曲率值取阈值提取出线特征点云.用不同类型的点云数据进行了实验,结果表明所提方法有较高的提取效率和良好的适用性.     

空间非合作目标交会对接影像测量自适应处理

分析了空间非合作目标影像测量及特征点提取机理,根据对接中特征点识别噪声不确定和空间摄动引起的模型误差,对传统滤波方法进行改进;通过量测更新后的新息数据对量测噪声量级进行估计,同时采用渐消自适应方法对模型误差进行处理,增进滤波效果;设计了针对空间非合作目标对接段的滤波器,能够提供对接段相对位置、速度、姿态角及角速率估计信息。仿真结果表明,提出的改进滤波算法能够在测量噪声不确定和模型误差条件下达到较好效果。     

基于特征点位置及速度的空间非合作目标质心位置测量方法

对于空间非合作目标,地面上所用的质心位置测量方法难以实现。提出了一种应用摄像测量学实现质心位置测量的新方法。首先采用双相机对目标进行拍摄,通过特征点的匹配计算目标表面上特征点的位置及速度;再通过这些特征点的位置及速度,结合刚体运动学理论,计算目标的质心位置。仿真结果表明,本方法可以有效地实现目标的质心位置测量。     

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。     

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。     

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°。     

基于ICP算法的手术导航三维配准技术

针对计算机辅助手术三维导航技术中术前CT图像与术中实际空间的配准问题,提出一种基于最近点迭代(ICP,Iterative Closest Point)算法的特征点云配准技术.利用医学图像空间和实际空间特征区域的两片点云坐标进行三维配准.对CT图像进行重建、分割及交互式操作得到医学图像特征点云;利用光学定位仪实时采集实际空间中对应区域的点云;通过主元分析(PCA,Principal Component Analysis)获取两组点云数据的特征向量进行初配准;进行最近点迭代使配准矩阵收敛到一个最优解,其中采用k-d tree寻找邻近点加速迭代过程.以塑料脊柱模型骨为对象进行了脊柱手术导航配准精度实验,进一步对实验中的点云数据加入高斯噪声以进行误差分析.结果表明这种配准方法简单可靠,在模型骨情况下配准精度在1mm以内.     

基于边缘信息的灰度目标跟踪算法

提出了一种基于边缘信息的跟踪算法,其可以实现对剧烈变化的灰度目标的精确跟踪.首先,利用基于双同心圆窗口算子的非线性边缘检测算法得到高质量的边缘信息;其次,为了解决单一边缘特征空间不能充分表征目标的难题,提出了一种通过组合边缘图像构建特征空间的方法,以便为目标建模提供充分信息;再次,在构建的特征空间中使用核估计方法对目标进行建模;在目标定位阶段,利用Kalman滤波器对目标进行预估后,再由Mean Shift算法在预估位置邻近区域实现目标定位;最后,提出了一种基于形态学的动态模型更新策略,使得算法不仅可以获得精确的目标区域,还可以实现对目标尺寸和形状变化的自适应.实验结果表明,本算法不仅可以有效跟踪剧烈变化的灰度目标,而且跟踪窗口可以实现对目标尺寸和形状的自适应.