基于立体视觉的无人机位姿测量方法

现有的无人机位姿视觉测量方法大多基于诸如关键点等几何尺寸在图像和模型间的对应关系完成位姿计算;然而,在复杂情况下易出现关键点图像坐标定位失效的问题,而针对特定机型的算法设计泛化性不佳。针对这一问题,本文提出了一种基于立体视觉的固定翼无人机位姿测量方法,通过立体视觉重建目标无人机三维点云,基于无人机组件三维点云拟合鲁棒地完成位姿测量。首先,使用一种二维、三维数据结合的方式,利用卷积神经网络完成组件的分割。其次,分别利用机翼和机身点云拟合无人机坐标系的z轴和x轴,进而完成目标无人机位姿的计算。整个计算过程无需已知具体机型或尺寸。经试验验证,本文方法在10m的范围内达到了1.57°和0.07m的位姿测量精度,具有较高的精度和鲁棒性。     

单目相机物体位姿估计方法研究

现有的机器视觉通常以边缘轮廓和角点作为特征,因此要求背景单一,对环境结构化依赖程度高。为了拓展机器人的应用范围,使其脱离结构化的环境,提出了一种基于SIFT特征点和PNP技术的单目相机估计目标物体位姿的方法。以BumbleBee双目相机为硬件基础,以C++为开发平台,结合了Eigen计算库、OpenCV图像处理库和Triclops库,开发了单目视觉位姿估计算法,实现在复杂背景下对表面纹理较为丰富的物体的位姿估计。利用试验对所提方法进行了验证,试验结果表明,该算法具有较高的估计精度,可以作为机器抓取的依据。     

基于视觉的大尺度部件相对位姿实时测量方法研究

相对位姿是装配过程中的一项重要监控项。针对大尺度部件对接过程中的相对位姿测量需求,提出了一种基于视觉的相对位姿实时测量方法。该方法利用单目视觉技术,通过采集合作靶标的图像,实时解算大部段间的相对位姿,用于辅助大尺度部件的装配。首先,设计了一套相对位姿实时测量系统,包括搭载单目相机的视觉测量单元,以及用于辅助位姿解算的合作靶标;其次,对相对位姿测量的完整流程进行了研究,包含系统标定方法与实时位姿解算方法;最后,在实验室环境下对位姿测量系统的精度进行测试。试验结果表明,位姿测量系统在垂直于光轴方向的重复精度可达0.02mm,沿光轴方向重复精度优于0.2mm,输出位姿结果时间低于0.3s;对多测量单元组网测量进行了仿真计算,垂直于光轴方向的重复精度优于0.1mm,沿光轴方向重复精度优于0.2mm,输出位姿结果时间优于1.3s。试验结果表明,提出的方法可满足一般大尺度部件对接过程实时位姿监控与对接状态评估的需求。     

无人机自主着陆视觉相对位姿测量误差分析方法

卫星拒止条件下无人机自主安全回收的关键是全自主、高精度的测量无人机相对着陆场站的相对位姿信息。视觉相对位姿测量直接敏感高动态运动体之间的相对位姿信息,具有全自主、高精度等优势,为无人机自主安全回收提供新的技术途径。针对视觉相对位姿测量精度易受目标特征提取精度和相机内参数标定误差影响的问题,提出了一种无人机自主着陆视觉相对位姿测量误差分析方法,该方法通过研究测量机理模型确定关键误差影响因素,计算相关参数变化对测量精度的影响,最后利用仿真分析验证本文所提方法的有效性。     

基于彩色编码的副油箱风洞模型位姿测量方法

高速飞行器副油箱分离位姿参数是飞行器以及副油箱设计的重要基础数据。位姿参数测量工作多在高度模拟飞行器飞行状态的风洞环境下进行,对缩比模型实施高速非接触测量。受风洞试验段观察视窗限制以及副油箱模型形状影响,副油箱模型位姿测量十分困难。首先针对风洞观察视窗以及风洞复杂环境对图像采集效果的影响,提出了基于自发光单元的副油箱运动序列图像采集方法,采用双目视觉系统高速采集获得目标物的清晰序列图像;其次,提出基于环绕式彩色编码的自发光标记点匹配方法,实现风洞复杂环境内标记点的高精度匹配;最后,根据副油箱表面合作标记点的三维坐标获取副油箱模型的位姿信息。试验结果表明:所提出的位姿测量方法满足测量要求,其最大位移误差不超过0.102mm、最大角度误差不超过0.201°。     

空间失效慢旋卫星视觉特征跟踪与位姿测量

空间碎片或者失效卫星往往绕其惯性主轴做自旋运动,虽然处于一种稳定状态,但是对其运动状态测量的难度相比三轴稳定目标而言又增加了许多,主要体现在复杂光场环境下和目标观测面周期性进出视场引起的特征点丢失、尺度变化和旋转变化,以及长时间连续观测引起的累积误差增大、位姿解算不收敛等难题。通过构建优化目标特征数据库,将传统测量方式中前后帧的匹配转变为当前帧与特征数据库的匹配和特征点的优化,即使中间过程帧出现了偏差仍然可以较好地跟踪后续图像帧的正确位置。在李代数空间下建立位姿向量微分扰动方程,获得测量值与估计值的残差目标函数,基于贝叶斯法则最大后验概率和李群与李代数的对指变换法则,求取位姿向量最优解。解决了李群空间下由于位姿变换矩阵不可加性而无法优化的问题,提高了连续测量过程中系统的测量精度。实验结果表明,无优化测量方法无法保证整个旋转周期的有效测量;通过增加位姿优化过程,连续稳定测量时间明显延长,针对以12（°）/s自旋运动的目标,测量稳定段误差在2°以内,旋转角速度测量误差为0.12（°）/s。     

一种基于视觉成像的快速收敛的位姿测量算法及实验研究

 由三维目标与其二维图像估计相对于目标的位置和姿态是计算机视觉成像中的一个重要问题。正交迭代(OI)算法是一种快速、且能全局收敛的姿态估计方法，但是当数据恶化时，不能给出正确的旋转矩阵。本文改进了该算法中旋转矩阵求解方法，避免了旋转矩阵求解中出现的错误。建立了模拟实验系统，使用改进的算法进行测量，在0.45～5.20 m的范围内，摄像机到目标距离的相对误差小于±0.41%；在距离为3 m时，旋转角度测量误差小于±1.8°。数学仿真结果表明，改进后算法的抗噪声能力得到改善，结果更为准确，且能快速收敛。     

基于旋转搜索的相机位姿估计和对应点匹配

传统的同步位姿计算和对应点匹配（SPCD）算法采用两阶段交替迭代的方式计算相机位姿,求解精度较低。除此之外,传统SPCD算法依赖于局部搜索策略,无法保证找到全局最优解。为提升求解SPCD问题的精度和全局收敛能力,推导出了一种新的基于点和点约束的SPCD问题求解模型。基于新模型从角度距离出发构建优化目标函数,并利用分支定界搜索的方法寻找最优相机位姿和3D/2D匹配关系。实验证明：相比于传统SoftPOSIT算法,本文算法具有更高的求解精度和收敛率,并且可适用范围更广。     

基于Transformer模型的卫星单目位姿估计方法

鉴于测量精度高、设备成本低等优点,基于单目图像的卫星位姿估计方法在交会对接、空间攻防等应用中具有广泛前景。得益于强大的特征提取与表达能力,卷积神经网络在目标单目位姿估计应用中取得了明显优于传统方法的性能表现,但已有基于卷积神经网络的方法存在诸如归纳偏置、绝对距离描述不直接、长距离建模能力不足等问题。聚焦卫星单目位姿估计应用需求,针对以上问题,创新地将Transformer模型应用于卫星目标位姿估计中,提出了一种新颖的端到端卫星单目位姿估计方法。首先,设计了一种基于关键点集合的卫星目标表示方法,并构建了基于该表示方法的损失函数,进一步,结合关键点回归任务特点,设计了端到端的关键点回归网络模型,并改进了用于特征提取的主干网络结构。在公开数据集上实验测试结果表明：本文方法实现了可靠、高效的卫星目标单目位姿估计,并取得了优于已有同类方法的性能。     

四元数法在姿态测量中的应用研究

介绍了捷联惯性航姿系统在姿态测量方面的应用。为改进捷联惯性航姿系统计算机解算的实时性,引入了四元数微分方程的三阶泰勒展开式作为系统姿态更新算法,并对某陆地产惯性航姿系统的测量数据用Ｃ语言编制了相应的仿真程序,为研制捷联惯性系统算法提供了参考依据。     

Monocular Vision-based Two-stage Iterative Algorithm for Relative Position and Attitude Estimation of Docking Spacecraft

Visual sensors are used to measure the relative state of the chaser spacecraft to the target spacecraft during close range rendezvous phases. This article proposes a two-stage iterative algorithm based on an inverse projection ray approach to address the relative position and attitude estimation by using feature points and monocular vision. It consists of two stages: absolute orientation and depth recovery. In the first stage, Umeyama's algorithm is used to fit the three-dimensional (3D) model set and estimate the 3D point set while in the second stage, the depths of the observed feature points are estimated. This procedure is repeated until the result converges. Moreover, the effectiveness and convergence of the proposed algorithm are verified through theoretical analysis and mathematical simulation.     

基于双圆特征的无人机着陆位置姿态视觉测量方法

提出了一种无人机自主着陆位置姿态的单目视觉测量方法,建立了机载摄像机的运动和投影模型。设计了新型双圆图案着陆平面靶标,采用双圆的8个公切点,产生21个具有透视投影不变性的特征点,并提出了在复杂背景中全自动双圆特征的图像提取新方法及标记特征点的方案,实验表明,768×576像素大小的图像,特征提取及标记耗时小于9ms。仿真试验表明,摄像机距离靶标10m左右,噪声偏差达到1.5像素时,单轴位置RMS误差小于6cm,单轴姿态RMS误差小于0.7°,所提出的算法具有很强的抗噪声能力,能够满足无人机自主着陆位置姿态实时测量的要求。     

基于单目视觉的机器人避障方法研究

避障问题一直是机器人领域研究的热点和重点。设计一种基于单目视觉的避障系统,能够同时检测机器人正前方和两侧的障碍物,且对低纹理障碍物同样具有效果。该系统采用特征尺度检测器完成机器人视野正前方障碍物的检测,对于视野两侧的障碍物运用光流平衡策略进行规避,而对于低纹理的障碍物则利用图像熵的方法进行检测。整个系统在地面移动机器人上进行了测试,实验结果表明,该方法能在复杂的环境下可靠地完成机器人的避障任务。     

基于欧拉角的炮弹位姿参数光学测量解析算法

炮弹空间位置和姿态参数的解算是研究其飞行弹道特性和弹道控制的非常重要的内容。利用4个已知空间坐标的非共面控制点,通过建立控制点的过渡坐标系,提出了一种基于单目视觉,采用欧拉角直接参与计算的炮弹位姿参数的测量方法,建立了位姿参数测量的误差修正模型。最后对该算法进行了完整的数学仿真。仿真结果表明,该算法简单有效且稳定,能满足位姿参数测量的精度要求。     

面向单目立体视觉的立方镜图像处理技术

面向单目视觉辅助光电准直仪对立方镜进行准直的需求,研究针对立方镜图像的数字图像处理技术。采用Canny边缘检测方法得到灰度图像中的边缘信息,借助Hough变换按照直线程度的强弱对边缘信息进行分类提取,得到图像中立方镜棱边对应的直线信息。按照偏角与截距对棱边直线信息进行分类排序,结合先验知识得到立方镜角点对应的配对相交直线,对配对直线求交点得到立方镜角点在图像中的位置,得到的立方镜棱边及角点信息为后续的立方镜位姿计算提供了基础数据。     

单目机器视觉测距技术在无人机自动着舰中的应用

介绍了机器视觉的概念，探讨了机载单目机器视觉在无人机自动着舰方案中的应用。在对前方舰艇进行快速探测以及对摄像机进行预先标定的基础上，本文利用机器视觉理论与方法，以及摄像机内部参数和透视投影几何关系，计算无人机与前方舰艇相对距离。最后展望了机器视觉的发展及应用前景。     

航天器相对位姿参数光学测量解析算法

研究了利用4个非共面特征光标和单光学测量敏感器的测量方法。基于比例正交投影近似假设,简化了光学成像数学模型,以解析的形式给出了航天器间相对位姿参数(相对位置和姿态),并对解析解进行修正。最后,对该算法进行数学仿真,仿真结果表明该算法简单可靠,能够满足航天器相对位姿确定精度和实时计算要求。     

基于单目视觉的三点测量滚转角方法

确定轴对称物体的滚转角是光学测量的重要内容,具有十分广泛的工程应用背景。本文提出一种单像机测量滚转角的新方法,通过3个控制点即可完全确定物体滚转角。仿真数据计算证明了该方法的正确性和可行性。     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...