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。     

基于四元数的单目视觉物体位姿测量方法

对基于点特征的单目视觉定位算法进行了研究,设计了一种5点平面靶标,在五个特征点的基础上提出了一种基于四元数的单摄像机位姿测量方法。建立了四元数空间变换矩阵,然后再根据特征点在世界坐标系下的坐标值以及特征点在CCD成像面上的坐标值,在空间投射的基础上利用最小二乘法求解出靶标的四元数空间变换矩阵,从而求得靶标的空间位姿。通过实验对该单目视觉定位方法进行验证,实验结果表明：测量模型平移定位精度达到了,旋转定位精度达到了。     

无人机空中加油过程中基于机器视觉的相对位姿估计(英文)

本文主要研究了在无人机空中自主加油过程中,利用安装在无人机上的摄像机得到的视觉图像确定无人机与加油机之间相对位置关系的算法。本文以经典的OI算法为基础展开研究,文章主要分为三个部分:首先简要介绍了OI算法的基本实现方法,指出了在OI算法中,旋转矩阵R的初值的选择对于位姿估计的精度有一定的影响。其次主要介绍了一种线性算法用于获取R初值的方法,同时针对空中加油过程中无人机与加油机之间的相对姿态角变化较小的特点,提出了可以将旋转矩阵R的初值设为单位矩阵。论文最后在仿真环境下对相关算法展开实验研究,同时研究了在高斯噪声环境下特征点在加油机表面的分布对位姿估计结果的影响,论文得到如下的结论:1、针对空中加油过程中无人机与加油机之间的相对姿态角变化较小的特点,在高斯噪声环境下,以单位矩阵作为旋转矩阵的初值得到的位姿估计的结果好于以线性算法为初值的结果。2、在相同的高斯噪声环境下,特征点之间的距离越大时得到的位姿估计结果的精度越高。3、特征点的数量对相对位姿估计的精度没有明显影响。     

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。     

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°。     

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。     

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。     

基于轴线投影精确模型的弯管立体视觉测量方法

利用立体视觉技术测量弯管轴线需精确计算弯管轴线在图像上的投影位置,现有方法将弯管图像轮廓中心线近似为空间轴线在像平面上的投影,这种近似计算存在误差。为获得弯管轴线的精确投影位置,提高三维测量精度,对弯管成像特征进行了深入研究。首先对弯管任意横截面建立透视投影模型,探索截面图像边缘点与空间轴线投影点间的几何关系,进而提出轴线上任意一点在像平面上投影位置的精确计算方法。采用双目视觉系统对某一航空管件进行重构测量。试验结果表明,相较于现有方法,采用本文方法计算轴线投影位置后,管件测量的重复性精度与前者相当,而测量精度平均提高14.5%。说明本文方法对轴线投影位置计算正确,可有效提高弯管轴线视觉测量精度。     

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。     

无人机空中对接中的视觉导航方法

无人机空中加油是一种能有效提升巡航里程及续航时长的技术手段,近距相对位置和姿态测量技术是其中需要解决的关键问题之一。针对该问题研究了无人机自主空中对接中的视觉导航方法,完成了近距对接的地面实验。首先,利用移动对接图标和无人机的GPS/INS信息进行无人机的粗略导航,完成会合;再充分利用视觉图标的颜色与形状信息,通过颜色分割选取目标可能区域,在这些区域中进行快速椭圆检测,针对椭圆检测算法存在误检测及边缘不重合的问题,提出了椭圆检测与轮廓检测相结合的方法,能够更准确地描述图标边缘;最后,利用改进的OI算法进行相对位姿的估计,实现近距的精确导航。实验结果表明,无人机在较高速度下的跟踪效果良好,采用的视觉导航方法能够满足空中对接中精度与实时性的要求。     

一种基于3D扫描的航天器跨舱对接波导组件位姿测量方法

提出了一种基于Handyscan 700和Geomagic Control的非接触式位姿测量方法。该方法采用手持式便携3D扫描设备Handyscan 700,具有测量速度快、测量精度高的优点。在波导组件位姿测量试验中,本方法解决了航天器跨舱波导组件位姿无法高效测量的难题,实现了跨舱波导组件舱内部分在舱板合舱前就可安装到位,降低了总装风险,提高了波导组件总装效率。     

视觉辅助的无人机自主空中加油建模与仿真

为准确获得插头锥套式空中加油过程中无人机与锥套的相对位姿信息,提出了机器视觉辅助的插头锥套式无人机自主空中加油仿真方案,开发了基于Open CV,Simulink及Vega Prime视景仿真技术的闭环仿真系统.研究了机器视觉识别跟踪锥套的图像处理算法,利用Kalman滤波算法估计无人机与锥套的相对位姿.仿真结果表明,机器视觉算法可以准确识别跟踪锥套,滤波器状态估计的收敛速度较快,无人机姿态角变化范围较小,保证了插头锥套式无人机自主空中加油的平稳安全对接.     

基于机器视觉的无接触快速尺寸测量方法

本文基于机器视觉技术提出了一种非接触式的零件尺寸快速测量方法。该方法同时可以做到以较快的速度和较低的成本对零件进行测量。经过大量实验测试,本文算法测量精度在±0.002mm以内,可以适用于大多数需要快速高精度测量工件的场合。     

无人机自动着陆中的机器视觉辅助技术

设计了一套辅助无人机自动着陆的机器视觉系统。该系统由机载硬件设备和用户开发软件共同组成,用以完成数字图像处理任务和无人机运动参数估计任务。系统传感器包括一个单目摄像机和机载惯性陀螺;数字图像处理使用的主要算法有图像的轮廓提取、角点检测和模版匹配。基于角点处各个方向上灰度差变化较大的特征,依据最小核值相似(SUSAN)算法和角点几何结构分析,提出一种改进的角点特征提取算法;根据任务开发的位置参数估计算法依据摄像机透视投影理论,运用摄像机成像标定方法导出了一种高精度的位置测量模型。通过计算机仿真表明,所提出的计算机视觉位置参数估计算法可以达到无人机着陆过程的精度要求。     

一种无人机载荷安装位姿测量系统的实现

描述了一种可以快速测量无人机载荷位姿的六自由度测量系统,可对无人机载荷位姿进行实时安装测量,用于保证所有载荷安装于预定位置。测量系统基于单目视觉测量原理,利用固定式多目标主动光学靶标将载荷的坐标系引出,系统软件可实时给出被测载荷的位姿。进行了一系列的试验用于验证测量能力。利用多齿分度台和位移台进行测量重复性试验。结果表明,角度测量重复性0.05°,位移测量重复性0.05mm。     

基于随机测量点的机翼精加工位姿计算方法

在机翼精加工过程中,需要对机翼的位姿进行计算,以指导其调整。通过对翼面水平测量原理的分析,提出一种基于随机测量点的机翼精加工位姿计算方法。首先,以翼面水平测量数据为基础,采用以最小二乘法为目标函数的迭代最近点算法,求解出测量点在翼面设计模型上的匹配点,形成位姿计算所需的2个点集。然后,运用Levenberg-Marquardt算法计算出这2个点集间的变换关系,实现位姿参数的求解。最后,为减少测量点误差对位姿计算的影响,给出了测量点精度补偿方法。仿真算例表明,该方法具有较高的计算精度,能够满足实际工程需求。     

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。     

无人机软管式自主空中加油视觉导航技术

近年来,机器视觉技术的迅速发展给无人机自主空中加油提供了一种新思路,克服了传统GPS动态适应能力差的不足。基于双目视觉,提出了一种实用的无人机自主空中加油导航方案,并提出了一种利用深度学习进行检测跟踪配合几何约束进行位姿计算的技术。根据加油机和受油机距离的不同,将导航分为远端导航和近端导航。全程对加油锥套进行检测和跟踪,并在近端进行锥套位姿计算。实验结果表明,该算法满足加油的鲁棒性要求,稳定跟踪锁定目标距离范围大于40m。当与目标距离小于10m时,距离误差优于±10cm。说明本文提出的方法具有较强的应用前景。