针对现有位姿估计算法对采样数据不做任何的统计假设, 缺少评判标准等问题, 从信号的概率密度函数出发, 推导了基于机器视觉的最大似然位姿估计的一般形式, 并证明利用单幅图像时, 在各向同性高斯噪声情况下传统迭代算法与最大似然估计等效。推导了位姿估计的克拉美-罗界, 给出了位姿估计的方差下限。根据仿真结果可以看出, 利用10张图像时, 最大似然算法在噪声功率大于5 dB的情况下, 性能明显优于传统迭代算法, 证明适当增加图像数可有效提高估计性能。
机器视觉 位姿估计 最大似然估计 克拉美-罗界 machine vision pose estimation maximum likelihood estimation Cramér-Rao bound