位姿估计是机器视觉中的重要问题，传统正交迭代位姿估计算法迭代速度较慢，选用弱透视变换为初值点进行迭代且计算结果容易陷入局部最优解。针对此情况，提出一种改进的正交迭代位姿估计算法。通过克罗内克积对物方残差目标函数进行优化，在保证迭代精度的前提下，降低正交迭代的复杂度，提高算法计算速度；利用加权的思想，求得图像上参考点与重投影点距离差值，对像方残差赋予不同的权重，降低误差点对计算结果的影响。仿真实验与真实实验表明，与传统正交迭代法以及线性位姿估计算法相比，该算法有效地提高了计算精度、加快了计算速度，并且全局收敛，具有较高的实用性。
机器视觉 位姿估计 正交迭代 加权迭代 全局收敛 激光与光电子学进展
2022, 59(18): 1815019
光子学报
2021, 50(11): 1112003
1 北京空间机电研究所, 北京 100094
2 中国航天科技集团有限公司航天进入减速与着陆技术实验室, 北京 100094
针对大多数测量实施试验中测量条件的局限性,提出一种基于双相机联合无同名点的双目视觉运动参数测量方法,采用该方法计算位姿初值并采用全局正交迭代算法优化初值。该测量方法在实现过程中不需要同名点参与,只需要两台相机的视场内有6个以上的目标合作标志点,就可得到验证器在运动过程中的位置和姿态等参数。对航天器悬停、避障和着陆阶段进行试验,将该测量方法与同一工况试验下基于同名点的双目位姿测量方法、基于正交迭代的单目位姿测量方法获取的结果和全站仪打点获得的默认真值进行对比,得到姿态测量误差小于0.5°,位置测量误差小于0.01 m。
成像系统 摄影测量 非同名点 双目视觉测量 全局正交迭代 位姿测量
1 中国酒泉卫星发射中心, 甘肃 酒泉 732750
2 国防科技大学空天科学学院, 湖南 长沙 410073
单目位姿估计是计算机视觉中一个基础而重要的问题,在机器人定位、虚拟现实、图像精密测量等领域应用广泛。在实际应用中,参考点坐标不可避免地含有粗差点,导致估计结果偏离真值,为此,提出自适应加权的稳健正交迭代算法。该算法采用稳健估计方法自动识别粗差点,并赋予其较小权值,以提高算法的稳健性。实验结果表明,稳健正交迭代算法求解精度高、稳健性好,可有效抑制不同个数、不同水平的粗差影响。当20个观测点中存在8个水平为60 pixel的粗差点时,本文解算精度分别比经典正交迭代算法和加权正交迭代算法高2个和1个数量级。
机器视觉 位姿估计 稳健正交迭代 粗差
大连理工大学机械工程学院, 辽宁 大连 116024
针对未知特征点匹配关系下的单目相机位姿估计问题, 提出了一种基于软指派算法的相机位姿估计算法。结合了正交迭代算法和软指派算法, 以三维(3D)和二维(2D)特征点的物方空间共线性误差作为确定特征点之间匹配关系的指派依据和计算相机位姿的目标函数值, 通过迭代方式确定特征点的匹配关系和相机的位姿。其不仅能处理3D/2D特征点一一对应的情况, 而且能够处理同时存在遮挡的3D特征点和错误的2D特征点的情况。合成图像的实验结果表明：在含有图像噪声、遮挡的3D特征点和错误的2D特征点情况下, 该算法的成功率＞82%, 真实图像实验对算法的性能进行了验证。
机器视觉 位姿估计 正交迭代算法 指派算法 激光与光电子学进展
2018, 55(9): 091501
哈尔滨工业大学电气工程及自动化学院, 黑龙江 哈尔滨 150001
为了解决三线阵CCD空间目标位姿测量的精度问题,提出一种高精度位姿解算方法。该算法将所有线阵CCD相机的坐标系进行统一化处理。通过建立一个新的误差评价函数,运用改进的正交迭代算法求解位姿参数,并进行非线性优化。仿真和实际测量结果表明,该算法有效避免了因数据恶化或初值选取等因素造成的不收敛或收敛差的问题。与传统算法相比,该算法测量精度和抗噪特性均得到有效改善,计算效率提高了4.6倍,实际测量的6个自由度的最大相对误差为0.71%。该测量系统可实现对空间目标的高精度实时测量,且具有安装方便、应用范围广等优点。
机器视觉 正交迭代算法 位姿解算 线阵CCD 空间目标
1 中国空气动力研究与发展中心高速空气动力研究所, 四川 绵阳 621000
2 西南科技大学信息工程学院, 四川 绵阳 621000
在相机位姿估计的实际应用中,参考点的坐标数据不可避免地包含了测量误差,其量值大小通常不会完全一致,如果不区别测量误差直接进行相机位姿估计,将可能导致估计结果与真值相差甚远。为此,在广泛应用的正交迭代算法基础上,提出了相机位姿估计的加权正交迭代算法,该方法以加权共线误差为目标函数,根据像面重投影误差确定权重系数取值,优化相机位姿估计结果,具有精度高、稳健性好等优点,且满足全局收敛条件。数值仿真实验与风洞迎角实验的结果表明,本文算法更加有效,能够抑制不同程度测量误差对相机位姿估计结果的影响,所得结果明显优于正交迭代算法,具有较强的工程实用价值。
机器视觉 相机位姿估计 加权正交迭代 全局收敛
1 光电控制技术重点实验室，河南 洛阳 471000
2 中国航空工业集团公司洛阳电光设备研究所，河南 洛阳 471000
3 中国航空工业集团公司洛阳电光设备研究所，河南洛阳471000
针对视觉式头部姿态跟踪数据带有时变噪声的问题, 设计了一种基于数据融合的座舱头部姿态跟踪方法。其根据空间点与图像点的对应关系, 先利用正交迭代算法求解PNP问题, 然后应用Sage-Husa自适应滤波代替EKF解决时变噪声的问题, 最后使用线性加权的航迹融合算法对Outside-in跟踪和Inside-out跟踪输出的头部姿态进行数据融合来获取精度更加稳定的头部姿态。利用经验数据做了一系列的仿真, 结果显示该系统的跟踪精度有很大提高并且稳定可靠。
姿态跟踪 正交迭代 Sage-Husa自适应滤波 数据融合 头盔显示器 head posture tracking orthogonal iteration Sage-Husa adaptive filtering data fusion helmet?mounted display
1 国防科学技术大学航天科学与工程学院, 湖南 长沙 410073
2 国防科学技术大学图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
面对需要实时计算的相机位姿估计问题，针对经典的广泛应用的正交迭代算法，提出了一种加速正交迭代算法。其关键思想是将每一次迭代过程规整化，从而提炼出每一次迭代的重复计算，若将此重复计算在迭代开始前提前计算，则可以大幅度的减少迭代过程中的计算量，使得每一次迭代的计算复杂度从O(n)降低为O(1)。因此，可以在更短的时间内迭代更多的次数，从而获得更高的精度。进行了对比实验，结果显示本加速算法计算精度更高，速度更快。并通过实验提出了选择稳健n 点透视(RPnP)计算初值，再使用加速正交迭代算法进行迭代运算的方法，在控制点不多的情况下，是一种精度接近最大似然估计，计算速度最快的算法。
机器视觉 相机位姿估计 加速正交迭代 计算复杂度 最大似然估计
南京航空航天大学航天学院, 江苏 南京 210016
根据无人机自主着舰要求，设计了一种辅助的特征图案。利用Harris算法进行角点检测，获得了特征点在图像坐标系下的坐标，然后对应得到它的世界坐标系坐标。通过正交迭代的算法估计出无人机的姿态。在自行开发的以数字信号处理机为核心的视觉估计系统平台上对上述算法进行了实验，并进行了半物理仿真。仿真结果表明，该算法具有较快的计算速度和较高的估计精度，对实际应用具有一定参考价值。
机器视觉 自主着陆 姿态估计 正交迭代 计算机视觉 中国激光
2014, 41(s1): s109002
