哈尔滨工业大学 电子与信息工程学院，黑龙江哈尔滨150001
为了准确地在特定三维真实环境中，通过单目相机获取的RGB图像来估计相机的六自由度位姿，本文结合已知的二维图像及三维点云信息，提出了基于稠密场景回归的多阶段相机位姿估计方法。首先，将深度图像信息与传统运动结构恢复（Structure From Motion， SFM）算法相结合，构建单目相机位姿估计数据集；其次，本文首次将深度图像检索引入2D-3D匹配点的构建当中，通过所提的位姿优化函数对位姿解算加以优化，提出多阶段相机位姿估计方法；最后为提升位姿估计的性能，将ResNet网络结构用于图像的稠密场景坐标回归，使得所提方法的位姿估计精度大幅度提升。实验结果表明：对于给定的位姿误差阈值5 cm/5°，在公开数据集7scenes下的位姿估计准确率均值为82.7%，在自建数据集下的准确率为94.8%。与现有的其他相机位姿估计算法相比，本文所提方法不论在自建数据集还是公开数据集下的位姿估计精度均有提升。
相机位姿估计 三维点云 特征匹配 场景回归 camera pose estimation point cloud feature matching scene regression 光学 精密工程
2022, 30(22): 2901
1 海军工程大学 电子工程学院, 武汉 430000
2 32382部队, 武汉 430000
在相机位姿估计任务中, 参考点位置的测量容易受测量仪器或者所处环境影响, 出现一定程度的测量误差, 其中误差较大的点对最终求解精度的影响很大, 被称为野值点。文章针对现有算法抗野值点能力较弱的问题, 提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础, 引入M估计方法, 对目标函数根据参考点的测量误差赋予相应大小的权值, 最大程度地将野值点的影响排除, 并引入Kronecker积对计算过程进行优化, 减少了迭代过程中的冗余计算, 提高运算速度。仿真实验结果表明, 改进后的算法提升了原算法的抗野值点能力, 且计算速度更快。
相机位姿估计 正交迭代算法 M估计方法 camera pose estimation orthogonal iterative algorithm M estimation method
桂林电子科技大学 认知无线电与信息处理省部共建教育部重点实验室, 广西 桂林 541004
在相机位姿估计算法的实际应用中, 由于2D像点与3D参考点的错误匹配, 参考点中往往含有异常值。针对现有算法抗异常值能力较弱的问题, 提出了一种基于正交迭代的二值加权算法。该算法在正交迭代算法的基础上, 引入包含两个阈值的加权系统来衡量参考点的可靠性。选取重投影误差的四分位数中的最大值作为阈值之一, 另外引入一个与重投影误差和焦距相关的阈值来加速异常值比例较低时的收敛速度。最终选取两阈值的最大值对目标函数进行二值加权, 降低了异常值对估计结果的影响。实验表明, 该方法提升了正交迭代算法的抗异常值能力, 具有较强的鲁棒性。
相机位姿估计 正交迭代 加权优化 camera pose estimation orthogonal iterative algorithm weighted optimization
1 河海大学物联网工程学院, 江苏 常州 213022
2 江苏省“世界水谷”与水世界生态文明协同创新中心, 江苏 南京 211100;
相机的位姿估计广泛应用于计算机视觉和机器人学等领域。针对相机位姿估计的稳定性与实时性,基于正交迭代算法,提出了一种考虑空间参考点不确定性的相机位姿估计算法。该算法的关键思想是在考虑摄像头畸变的情况下,根据参考点的位置特征获得相应权值,并利用加速正交迭代思想对迭代过程中的重复计算进行规整,最小化加权重投影物方残差函数获得相机位姿。模拟数据实验和真实图像实验表明,该算法计算精度更高,速度更快,时间复杂度较低。在空间参考点深度较大或者偏离摄像头光轴的情况下,该算法的时间复杂度和精度均优于现有的正交迭代算法,从而实现了相机位姿估计的实时性。
机器视觉 单目视觉 相机位姿估计 正交迭代 不确定参考点 最大似然估计 激光与光电子学进展
2019, 56(1): 011503
提出了一种结合物方残差和像方残差的加权迭代位姿计算方法。在高精度快速位姿估计算法(EPnP)的基础上,加入改进的自适应加权物方残差目标函数迭代算法来优化结果,并以迭代后的平均像方残差作为最小误差判决阈值来修正误差较大的参数。实验结果表明,所提方法可以极大地提高非冗余情况下EPnP算法中位姿参数的计算精度和稳健性。在参考点充足的情况下,维持了EPnP算法的高精度,具有较高的实用价值。
机器视觉 相机位姿估计 目标函数 物方残差 像方残差 加权 稳健性 激光与光电子学进展
2019, 56(4): 041503
中国人民解放军航天工程大学研究生院, 北京 101416
针对增量式运动结构恢复中相机内参数未标定情况下位姿估计问题,提出一种高精度的非迭代位姿求解方法。根据针孔成像模型,构建了相机内参数未标定位姿估计问题描述方程,使用单位四元数对旋转矩阵进行参数化,并根据四重轴对称现象对旋转矩阵进行分解,通过最小二乘原理构建目标函数后,利用一阶最优化条件建立了关于旋转矩阵参数的二元多项式方程组,使用Gr bner基求解该方程组得到旋转参数的闭合解,进而获得相机的位姿参数和焦距。该算法的计算复杂度为O(n),实验验证了其有效性、高精度和高数值稳定性。
机器视觉 相机位姿估计 非迭代方法 旋转矩阵参数化 多项式方程组
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 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
为了实现高精度的基于直线段对应的相机位姿估计，提出一种直接最小二乘法。通过提出并利用一种直线段之间的距离测度，将原问题转化为最小化一个姿态旋转矩阵的二次目标函数，该距离测度综合考虑了线段的端点距离、中点距离、夹角和线段的长度，通过旋转矩阵的CGR 参数表达获得一个修正的目标函数，此修正目标函数的最优解条件组成了一个三元三次方程组，利用代数多项式方法在不需要迭代的情况下直接求解这个方程组，从而得到了旋转矩阵的全局最优解。该算法的计算复杂度为O(n)。仿真和真实实验验证了该方法的有效性和高精度。
机器视觉 相机位姿估计 直线段对应 多项式方程组 全局最优解
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
