基于标志点识别的三维位姿测量方法
基于标志点识别的三维位姿测量方法
ｏ ｊｃ ｗ ｓ ｅｃｉ ｄ ｏ ａ ｃ ｏ ｉ ｔ ｓｓ ｍ ｏ ｔ ｏ ｉｇｏｊｃ ｗ ｓｄ ｆ ｅ ｙ Ｌ Ｄ ｍ ｒｉｇｐ ｉ ｓ ｙｃ ｌ ｌｔ ｇ３ ｂｅｔ ａ ｓ ｒ ｅ ．Ｌ ｃ ｌ ｏ ｒ ｎ ｅ ｙ ｔ ｆ ｈ ｍ ｖ ｂ ｔ ａ ｅ ｎｄ ｂ Ｅ ａｋ —ｏｎ ．Ｂ ａ ｕａ ｎ Ｄ ｄ ｂ ｄ ａ ｅ ｅ ｎ ｅ ｉ ｎ ｔ ｃ ｉ ｐ ｓ ｉｎｏ ｅ ｃ Ｅ ，３ ｏｉｏ ｎ ｔｔ ｅ ｐ ｒｍ ｔ ｓ ｏ ｈ ｖｎ ｂｅ ｔｃ ｎ ｂ ａ ｕａ ｄ ｔｔｅ ｓ ｍ ｉ ｅ ｏ ｉｏ ｆ ａ ｈ Ｌ Ｄ Ｄ ｐ ｓ ｉ ａ ｄ ａ ｉ ｄ ａ ｅｅ ｆｔｅ ｍｏ ｉ ｏ ｊｃ ａ ｅ ｃ ｌ ｌ ｅ ．Ａ ｈ ａ ｅ ｔｌ ， ｔ ｔｎ ｔｕ ａ ｒ ｇ ｃ ｔ ｌ ｌ
性 的要 求 。 关 键 词 ： 维位 姿 测 量 ； 体 匹配 ； 三 立 立体 视 觉
中 图分 类 号 ： Ｐ４ ． ２ Ｔ ３ ｌ Ｔ ２ ２６ ；Ｐ ９
确定目标物体位姿的方法
确定目标物体位姿的方法确定目标物体位姿的方法随着机器人技术的发展，将机器人应用到生产、服务等领域中的需求越来越大，在其中一个关键方面，就是确定目标物体位姿。
通过确定物体的位置和方向，机器人可以更加准确地执行任务。
本文将介绍目标物体位姿的三种方法：基于视觉、基于激光和机械臂与传感器。
一、基于视觉的方法基于视觉的方法主要是利用相机进行图像采集和处理，从中提取出目标物体位置和方向。
这种方法的主要流程包括：采集图像、对图像进行处理、提取物体特征、计算位姿等。
1. 采集图像：视觉系统采集目标物体的图像，一般需要至少两张图像才能确定其位姿。
2. 对图像进行处理：对采集的图像进行处理，主要包括灰度化、边缘检测、轮廓提取等。
3. 提取物体特征：从图像中提取出目标物体的特征，如角点、边缘等。
4. 计算位姿：利用提取出的物体特征，计算出目标物体的位姿，确定其位置和方向。
二、基于激光的方法基于激光的方法主要是利用激光测距仪扫描目标物体，得到其位置和方向。
这种方法的主要流程包括：扫描目标物体、处理激光数据、计算位姿等。
1. 扫描目标物体：激光测距仪扫描目标物体，得到其轮廓信息。
2. 处理激光数据：将激光数据转换成点云数据，并进行滤波、配准等处理，提取出目标物体的点云信息。
3. 计算位姿：利用点云信息计算出目标物体的位姿，确定其位置和方向。
三、机械臂与传感器相结合的方法机械臂与传感器相结合的方法主要是利用机械臂移动传感器扫描目标物体，得到其位置和方向。
这种方法的主要流程包括：机械臂移动传感器、处理传感器数据、计算位姿等。
1. 机械臂移动传感器：机械臂移动传感器扫描目标物体，得到其轮廓信息。
2. 处理传感器数据：将传感器数据转换成点云数据，并进行滤波、配准等处理，提取出目标物体的点云信息。
3. 计算位姿：利用点云信息计算出目标物体的位姿，确定其位置和方向。
综上所述，确定目标物体位姿的方法有基于视觉、基于激光和机械臂与传感器相结合的方法。
一种基于标志点位置信息的相对位姿计算方法
一种基于标志点位置信息的相对位姿计算方法作者：张仟雨来源：《电子技术与软件工程》2017年第20期摘要针对实际应用中求解物体间相对位姿的问题，提出了一种基于标志点位置信息的相对位姿计算方法。
仿真结果表明，所提算法能够获得物体间精确的相对位姿。
【关键词】标志点相对位置相对姿态在实际应用或工程实践中，经常会遇到求解两个或多个运动体间的相对位置、相对姿态（以下简称相对位姿）的问题，尤其是要求获得位于物体内部、无法直接进行测量的几何中心的相对位姿等应用场合。
基于上述需求，本文建立了物体几何测量中心随运动体运动的测量模型，并提出了一种适用于物体几何测量中心间相对位姿测量的计算方法。
1 问题描述如图1所示，在参考单元上建立参考坐标系R（O-XYZ），在运动单元上建立运动坐标系S（o-B1B2B3），并且可以实时获得运动单元表面各点在R系的精确位置坐标，需要计算O-o 间的相对位姿。
由于O和o均位于物体内部，传统的方法无法进行直接测量；同时由于位置和姿态的耦合关系，利用运动单元上标志点的空间位置坐标，也无法直接提供所需的姿态信息。
在现有条件下，可以准确测得运动单元上的标志点在R系中的实时空间三维位置坐标，同时还有标志点与运动单元内部测量点之间距离的先验信息。
如何根据上述数据，快速、准确地获得物体间的相对位姿，是本文所需解决的问题。
2 相对位姿求解相对位姿的求解包含两方面：一是如何获得待测点在R系中的实时空间三维位置坐标，二是如何获得运动单元相对参考单元的位姿。
这里认为运动单元和参考单元均是刚体，在运动过程中本身无形变。
针对问题一，由于现有技术手段仅能测得运动单元表面标志点的实时空间三维位置坐标，因此考虑在运动单元表面布设不共面的3个标志点，通过多球面相交测量原理实现对待测点的三维定位，如图2所示，具体计算步骤如下：2.1 计算标志点与待测点的距离，这里距离是已知的先验知识在得到待测点位置增量的基础上，即可得到待测点的三维位置坐标，进一步可获得所需的相对位置信息。
三个点姿态计算方法
三个点姿态计算方法
一、点姿态的测量方法
1.张氏点姿态测量方法
张氏点姿态测量方法是一种经典的测量方法，早在20世纪50年代就被提出。
根据张氏点姿态测量方法，可以使用一个标定物来模拟空间上的一个点。
首先，需要将标定物放置到空间点的位置，然后对标定物进行三维测量，可以得到准确的姿态坐标。
另外，张氏点姿态测量方法也需要采用测量仪器。
使用测量仪器可以精确测量出空间点各个坐标，包括x、y、z三轴坐标，半径角r、偏转角φ、仰角θ，以及其他重要坐标，从而准确计算出空间点的姿态坐标。
2.三点定向测量方法
三点定向测量方法是一种相对复杂的测量方法。
它主要依靠三个测量点的坐标信息来确定空间点的姿态坐标。
首先，对三个测量点进行精确的测量，得出它们的坐标信息。
其次，根据三个测量点的坐标信息，计算出空间点的姿态坐标。
最后，进行迭代计算，进一步优化空间点的姿态坐标。
3.仿射变换法
仿射变换法主要用于变换两组坐标，以使其之间的关系保持一致。
它可以用来测量空间点的姿态坐标，以及其他坐标信息。
首先，根据仿射变换模型，对两组坐标进行仿射变换，从而求出变换矩阵。
其次，根据变换矩阵，计算出空间点的姿态坐标。
基于标志点识别的三维位姿测量方法
收稿日期:2008-05-05;修回日期:2008-07-05。
作者简介:阮利锋(1982-),男,浙江慈溪人,硕士研究生,主要研究方向:计算机视觉、智能信息处理; 王赓(1970-),男,陕西洋县人,讲师,博士研究生,主要研究方向:嵌入式系统、人工智能; 盛焕烨(1943-),男,浙江慈溪人,教授,博士生导师,CCF 会员,主要研究方向:智能信息系统、计算金融、现代物流。
文章编号:1001-9081(2008)11-2856-03基于标志点识别的三维位姿测量方法阮利锋,王 赓,盛焕烨(上海交通大学计算机科学与工程系,上海200240)(shar p@sjtu .edu .cn )摘 要:提出一种基于双目视觉原理测量运动目标三维位姿参数的新方法。
采用LE D 作为标志点来定义运动目标局部坐标系,通过双目视觉方法计算各LE D 的全局坐标,进而得出运动目标的三维位姿参数。
同时根据实验环境的特殊性,提出一种基于优先级的外极线斜率约束匹配算法。
实验结果表明该测量方法简单高效,满足精度和实时性的要求。
关键词:三维位姿测量;立体匹配;立体视觉中图分类号:TP242.6+2;TP391 文献标志码:A3D positi on and a ttitude m ea sure m en t ba sed on mark i n g 2po i n ts recogn iti onRUAN L i 2feng,WANG Geng,SHE NG Huan 2ye(D epart m ent of Co m puter Science and Engineering,Shanghai J iaotong U niversity,Shanghai 200240,China )Abstract:A ne w method based on binocular visual theory t o measure 3D positi on and attitude para meters of a moving object was described .Local coordinate syste m of the moving object was defined by LE D marking 2points .By calculating 3D positi on of each LE D,3D positi on and attitude para meters of the moving object can be calculated .A t the sa me ti m e,according t o the particularity of envir on ment,an algorith m called constraint of ep i polar 2sl ope match based on p ri ority was p resented .Experi m ental results show this method is si m p le and efficient,and satisfies the require ments of p recisi on and real ti m e .Key words:3D positi on and attitude measure ment;stereo matching;stereo visi on0 引言具有自主飞行能力的小型无人直升机,可用于执行航拍、勘测、自主侦察等任务,具有重要的军事、民用和科学研究价值。
目标位姿测量中的三维视觉方法
目标位姿测量中的三维视觉方法郝颖明;朱枫;欧锦军【期刊名称】《中国图象图形学报》【年(卷),期】2002(007)012【摘要】要测量出一组特征点分别在两个空间坐标系下的坐标,就可以求解两个空间目标间的位姿关系.实现上述目标位姿测量方法的前提条件是要保证该组特征点在不同坐标系下,其位置关系相同,但计算误差的存在却破坏了这种固定的位置关系.为此,提出了两种基于模型的三维视觉方法--基于模型的单目视觉和基于模型的双目视觉,前者从视觉计算的物理意义入手,通过简单的约束迭代求解实现模型约束;后者则将简单的约束最小二乘法和基于模型的单目视觉方法融合在一起来实现模型约束.引入模型约束后,单目视觉方法可以达到很高的测量精度.而基于模型的双目视觉较传统的无模型立体视觉方法位移精度提高有限,但姿态精度提高很多.【总页数】5页(P1247-1251)【作者】郝颖明;朱枫;欧锦军【作者单位】中国科学院沈阳自动化研究所,中国科学院机器人学开放研究实验室,沈阳,110016;中国科学院沈阳自动化研究所,中国科学院机器人学开放研究实验室,沈阳,110016;中国科学院沈阳自动化研究所,中国科学院机器人学开放研究实验室,沈阳,110016【正文语种】中文【中图分类】TP274.5;TP242.6【相关文献】1.非合作大目标位姿测量的线结构光视觉方法 [J], 高学海;梁斌;潘乐;徐文福2.单目视觉三维运动位姿测量方法研究 [J], 袁媛; 刘柯; 孙增玉; 高越; 刘华3.非合作目标视觉位姿测量与地面验证方法 [J], 林婷婷; 江晟; 李荣华; 葛研军; 周颖4.基于视觉的非合作空间目标三维姿态估计方法 [J], 任笑圆;蒋李兵;钟卫军;王壮5.基于TOF相机的非合作矩形目标三维位姿测量方法 [J], 闫小盼;敖磊;杨新因版权原因，仅展示原文概要，查看原文内容请购买。
基于实时三线标定的车辆视觉定位方法
基于实时三线标定的车辆视觉定位方法李玉婷;胡钊政;黄刚;刘国忠【摘要】车辆在行驶过程中车路状况复杂多变,车载摄像机外参数会发生较大的变化,针对采用传统的基于预先标定外参数的方法进行车辆位姿计算会带来较大误差的问题,研究了一种基于实时三线标定的车辆视觉定位方法.基于三线标定法实时标定车载摄像机外参数,降低了其受到车辆震荡和路面环境的影响.然后利用外参数的实时标定结果,结合射影几何和消失点原理对车辆进行位姿计算,获取车道偏离距离和车辆偏转角度信息,从而实现对车辆的定位.通过在不同的路段架设不同高度的车载摄像机进行真实道路实验,计算车辆的位姿.结果表明,在不同路况下,车辆偏离车道线距离的平均误差为7.3cm,偏转角度平均误差为1.5°.该算法通过实时标定车载摄像机外参数,可以有效提高车辆位姿计算的精准性与适应性,对车载摄像机外参数的标定性能明显优于传统的预先标定法.【期刊名称】《交通信息与安全》【年(卷),期】2018(036)003【总页数】7页(P41-47)【关键词】智能交通;车辆定位;三线标定法;车道偏离距离;车辆偏转角度【作者】李玉婷;胡钊政;黄刚;刘国忠【作者单位】河北工业大学电子与信息工程学院天津300401;武汉理工大学智能交通系统研究中心武汉 430063;武汉理工大学智能交通系统研究中心武汉430063;河北工业大学电子与信息工程学院天津300401【正文语种】中文【中图分类】U4950 引言随着智能交通技术的飞速发展，汽车驾驶正逐步走向辅助化，而对车辆的精确定位是实现辅助驾驶的关键技术之一[1]。
车辆在行驶中对其定位也就是对车辆位姿的计算，车辆位姿对车道保持[2-5]和自动换道[6-7]方面有重大意义。
传统方法中车辆的定位信息大多由雷达、红外传感器、GNSS/IMU等高精度传感器获取[8]，成本较高，不利于车辆定位技术的推广。
王楠等[9]提出了基于视觉传感器的ADAS纵向行驶工况识别方法，将车辆跟踪测距与车道线跟踪检测方法相结合以此来对车辆纵向行驶的工况进行识别。
三维点云中物体抓取位姿检测方法[发明专利]
![三维点云中物体抓取位姿检测方法[发明专利]](https://img.taocdn.com/s3/m/b8618f1dfab069dc502201f3.png)
专利名称：三维点云中物体抓取位姿检测方法专利类型：发明专利
发明人：王晨曦,方浩树,苟铭浩,卢策吾
申请号：CN202010390619.3
申请日：20200511
公开号：CN111652928A
公开日：
20200911
专利内容由知识产权出版社提供
摘要：一种三维点云中物体抓取位姿检测方法，通过整理样本图像中的物体抓取位姿作为训练集，对端到端物体抓取位姿检测模型进行训练，再对待测的三维点云数据进行识别，得到候选抓取位姿分数从而实现物体抓取位姿检测。
本发明通过端到端的全场景训练测试，将点云中整体与局部的特征关系紧密联系起来，在优化运行速度的同时提高了检测准确程度。
申请人：上海交通大学
地址：200240 上海市闵行区东川路800号
国籍：CN
代理机构：上海交达专利事务所
更多信息请下载全文后查看。
基于标志点的手部3D姿态估计技术研究
基于标志点的手部3D姿态估计技术研究近年来，随着人工智能技术的不断发展和应用，基于标志点的手部3D姿态估计技术也逐渐成为了研究的热点之一。
该技术通过使用深度学习算法和计算机视觉技术，能够对手部动作进行精准的三维姿态重构和预测，为许多领域如虚拟现实、手势识别、机器人控制等提供了技术支持。
一、技术原理基于标志点的手部3D姿态估计技术是一种通过使用标志点来标记手部骨骼和肌肉，从而进行手部姿态估计的技术。
具体来说，该技术通过摄像头采集手部的深度图像，然后利用计算机视觉的方法，对手部的标志点进行跟踪和识别，并且根据标志点之间的相对位置进行三维姿态重建。
将手部三维姿态估计与深度学习结合，可以进一步提高其准确性和稳定性。
当前，基于卷积神经网络的方法已经被广泛应用于手部3D姿态估计中。
其优点是可以自动提取特征并且具有较好的泛化性能，能够有效地解决传统方法中的一些问题，如手部姿态的复杂度和多样性等。
二、技术应用基于标志点的手部3D姿态估计技术在视觉和交互应用方面表现出了广泛的应用潜力。
例如在虚拟现实领域中，该技术可以为用户提供更加自然的手势控制方式，从而实现更加真实的虚拟体验。
另外，在医学领域中，该技术还可以用于恢复手部运动功能，帮助残疾或受伤患者康复，提高其生活质量。
此外，基于标志点的手部3D姿态估计技术还具有广泛的商业应用潜力。
目前，一些企业已经开始研发和应用这种技术，例如亚马逊的Echo Look智能摄像头可以利用该技术实现人体姿态估计，帮助用户搭配穿衣，提高购物体验。
三、技术挑战与技术应用相比，基于标志点的手部3D姿态估计技术的发展和应用仍然面临许多挑战。
其中一个主要挑战是提高姿态识别的准确性和稳定性。
由于手部姿态具有复杂的多样性，加上噪声、遮挡等情况的影响，导致姿态估计的精度和鲁棒性都还有待提高。
另外，数据集的限制也是影响该技术发展的因素之一。
目前，公开数据集中手部3D姿态数据的规模和多样性还不足够大，难以覆盖所有手部动作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:2008-05-05;修回日期:2008-07-05。
作者简介:阮利锋(1982-),男,浙江慈溪人,硕士研究生,主要研究方向:计算机视觉、智能信息处理; 王赓(1970-),男,陕西洋县人,讲师,博士研究生,主要研究方向:嵌入式系统、人工智能; 盛焕烨(1943-),男,浙江慈溪人,教授,博士生导师,CCF 会员,主要研究方向:智能信息系统、计算金融、现代物流。
文章编号:1001-9081(2008)11-2856-03基于标志点识别的三维位姿测量方法阮利锋,王 赓,盛焕烨(上海交通大学计算机科学与工程系,上海200240)(shar p@sjtu .edu .cn )摘 要:提出一种基于双目视觉原理测量运动目标三维位姿参数的新方法。
采用LE D 作为标志点来定义运动目标局部坐标系,通过双目视觉方法计算各LE D 的全局坐标,进而得出运动目标的三维位姿参数。
同时根据实验环境的特殊性,提出一种基于优先级的外极线斜率约束匹配算法。
实验结果表明该测量方法简单高效,满足精度和实时性的要求。
关键词:三维位姿测量;立体匹配;立体视觉中图分类号:TP242.6+2;TP391 文献标志码:A3D positi on and a ttitude m ea sure m en t ba sed on mark i n g 2po i n ts recogn iti onRUAN L i 2feng,WANG Geng,SHE NG Huan 2ye(D epart m ent of Co m puter Science and Engineering,Shanghai J iaotong U niversity,Shanghai 200240,China )Abstract:A ne w method based on binocular visual theory t o measure 3D positi on and attitude para meters of a moving object was described .Local coordinate syste m of the moving object was defined by LE D marking 2points .By calculating 3D positi on of each LE D,3D positi on and attitude para meters of the moving object can be calculated .A t the sa me ti m e,according t o the particularity of envir on ment,an algorith m called constraint of ep i polar 2sl ope match based on p ri ority was p resented .Experi m ental results show this method is si m p le and efficient,and satisfies the require ments of p recisi on and real ti m e .Key words:3D positi on and attitude measure ment;stereo matching;stereo visi on0 引言具有自主飞行能力的小型无人直升机,可用于执行航拍、勘测、自主侦察等任务,具有重要的军事、民用和科学研究价值。
无人直升机进行自主飞行控制需要实时感知自身的位姿参数信息,作为反馈参数提供给自主飞行控制算法。
目前已有多种不同用途的位姿参数传感设备,包括全球定位系统(Gl obal Positi oning Syste m,GPS )、三维陀螺、电子罗盘、动态航姿仪等。
但像GPS 等某些设备由于不适用于室内环境,而无法用于构建室内试验平台。
而基于计算机视觉的位姿测量方法能够适用于室内环境,文献[1-3]提出了多种针对不同应用需求的计算机视觉位姿测量方法。
为了构建室内小型无人直升机自主飞行控制试验平台,便于进行直升机动力学模型及自主飞行控制算法相关的研究工作,本文提出了一种基于标志点识别的三维位姿测量方法。
该方法以双目视觉原理为基础,同时结合实际应用需求,达到了对运动目标的三维位姿参数进行实时、高精度测量的目的。
1 标志点跟踪识别1.1 标志点识别本文采用白色发光二极管(L ight E m itting D i ode,LE D )作为运动目标的标志点,如图1(a )所示。
为了能够从摄像机捕获的图像中识别标志点,首先需要一种图像二值划分方法,使的标志点成像能够从原始图像中分割出来。
目前已有多种进行图像分割的成熟算法[4]。
但本文中作为标志点的白色LE D 成像的像素点灰度值相对于环境成像的像素点灰度值来说要大得多,因此可以简单地设定一个灰度阈值,来达到对原始图像进行二值划分的目的,如图1(b )所示。
标志点的识别是整个系统中最耗时的部分,为了达到系统对实时性的要求,并不预先对原始图像进行整体二值划分,而只是在搜索过程中判别某些像素点是否为标志点成像中的像素点。
标志点识别是在以该标志点的预测图像坐标为中心的一个矩形范围内进行的,且该矩形范围可动态调整,如图1(c )所示。
标志点成像是一系列连续像素点所形成的一个近似圆形的小区域范围。
因此在定位标志点成像区域时,无须对所有像素点进行连续性搜索,而只须进行间隔性搜索。
如图1(d )所示,只需对交叉点上的像素点进行判别。
定位过程是以矩形的中心为起点,向四周进行扩散。
应用上述策略,可有效地提高标志点成像区域的定位效率。
当定位到标志点的成像区域时,为了提高标志点的识别精度,需改用连续性搜索的方式来定位标志点成像区域的四个边界(上下、左右)。
而标志点成像区域的四个边界的中心则认为是该标志点的图像坐标。
此外,为了防止由于环境中离散亮点的干扰而造成标志点的错误识别,需要对定位后的四个边界进行判别,判断其所围成的区域是否符合标志点成像区域的形状特征。
1.2 标志点跟踪运动目标是连续运动的,其运动速度较小且不易发生突变。
同时实验中摄像机的采样频率较高,达到20Hz 。
因此同一标志点在连续两次识别过程中所处的图像坐标之间的差距较小。
由此,根据标志点的历史运动轨迹信息,可以实现标志点图像坐标的预测性跟踪。
本文以标志点的当前识别坐标为第28卷第11期2008年11月计算机应用Computer App licati onsVol .28No .11Nov .2008前一次识别坐标和下一次预测坐标的中心为预测方法,预测标志点的图像坐标。
实验表明,该方法能够有效地提高标志点的识别效率。
此外,标志点在遇到物理遮挡或超出搜索范围等不确定情况时,可能导致该标志点跟踪丢失。
此时应适当地增大搜索范围,以便重新识别该标志点。
而较大的搜索范围又会导致识别效率的降低。
因此,本文采用了动态的标志点搜索范围,以当前搜索结果来动态调整后续搜索范围,既保证了标志点的有效识别,又提高了标志点的识别效率。
图1 标识点跟踪识别2 标志点三维坐标求解2.1 摄像机模型本文采用常用的针孔模型来描述摄像机成像模型[5]。
在该模型中,定义了如图2所示的坐标系统,其中包括全局坐标系W (X w ,Y w ,Z w )、摄像机坐标系C (X c ,Y c ,Z c )、像平面坐标系P (X p ,Y p )和图像坐标系I (U,V )。
图2 摄像机模型坐标系统由该模型,可得不同坐标系下点坐标之间的转换关系。
1)点P 在摄像机坐标系下坐标P c 与其成像点Q 在图像坐标系下坐标P i 之间的投影关系可由式(1)表示:Z c P i =1d x 0u 001d y v001f 0000f 000010P c =M 1P c(1)其中:d x 、d y 为像素的物理尺寸;u 0、v 0为点O p 在图像坐标系下的坐标;f 为焦距;Z c 为焦点到像平面的距离。
M 1为摄像机内部参数矩阵,只与摄像机内部结构有关。
2)点P 在全局坐标系下坐标P w 和摄像机坐标系下坐标P c 之间的转换关系可由式(2)表示:P c =Rt01P w =M 2P w (2)其中:R 、t 分别为旋转矩阵和平移矩阵。
M 2为摄像机外部参数矩阵,由摄像机位姿状态决定。
摄像机内外部参数矩阵由摄像机标定获得。
目前已有多种摄像机标定方法[6],在此不作讨论。
2.2 基于优先级的外极线斜率约束匹配算法本文所采用的标志点是无差别的白色LE D,因此仅根据识别后的标志点图像坐标,无法对同一LE D 标志点在不同摄像机上的成像进行配对。
而特征点匹配则是结合其他信息来实现上述目的,目前已有多种特征点匹配算法[7-9]。
但在本文中,标志点个数是恒定的,且任意两个标志点之间的距离相对较大。
鉴于该特殊环境条件,本文提出了一种基于优先级的外极线斜率约束匹配算法,但该算法并不适用于一般意义上的特征点匹配。
由几何关系可知,点P 在摄像机2上的成像点P 2必在平面PO 1O 2与摄像机2成像面的交线上。
该交线称为点P 2的外极线,而该约束称为外极线约束[5]。
同理可知,点P 在摄像机1上的成像点P1在摄像机2上的投影点Q 也在该外极线上,如图3(a )所示。
结合这些几何约束关系,便可实现标志点匹配的目的。
图3 标志点匹配标志点识别过程中获得的是标志点图像坐标。
根据式(1),可得成像点P 1、P 2在各自摄像机坐标系下的坐标,如式(3)所示:P 11=(M 11)-1Z 1C P 1i P 22=(M 21)-1Z 2C P 2i(3)根据式(2),可得成像点P 1在摄像机2坐标系下的坐标,如式(4)所示:P 21=M 22(M 12)-1P 11(4)继而可得成像点P 1在摄像机2上的投影点Q 在摄像机2坐标系下的坐标,如式(5)所示:Q =Z 2C [P 21(1)/P 21(3)P 21(2)/P 21(3)1](5)同理,可得摄像机1的光心O 1在摄像机2上的投影点E在摄像机2坐标系下的坐标。
至此,即可得出直线EQ 、EP 2的斜率k 1、k 2。
由外极线约束可知,若点P 1、P 2为同一LED 标志点的成像点,则必有k 1=k 2。
但实际上,由于图像噪声、标志点识别误差等因素的影响,k 1和k 2并不恰恰相等,即直线EQ 、EP 2之间存在一个夹角。
该夹角正切值的绝对值可由式(6)计算如下:K =(k 1-k 2)/(1+k 1・k 2)(6)参数K 在本文中称为匹配系数,标志着不同摄像机中的7582第11期阮利锋等:基于标志点识别的三维位姿测量方法 两个成像点为同一LED 标志点所成像的可能性的大小。