论文部分内容阅读
机器视觉是近几年计算机工程领域中热门的研究方向之一。相比于传统姿态测量方法，基于机器视觉的方法凭借测量速度快、设备简单成本低等优点，得到越来越多的关注和发展。在机器视觉领域，姿态信息是目标定位、运动跟踪和飞行器控制等问题的关键参数，因此姿态测量的准确程度直接影响上述问题的解决。为了实现准确的姿态测量，本文分别对姿态测量问题的两个子问题，投影方程的求解和2D-3D坐标对应关系的建立进行研究，最终利用Bumblebee2和PC机实现姿态测量系统。对于投影方程的求解问题，本文首先介绍了目前应用最广泛的EPnP算法和POSIT算法。由于POSIT算法没有完全利用旋转矩阵的正交性，导致算法在被测目标深度变化较大时旋转矩阵R正交性较差，进而影响算法的精度。针对这一问题，本文提出了一种基于全透视模型的非线性优化算法，将POSIT算法的结果作为非线性优化的初始值，并实现图像参考点与计算参考点距离的最小化，从而实现目标姿态的快速准确测量。最后，通过实验对EPnP、POSIT和本文提出的算法进行对比，实验表明本文提出的非线性算法得到的旋转矩阵R的正交性得到明显改善，并且在噪声条件可以有效抑制干扰，其精度略优于EPnP算法。对于2D-3D坐标对应关系的建立的问题，本文首先介绍了局部特征描述和检测中经典的SIFT算法，并对SIFT算法进行了实验。实验表明，在物体相对倾斜角大于40°时，SIFT算法匹配的特征点数目很少并存在大量的误匹配。因此，本文采用基于仿射变换的ASIFT算法实现二维图像坐标和三维空间坐标的对应关系。最后，以飞机模型对ASIFT算法进行了实验。实验结果表明，两幅图像经过ASIFT算法匹配到点的数量远大于SIFT算法，并且在倾斜角大于60°时仍能匹配相当数量的特征点。最后，本文使用Grey Point公司的Bumblebee2工业相机和PC机组成了姿态测量系统，并在姿态测量前建立本地图像库克服了ASIFT算法计算复杂度大和重复信息误匹配的缺点，进而保证匹配结果并且减少每次测量需要的计算量。在姿态计算之后，通过OpenGL显示三维模型的姿态和位置信息。以飞机模型为被测目标的实验表明，本文的方法可以实现准确的姿态测量。