基于图像对的立体重建是用于获取人脸三维信息的通用方法, 但根据图像数据和重建算法所得到的三维重建结果存在各种误差, 本文对通用形变模型进行改进并与三维立体重建融合以得到更精确的重建结果。首先使用Max-Margin对象检测算法来获取面部边界框, 其中回归树集合法能直接从像素强度的稀疏子集识别面部特征点。然后通过PCA颜色模型生成形状和颜色的三维面部统计模型, 利用ISOMAP算法将三维网格转换为二维表面并提取纹理信息, 得到面部模型。最后在源网格上进行两步非刚性表面配准的变形过程: 先通过对源网格进行二次采样来选择少量网格点来表示源的全局变化, 并选取径向基函数(RBF)进行非刚性全局变形; 再对源顶点进行Procrustes分析获得非刚性变换, 再通过加权方案来进行k-近邻变换, 得到平滑的局部变形。将单图像重建的面部模型, 立体重建的面部模型和本文的面部变形模型与高质量扫描云图进行对齐比较, 得到面部变形模型的3个RMS值分别为2.795 2, 2.102 8和2.153 4, 相比于其他模型, 面部变形模型更接近高质量扫描云图, 即与原图像一致性更高, 误差更小。面部变形模型的定性和定量分析表明, 立体重建与人脸一般形状信息的组合在几何信息的表达上优于基于通用模型的单个图像重建以及未考虑通用模型的立体重建。

为了通过视觉测量的方法实现小型空间机器人协同位姿的求解, 设计了基于单目视觉的协同位姿测量系统。针对复杂的太空工作条件, 设计了作用范围广、精度高且稳健性强的合作靶标; 设计了利用图像梯度法提取单像素边缘的算法, 并通过中心匹配等约束完成了靶标识别; 推导了特征点距离与位姿测量精度的关系, 在此基础上提出了基于分区处理的特征点提取策略, 实现了复杂条件下特征点的分区提取和准确编号, 并扩展了工作距离, 改善了位姿求解精度。实验结果表明, 针对640 pixel×480 pixel图片, 在Matlab环境下处理速度约为84.3 ms/frame, 在2.2 m距离范围内位姿测量误差在5 mm、1°以内。设计的单目视觉位姿测量系统满足小型空间机器人协同工作的任务需求。

为了精确地反映相机的几何成像关系, 本文基于简化的Brown模型和改进的BFGS （Broyden-Fletcher-Goldfarb-Shanno）算法提出了一种相机自标定方法。该方法首先将线性模型 和畸变模型拟合为非线性模型, 通过线性模型的基本矩阵约束非线性模型参数得到约束方 程; 然后, 提出了适用于非线性内参数约束方程的基于新拟牛顿方程的改进 BFGS 算法并求解了方程内参数。利用提出的模型和算法, 该标定方法能够在较少的迭代次数和有噪声条件下保证标定结果的精度和鲁棒性。有、无噪声情况下的收敛性分析和鲁棒性分析显示: 在噪声不大于±3 pixel 的情况下, 迭代10次即能保证重投影误差小于0.4 pixel。通过标定相机内参数并计算重投影误差进行了真实图像实验, 结果表明: 标定精度误差小于0.06%, 重投影误差为0.35 pixel, 验证了提出方法的有效性。 该方法适用于计算机视觉领域中的图像处理, 模式分类和场景分析等。