针对位姿求解过程中存在的解不唯一、选解难和解的精度不高等问题, 提出一种基于点特征的单目视觉位姿测量算法。首先, 根据共面4个特征点之间的位置关系, 分别对平行和相交两种情况进行分析; 其次, 根据特征点的空间坐标、图像坐标和空间位置关系, 推导出世界坐标系中3个坐标轴上的向量变换到摄像机坐标系中的单位向量, 进而求解出物体相对于摄像机的初始位姿; 最后,用LM算法对初始位姿进行优化, 得到最终位姿。实验结果表明: 文中算法的合成误差为0.54 mm; 现有的EPnP算法、两点一线算法和P3P算法的合成误差分别为1.28、1.52和4.26 mm; 文中算法的合成误差分别减小了57.8%、64.4%和87.3%, 优于现有的EPnP算法、两点一线算法和P3P算法。

近年来,EPnP算法作为一种相机位姿估计的解析算法,因其较低的计算复杂度而得到广泛的关注,但该算法对图像噪声的稳健性不强。提出了一种基于EPnP算法的迭代算法,即IEPnP算法。IEPnP算法保留了EPnP算法的主要思想,构造了4个虚拟控制点,利用弱透视投影模型获得相机的初始位姿,计算出虚拟控制点在相机坐标系下的坐标,然后通过高斯-牛顿法对虚拟控制点在相机坐标系下的坐标进行优化求解,最终通过解决绝对定向问题来获得对相机位姿的估计。IEPnP算法简化了EPnP算法的计算过程。在不同的图像噪声水平下进行仿真实验,结果表明,相比于EPnP算法,IEPnP算法不仅保持了较高的计算效率,而且对图像噪声具有更强的稳健性。

针对平面目标姿态测量问题,提出了一种基于棋盘靶标的单目视觉测量方法,设计安装简单,在保证测量精度的同时简化了测量过程。首先,基于棋盘靶标对摄像机进行标定;然后,利用单应性条件得到外参矩阵,并利用Givens矩阵对外参矩阵进行分解,求得姿态角;最后,在靶标任意安装的情况下,基于旋转矩阵约束条件研究了安装偏差的自标定方法。实验结果表明:距离3 m时,在静态测量时垂直光轴方向姿态角的测量精度可达0.02°,其他两个姿态角的测量精度可达0.05°;动态测量时垂直光轴方向姿态角的测量精度可达0.1°,其他两个姿态角的测量精度可达0.5°。

利用计算机视觉进行位姿测量的方法广泛应用于机器人系统、运动体控制系统和精密检测系统。研究和设计了一种基于固定靶标的单目视觉定位系统和方法, 用最少硬件资源实现精密定位。首先, 利用图像匹配的方法检测出平面靶标在图像中的坐标, 图像匹配采用SIFT算法和映射匹配方法, 之后利用固定靶标的特性求取中心点。实验利用多幅图像样本验证了图像匹配的准确性和鲁棒性。然后, 针对呈矩形分布的PnP问题, 提出了一种新的求解方法, 以靶标控制点的图像坐标和空间坐标作为输入, 得到了移动物体与摄像机的三维相对位姿。实验利用五维精密位移台移动目标物体并拍摄多副图像, 结果表明位姿测量系统在800 mm范围内达到mm级精度, 可以满足应用需求。

针对大尺寸物体形貌测量应用, 设计一种视觉形貌测量新方法。该方法是将两套没有公共视场的单目视觉传感器组合起来联合交汇, 分别用于位姿测量和单目多位置交汇测量。位姿测量通过求解PnP问题为单目多位置交汇测量提供位姿信息。单目多位置交汇测量利用位姿测量提供的辅助信息通过光束平差解算出待测物的形貌。分析了系统原理, 给出位姿测量PnP算法实现过程, 介绍了非公共视场相机的标定方法原理, 分析了单目多位置交汇测量的原理并给出实现方法。最后进行了测量方法的验证实验, 实验结果表明, 在3 m×3 m的工作范围内系统测量精度为5 mm, 证明该方法可以用于大尺寸物体形貌测量, 且结构简单轻便, 具有很强的灵活性。

基于目标特征点间线段倾角信息,提出了一种适合于目标远距离成像和相机内参未知条件下解算目标姿态的目标3维姿态测量方法.采用仿真图像对该方法的正确性进行了验证.实验结果：姿态测量误差绝对值均值小于0.6°,且目标成像尺寸为350 pixel时,姿态测量误差绝对值小于0.5°.实验表明该算法具有较高解算准确度和较强的收敛性.