论文部分内容阅读
单目视觉姿态测量具有非接触、稳定性好、观测对象广泛等优点,在航空航天,增强现实,机器人控制等领域得到广泛应用。单目视觉姿态测量通常需要在被测物体表面布置多个 LED作为定位标识点,这些定位标识点的空间位置误差会直接影响姿态测量精度,必须对其进行坐标测量。单目视觉姿态测量过程中,被测物体与摄像机光轴之间的夹角随着姿态的变化而变化,并受到环境噪声、提取算法和摄像机等因素的影响,像平面的像点坐标存在不可忽略的误差,单目多角度标识点三维坐标测量方法,实现了姿态测量过程和坐标测量过程的统一,能够减小图像中心提取误差的影响。针对这一情况,研究了基于误差传播的坐标优选方法和基于神经网络的坐标优选方法,主要工作如下: 1. 研究了用于姿态测量的单摄像机多角度空间点坐标测量方法,建立了多角度转动模型和非正交三维转台运动模型,并分析了小孔成像模型和位姿解算算法。搭建了单目视觉位姿测量实验系统,进行了系统标定和单目多角度LED标识点坐标的测量。 2. 研究基于误差传播的标识点坐标优选方法。误差传播模型就是分析像点误差如何影响姿态测量精度的过程,包括像点坐标误差到定位标识点在摄像机坐标系下的坐标误差,再到被测物体输出姿态误差的传递过程。结合单目多角度标识点三维坐标测量方法,选取最适合的一组单目多角度定位标识点坐标,通过实验验证了误差传播坐标优选方法能够提高姿态测量精度。 3. 研究基于神经网络的标识点坐标优选方法,深入了解 BP 神经网络和极限学习机(ELM)方法的理论,从原理上对二者的优缺点进行分析并进行实验对比。通过姿态测量实验,证明基于极限学习机的定位标识点坐标优选方法能够有效地提高单目视觉姿态测量的精度。