基于單目視覺的目標(biāo)位姿參數(shù)測量方法研究.pdf

1、目標(biāo)位姿參數(shù)測量廣泛應(yīng)用于目標(biāo)識別、新武器檢測、自動導(dǎo)航等領(lǐng)域，如何精確地求解目標(biāo)的位姿參數(shù)一直是相關(guān)領(lǐng)域的研究難題?；谟?jì)算機(jī)視覺的位姿參數(shù)測量是一種比較熱門的測量方法，根據(jù)拍攝航跡數(shù)據(jù)時攝像機(jī)的數(shù)目可分為兩類：多目視覺位姿測量與單目視覺位姿測量。在實(shí)際的測量中，由于條件限制，會出現(xiàn)只有一臺攝像機(jī)能拍攝到目標(biāo)而其他攝像機(jī)丟失目標(biāo)的情況，對此本文對單目視覺的目標(biāo)位姿參數(shù)測量問題進(jìn)行進(jìn)一步研究。
　　現(xiàn)有的方法主要通過求解人工指定控

2、制點(diǎn)與成像點(diǎn)之間的對應(yīng)性問題來獲取目標(biāo)位姿參數(shù)。在對應(yīng)性未知的情況下，人們提出了離線訓(xùn)練、建立并求解目標(biāo)函數(shù)等策略解決位姿參數(shù)測量問題。但是由于實(shí)際測量中目標(biāo)圖像質(zhì)量不高、背景較復(fù)雜且存在噪聲，現(xiàn)有的方法并不能很好地解決位姿參數(shù)的對應(yīng)性問題。為此，在目標(biāo)模型已知的情況下，本文提出了一種目標(biāo)運(yùn)動位姿參數(shù)的求解策略。即對圖像進(jìn)行分割提取目標(biāo)并獲取其輪廓，使用 OpenGL導(dǎo)入目標(biāo)模型數(shù)據(jù)，根據(jù)模型投影輪廓與圖像中目標(biāo)的輪廓的關(guān)系構(gòu)造目標(biāo)函數(shù)

3、，并結(jié)合最優(yōu)化計(jì)算方法對目標(biāo)位姿進(jìn)行求解，有效地避免了位姿參數(shù)對應(yīng)性問題的直接求解。
　　本文第二章通過介紹了位姿參數(shù)測量中涉及到的各坐標(biāo)系，解釋了位姿參數(shù)測量問題的實(shí)質(zhì)。并且從共線方程出發(fā)，論述了攝像機(jī)成像過程與 OpenGL成像過程具有的一致性，為本文核心算法中OpenGL與目標(biāo)模型的使用提供理論基礎(chǔ)。
　　根據(jù)實(shí)際測量情況，本文第三章討論對圖像進(jìn)行分割來獲取目標(biāo)并精確地提取目標(biāo)輪廓的過程。通過比較分析編碼本、均值平移圖

4、像分割方法，可知全自動圖像分割方法并不能適應(yīng)實(shí)際中圖像背景復(fù)雜且噪聲較多的情況，本文采用了在Graph Cut方法基礎(chǔ)上改進(jìn)的Grab Cut方法進(jìn)行半自動的交互式圖像分割。在目標(biāo)已被提取的基礎(chǔ)上，本文使用相關(guān)的圖形學(xué)操作，結(jié)合輪廓的特性，精確地提取了目標(biāo)的輪廓。為了實(shí)現(xiàn)后續(xù)幀圖像目標(biāo)輪廓的自動化提取，本文依據(jù)已知的前一幀中目標(biāo)的輪廓使用光流法跟蹤當(dāng)前幀目標(biāo)的輪廓關(guān)鍵點(diǎn)。
　　在圖像中目標(biāo)的輪廓可被精確提取的基礎(chǔ)上，本文第四章把圖

5、像中目標(biāo)與其模型的位姿匹配問題轉(zhuǎn)換為兩者的輪廓配準(zhǔn)無約束最優(yōu)化問題。本文提出了使用改進(jìn)的Hausdorff距離方法進(jìn)行輪廓間的相似性測度，并據(jù)此建立了最優(yōu)化問題的目標(biāo)函數(shù)。為求解該函數(shù)，本文綜合分析了三種典型的最優(yōu)化計(jì)算方法：Hooke-Jeeves、模擬退火算法、差分進(jìn)化算法，并根據(jù)它們的特性，本文提出了使用差分進(jìn)化與模擬退火相結(jié)合的方法來解決本文輪廓配準(zhǔn)的最優(yōu)化問題。
　　最后，本文利用模擬數(shù)據(jù)對本文的方法進(jìn)行了仿真實(shí)驗(yàn)并對結(jié)