基于流形結(jié)構(gòu)的剛體姿態(tài)估計魯棒性方法研究.pdf

1、姿態(tài)估計被廣泛應用于許多領域，例如在人機交互技術(shù)中，需要獲取人體姿態(tài)信息來理解人的指令;在增強現(xiàn)實技術(shù)中，姿態(tài)估計被認為是最基本的問題之一;對無人飛行器的控制，也需要獲取飛行器的姿態(tài)信息來完成相關操作。本文主要研究基于流形結(jié)構(gòu)的剛體姿態(tài)估計方法，對這種方法的魯棒性進行了分析，然后提出一種改進的姿態(tài)估計方案。
　　本文首先討論了基于流形結(jié)構(gòu)的剛體姿態(tài)估計方法的魯棒性問題。由于姿態(tài)圖像會受到噪聲、光照等因素的影響，圖像的流形結(jié)構(gòu)會發(fā)生

2、變化，因此本文提出一種流形結(jié)構(gòu)間的差異性指標，評價不同條件下姿態(tài)圖像的流形之間的差異性。我們認為，先驗姿態(tài)圖像和待測姿態(tài)圖像的流形差異性越大，那么姿態(tài)估計的誤差就越大，于是將該指標用于評估噪聲和光照條件對物體姿態(tài)估計精度的影響。實驗表明，噪聲和光照變化的因素對姿態(tài)估計會造成很大影響，該方法魯棒性較差。
　　針對現(xiàn)有的基于流形結(jié)構(gòu)的姿態(tài)估計方法魯棒性較差的問題，本文提出一種改進的基于流形結(jié)構(gòu)的剛體姿態(tài)估計魯棒性方法。為了消除噪聲、光

3、照等因素對姿態(tài)估計精度的影響，本文將圖像分割技術(shù)運用于其中，首先對采集到的物體姿態(tài)圖像進行圖像分割預處理;再運用流形學習算法對分割后的姿態(tài)圖像降維得到低維流形;然后利用支持向量回歸方法建立姿態(tài)圖像與流形坐標之間的回歸關系模型;對于待估計的姿態(tài)圖像，同樣進行圖像分割預處理后，通過回歸關系模型預測得到流形坐標，進而估計出其相應的姿態(tài)角度。
　　最后，本文以三維模型的姿態(tài)圖像作為實驗數(shù)據(jù)，在高斯噪聲干擾、椒鹽噪聲干擾、光照方向變化、光照