[发明专利]一种空间目标三维位姿视觉测量方法

说明书

(一)技术领域

本发明涉及测量技术，具体说就是一种空间目标三维位姿视觉测量方法。

(二)背景技术

三维位姿测量是指求解两个坐标系间的相对位姿关系，包括三个平移量和分别绕三个坐标轴的旋转量。基于点特征的单目视觉位姿测量方法通过单相机对目标成像，利用目标像中3个以上非共线特征点的像坐标求解目标与相机间的相对位置和相对姿态，由于其结构简单、易于实现等特点成为视觉测量领域研究热点之一，并广泛应用于汽车、机器人、飞机、航天器等领域的非接触式测量任务。

目前，基于点特征的单目视觉位姿测量算法大致可分为解析算法和迭代算法两类，解析算法在特征点数较少时能够推导出目标相对位姿参数的解析解，具有运算量小、计算速度快等优点，然而由于在实际应用成像过程中的测量误差、量化误差、特征点提取误差或特征点匹配错误等因素影响，使用解析算法可能会产生很大的误差，并且解析算法仅适用于特征点数小于6的情况。迭代算法是利用透视成像的基本原理，将相对位姿确定问题表示为受约束的非线性优化问题，通过求解该优化问题得到目标相对位姿的数值解，能够有效提高存在误差情况下的相对位姿参数测量精度。

DeMenthon等提出利用弱透视像机模型，基于特征点对应的迭代算法，当使用Newton递推算法时，迭代算法能够以超线性速度局部收敛。然而，这些数值方法的性能取决于初始值选取，且算法通常会收敛到局部最小值，或者收敛到一个错误解。为解决该问题Lee等推导了约束流形上的Gauss-Newton迭代算法，把相对位姿确定问题描述为一个在旋转矩阵流形和为确保正的深度参数所决定矩阵约束锥的交空间上三个旋转参数最优化问题，并且提出了在Gauss-Newton方向和随机方向之间变化的解析测地线搜索，以确保不重新初始化算法就能跳出局部最小，收敛至全局最小。然而上述基于优化方法的相对位姿测量算法是一个优化变量空间为N+6维(N为点特征数)的非线性问题，计算量较大，难以满足工业领域应用的实时性要求。

Haralick等提出了一种基于点特征同时计算目标位姿和特征点景深的位姿确定算法，该算法通过引入特征点景深变量消除了由于透视投影所产生位姿确定问题的非线性，且具有全局收敛性，然而该算法局部收敛速度较慢。

(三)发明内容

本发明的目的在于提供一种具有精度高、收敛快、计算量小、适用范围广、三维位姿计算过程采用两解析算法迭代进行求解的空间目标三维位姿视觉测量方法。

本发明的目的是这样实现的：采用在被测空间目标上设置特征光标点的视觉测量方式，包括视觉相机标定、对目标成像、图像处理、特征点提取和匹配、三维位姿计算。所述的三维位姿计算是一个基于逆投影线的包含绝对定向问题解算和景深估计两阶段的迭代过程，且绝对定向问题解算和景深估计两个阶段均为解析方式求解；其过程为：

(1)初始化各特征光标的景深值d_i⁽⁰⁾，i＝1，2，...，N，利用像点坐标计算相应的逆投影线单位矢量υi=((Xi2+Yi2+f2))-1XiYift,]]>置迭代计数器k＝1；