[发明专利]一种基于矩形周长和面积加权约束的单目视觉位姿测量方法

摘要

本发明公开了一种基于矩形周长和面积加权约束的单目视觉位姿测量方法，步骤包括步骤(1)、获取矩形目标图像；步骤(2)、提取图像中矩形目标特征点；步骤(3)、建立矩形周长和面积特征加权约束关系；步骤(4)、基于矩形周长和面积特征约束关系解算位姿。该方法运用图像识别手段，以目标矩形周长和面积几何特征建立加权误差约束关系，提高了目标单目视觉位姿测量精度。

主权项

一种基于矩形周长和面积加权约束的单目视觉位姿测量方法，其特征在于该方法包括如下步骤：步骤(1)、对目标成像，并获取目标图像；首先设置目标由4特征点构成矩形，已知4个目标特征点在目标坐标系中3维坐标集{Wi}(i＝1…n,n＝4)，根据{Wi}获取矩形周长参数C，面积参数S，步骤(2)、识别矩形目标特征点；将步骤(1)获取的图像进行识别并提取图像中目标特征点质心坐标{ai}(i＝1…4)；步骤(3)、建立矩形周长和面积加权约束关系；已知摄像机等效焦距为f，定义4个目标特征点在摄像机坐标系下坐标集为{Ai}，定义特征点到摄像机光心p的距离为{li}；由步骤(2)获取的目标特征点质心坐标ai＝(ui,vi)，则成像点的3维坐标表示为(ai,f)＝(ui,vi,f)；则：Ai=liui→]]>应用特征点构造周长C和面积S作为对刚体目标的约束；构成了基于周长和面积加权约束的误差项El；1个矩形有两条相邻边即确定面积和周长，则共形成4组面积误差项和4组周长误差项，对应形成4组加权约束的误差项El；El＝αec+βes其中El为第k次迭代后由ec和es形成的加权误差矩阵，加权系数α和β满足α+β＝1；步骤(4)、基于矩形多周长和面积约束关系解算位姿；首次迭代解算出{li}的修正量x：Jl=∂El∂L]]>Jlx＝Elx＝(JlTJl)‑1Jl‑1El其中Jl为雅可比(Jacobian)矩阵，在迭代中解算出{li}的修正量x，从而最终解算出准确的{li}；L(k+1)＝L(k)‑x其中L(k)是第k次迭代后的{li}；当所有的周长和面积约束都能同时被满足，误差El在迭代过程中将会逐渐收敛到零，且最终解算得到最优的{li}；另一方面，此非线性最优化问题可以被认为是局部线性的，反复迭代可以被解算得到{li}；在{li}得到的基础上，解算得到目标特征点在摄像机坐标系中坐标{Ai}，再由最小二乘平差方法，解算得到目标姿态角度θ＝(Ax,Ay,Az)与目标平移向量T＝(tx,ty,tz)。