基于场景三维表面模型的相机姿态确定方法研究

发布时间：2021-08-31 10:18

　　近年来,增强现实、机器人导航和同时定位与地图构建等技术引起了学术界和工业界的广泛关注,其中基于影像的定姿定位技术是一项关键任务。相机姿态估计是根据从3D场景中获取的影像推断出相机的空间位置和朝向。本文介绍了相机姿态估计的基本理论和相关技术,提出了一种基于四元数表示旋转的恢复相机姿态的方法,同时结合三维建模技术,将高精度的3D模型作为参考,实现单张影像的姿态确定,并通过用四元数表示旋转,采用扩展卡尔曼滤波求解n点透视问题。本文利用四元数表示旋转,从捕获的影像中推断出运动相机的相对旋转和平移。采用SIFT算法提取图像的特征点并完成特征匹配,使用随机抽样一致性函数（RANSAC）算法剔除误匹配,将正确匹配的特征点对从像素坐标系转化到欧式坐标系,构建多项式方程组。先求解出相机的相对旋转,再将求解出的旋转代入方程式,恢复出平移向量,最后利用两帧间的深度值确定唯一解。实验采用公开的无人驾驶与机器人定位数据集,对该方法进行性能分析,将估计的姿态值与真实姿态值进行比较。与经典影像定位的算法对比,该算法可以较好地估计出运动相机的姿态并具有良好的鲁棒性。针对单张影像姿态估计精度不高的问题,利用三维重建技术... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

D模型

xryrxykxxykxykxyxykyxykxykxy(2.14)其中xr表示x方向的的径向畸变，yr表示y方向的径向畸变，1212k、k、k为径向畸变因子。一般情况下，第一项用于描述径向畸变已经足够，所以在式(2.14)中，只考虑一次项，忽略掉了其余高阶项。2.2相机标定相机成像的几何模型确定了3D场景空间中某点的位置与其在图像中对应点的对应关系。相机参数分为内部参数和外部参数，相机标定的主要目的是确定相机的内参数，但是，将内部参数与外部参数分离并不容易。标定过程需要获取用标校对象拍摄的几张图像。如图2.2所示棋盘格，其由黑白相间的方格组成，整体结构简洁鲜明，由于高的白色和黑色对比度，黑白相交处通常被选为相机标定时的标记点，该标记点的结构稳定且易于提龋提取标记点后，需要建立对应关系。图2.2相机标定的棋盘图案(9*6格)当有一组n个坐标已知3D点和对应坐标也已知图像点，对于每个对应关系，建立一个类似式(2.8)的方程，来确定未知的相机参数。式(2.8)的缺点是未知数彼此相乘，即式(2.8)是非线性的难以求解。因此，不能直接确定内部和外部参数，而应分两个阶段进行。首先计算投影矩阵M的12个元素，然后从投影矩阵M中提取内部和外部参数。

兰州交通大学工程硕士学位论文-17-推导出：31/det(B)(2.29)进一步得到：11MM=(RRt)(2.30)式(2.32)左侧矩阵的前三列表示旋转矩阵R，当旋转矩阵R求出来之后，就可以通过将左侧矩阵的第四列乘以RT来简单地确定t。2.3图像之间的几何关系-对极几何2.3.1对极几何图2.3展示出了两个图像之间的一对正确匹配的特征点。当存在大量这种正确匹配的对时，相机姿态在两帧之间的变化可以通过建立对应关系进行估计。?堄怄怄ぜ怄怄灴怄遤怄ち怄怄灙怄怄達怄灚怄QO1O2°e`PZ`Dr`e@`m`p@`{`eweZ`e1e2q1q2l1l2I1I2àew`fw

本文编号：3374726