亚洲精品久久久久久久久久久,亚洲国产精品一区二区制服,亚洲精品午夜精品,国产成人精品综合在线观看,最近2019中文字幕一页二页

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法

3D視覺(jué)工坊 ? 來(lái)源:計(jì)算機(jī)視覺(jué)工坊 ? 2023-09-29 08:01 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

作者:魚(yú)骨 | 來(lái)源:計(jì)算機(jī)視覺(jué)工坊

摘要 目前,全景圖像位置和姿態(tài)參數(shù)的解算多基于點(diǎn)特征,而場(chǎng)景中普遍存在的線(xiàn)特征尚未得到充分利用。本文提出一種點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法,不僅可用于點(diǎn)特征缺失場(chǎng)景中全景圖像位姿參數(shù)的解算,而且在點(diǎn)特征充足的場(chǎng)景中可提高位姿解算的精度和穩(wěn)健性。該方法中的線(xiàn)特征使用線(xiàn)上的任意兩點(diǎn)表示,不要求全景圖像和三維場(chǎng)景同名線(xiàn)上的選點(diǎn)具有對(duì)應(yīng)關(guān)系,因而易于選取,具有極大的實(shí)用性。首先,使用直接線(xiàn)性變換構(gòu)建點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算模型,并針對(duì)水平線(xiàn)和垂直線(xiàn)獲取簡(jiǎn)化后的模型;然后,利用仿真道路場(chǎng)景,從特征點(diǎn)和線(xiàn)的不同組合方式及大姿態(tài)角兩方面分析該模型的適用性,并通過(guò)人工引入不同類(lèi)型及量級(jí)的點(diǎn)-線(xiàn)誤差分析該模型的容差性;最后,將本文方法應(yīng)用于全景圖像與激光點(diǎn)云的融合,從理論和實(shí)踐兩方面證明點(diǎn)-線(xiàn)特征聯(lián)合的位姿解算方法在精度、穩(wěn)健性和容差性方面優(yōu)于單純的點(diǎn)特征解算方法。

關(guān)鍵詞 全景圖像;點(diǎn)-線(xiàn)特征聯(lián)合;位姿解算;仿真分析;全景圖像與激光點(diǎn)云融合

引言 準(zhǔn)確、穩(wěn)健地獲取全景圖像的位姿參數(shù)是一項(xiàng)基礎(chǔ)且關(guān)鍵的工作。目前線(xiàn)特征在航空影像的位姿解算中得到了較為廣泛的應(yīng)用,但全景圖像的位姿解算仍多基于點(diǎn)特征,而真實(shí)場(chǎng)景中普遍存在的線(xiàn)特征尚未得到充分利用,如建筑物輪廓、桿狀地物等,且缺少點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算模型。因此,本文提出一種點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法,其中,點(diǎn)特征可直接計(jì)算位置和姿態(tài)參數(shù),線(xiàn)特征可對(duì)姿態(tài)參數(shù)進(jìn)行約束,將點(diǎn)-線(xiàn)特征結(jié)合有利于提高全景圖像位姿解算的精度和穩(wěn)健性。

方法 本文方法流程如圖1所示。

3e4df59e-4b90-11ee-a25d-92fbcf53809c.png

圖1 本文方法流程 1、點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算模型 1.1、基于點(diǎn)特征的全景圖像位姿解算模型 目前最常用的是球面全景圖像,如圖2所示,球面模型分別以豎直角(v)和水平角(h)表示全景圖像的行和列坐標(biāo),屬于等角投影成像。

3e65e096-4b90-11ee-a25d-92fbcf53809c.png

圖2 全景圖像的位置和姿態(tài)參數(shù) 點(diǎn)模型可表示為:

3e77fa42-4b90-11ee-a25d-92fbcf53809c.png

式中參數(shù)分別為:

3e868aee-4b90-11ee-a25d-92fbcf53809c.png

3ea3c5dc-4b90-11ee-a25d-92fbcf53809c.png

3eb6b232-4b90-11ee-a25d-92fbcf53809c.png

其中,r、c為地物點(diǎn)p (x, y, z)在全景圖像上的行和列坐標(biāo)。點(diǎn)模型中的待求解矩陣 X 包含11個(gè)參數(shù)(l1, l2, …, l11),因此至少需要6對(duì)同名特征點(diǎn)(p ≥6 )進(jìn)行解算。在計(jì)算出 X 后可求解姿態(tài)矩陣和位置參數(shù)。

1.2、基于線(xiàn)特征的全景圖像位姿解算模型 三維空間中直線(xiàn)上任意兩點(diǎn)p1、p2 和成像位置( XS, YS, ZS )的共面方程可表示為:

3ec482fe-4b90-11ee-a25d-92fbcf53809c.png

根據(jù)共面特性,使用全景圖像中對(duì)應(yīng)直(曲)線(xiàn)上的任意兩點(diǎn)3ed57ff0-4b90-11ee-a25d-92fbcf53809c.png分別替換p1、p2,可將上式表示為:

3ee8d014-4b90-11ee-a25d-92fbcf53809c.png

其中:

3efb214c-4b90-11ee-a25d-92fbcf53809c.png

因此,線(xiàn)模型可表示為:

3f0f8f92-4b90-11ee-a25d-92fbcf53809c.png

1.3、點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算模型

綜合點(diǎn)特征和線(xiàn)特征的全景圖像位姿解算模型,可得點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算模型,如下式所示:

3f23653a-4b90-11ee-a25d-92fbcf53809c.png

上式為p 對(duì)同名點(diǎn)和t對(duì)同名線(xiàn)組成的聯(lián)合模型。在平差求解出X 后,可計(jì)算姿態(tài)矩陣R 和位置參數(shù)( XS, YS, ZS )。 針對(duì)垂直線(xiàn)特征,即 Δx=Δy=0,聯(lián)合模型可簡(jiǎn)化為:

3f340462-4b90-11ee-a25d-92fbcf53809c.png

針對(duì)水平線(xiàn)特征,即Δz=0,聯(lián)合模型可簡(jiǎn)化為:

3f4785a0-4b90-11ee-a25d-92fbcf53809c.png

式中,vi 表示水平線(xiàn)的斜率,計(jì)算公式如下:

3f617316-4b90-11ee-a25d-92fbcf53809c.png

1.4、聯(lián)合模型的精度評(píng)價(jià)指標(biāo) 解算出X后獲取檢查點(diǎn)在全景圖像中的俯仰角和水平角(v', h'):

3f711870-4b90-11ee-a25d-92fbcf53809c.png

基于下式計(jì)算各個(gè)檢查點(diǎn)的模型誤差(δi)和模型求解中誤差(δ),δ為聯(lián)合模型的精度評(píng)價(jià)指標(biāo):

3f86d840-4b90-11ee-a25d-92fbcf53809c.png

式中,ri、ci 為檢查點(diǎn)在全景圖像中的真實(shí)行、列坐標(biāo),m為檢查點(diǎn)的個(gè)數(shù)。

2、聯(lián)合模型的仿真分析

使用仿真數(shù)據(jù)檢驗(yàn)聯(lián)合模型的適用性和容差性。首先,仿真道路場(chǎng)景點(diǎn)云,由此可獲取不同位姿參數(shù)下的虛擬全景圖像;然后,從特征點(diǎn)和線(xiàn)的不同組合方式分析聯(lián)合模型的適用性;在特征點(diǎn)和線(xiàn)最少條件下檢驗(yàn)該模型的適用性,如圖3所示分別試驗(yàn)2點(diǎn)+7線(xiàn)、3點(diǎn)+5線(xiàn)、4點(diǎn)+3線(xiàn)和5點(diǎn)+1線(xiàn)這4種組合方式。結(jié)果表明4種組合下模型誤差均為0像素,由此證明聯(lián)合模型在不同特征點(diǎn)和線(xiàn)組合情況下的適用性,同時(shí)也表明聯(lián)合模型可用于點(diǎn)特征缺失場(chǎng)景中全景圖像位姿參數(shù)的解算。

3fabb282-4b90-11ee-a25d-92fbcf53809c.png

圖3 特征點(diǎn)和線(xiàn)的不同組合方式 使用2點(diǎn)+7線(xiàn)的組合方式,檢驗(yàn)聯(lián)合模型在大姿態(tài)角情況下的適用性。如圖4所示,分別試驗(yàn)4種大姿態(tài)角情況。結(jié)果表明4種大姿態(tài)角情況下聯(lián)合模型誤差均為0像素,由此證明了聯(lián)合模型在大姿態(tài)角情況下的適用性。

3fc58db0-4b90-11ee-a25d-92fbcf53809c.png

圖4 不同情況的大姿態(tài)角分析 最后,通過(guò)人工引入不同類(lèi)型與量級(jí)的點(diǎn)-線(xiàn)誤差從全景圖像坐標(biāo)誤差和三維場(chǎng)景坐標(biāo)誤差兩方面分析該模型的容差性。見(jiàn)表1,試驗(yàn)中對(duì)多控制點(diǎn)、均控制點(diǎn)和少控制點(diǎn)3種情況驗(yàn)證聯(lián)合模型的容差性。 表1 垂直線(xiàn)輔助的聯(lián)合模型精度與可靠性分析

3febc0d4-4b90-11ee-a25d-92fbcf53809c.png

可得出如下結(jié)論: 1)在多控制點(diǎn)情況,點(diǎn)模型和聯(lián)合模型均可高精度地解算出全景圖像的位姿參數(shù)。 2)垂直線(xiàn)可以提高解算的精度和穩(wěn)健性。 3)垂直線(xiàn)不僅可用于控制點(diǎn)缺失場(chǎng)景下位姿參數(shù)的解算,而且多條垂直線(xiàn)的優(yōu)化效果和穩(wěn)健性明顯優(yōu)于單條垂直線(xiàn)。 4)不同數(shù)量垂直線(xiàn)的加入均優(yōu)化了不同量級(jí)(0.5~5.0像素)的一類(lèi)誤差解算結(jié)果。 5)二類(lèi)誤差對(duì)位姿參數(shù)求解精度的影響只與二類(lèi)誤差本身大小相關(guān),與點(diǎn)和垂直線(xiàn)的數(shù)量無(wú)關(guān)。 6)理論上聯(lián)合模型在精度、穩(wěn)健性和容差性等方面優(yōu)于常用的點(diǎn)模型。這里也推薦「3D視覺(jué)工坊」新課程《面向三維視覺(jué)算法C++重要模塊精講:從零基礎(chǔ)入門(mén)到進(jìn)階》。

3、點(diǎn)-線(xiàn)特征聯(lián)合全景圖像位姿解算方法的應(yīng)用
使用真實(shí)場(chǎng)景的車(chē)載激光點(diǎn)云和兩幅全景圖像進(jìn)行試驗(yàn),驗(yàn)證點(diǎn)-線(xiàn)特征聯(lián)合的位姿解算方法優(yōu)于單純的點(diǎn)特征解算方法。展示了使用點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法,實(shí)現(xiàn)全景圖像與激光點(diǎn)云融合的局部效果。

結(jié)論 本文提出了一種點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法,通過(guò)仿真道路場(chǎng)景證明了該方法具有優(yōu)異的適用性和容差性,將該模型應(yīng)用于全景圖像與激光點(diǎn)云的融合,從理論和實(shí)踐兩方面證明了點(diǎn)-線(xiàn)特征聯(lián)合的位姿解算方法優(yōu)于單純的點(diǎn)特征解算方法。本文的結(jié)論如下: (1)點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法中,使用線(xiàn)上的任意兩點(diǎn)表示線(xiàn)特征,且不要求選點(diǎn)具有對(duì)應(yīng)關(guān)系,因此易于選取,具有較高的實(shí)用性; (2)點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法適用于任意姿態(tài)角下全景成像位姿參數(shù)的解算,具有極大的適用性; (3)點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法在精度、穩(wěn)健性和容差性等方面優(yōu)于常用的點(diǎn)特征解算方法。

編輯:黃飛

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 全景圖像
    +關(guān)注

    關(guān)注

    0

    文章

    3

    瀏覽量

    5866

原文標(biāo)題:點(diǎn)-線(xiàn)特征聯(lián)合的全景圖像位姿解算方法

文章出處:【微信號(hào):3D視覺(jué)工坊,微信公眾號(hào):3D視覺(jué)工坊】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    labview全景圖像拼接

    本人是個(gè)小白一直在求labview的兩張或多張圖片拼接,就像相機(jī)全景一樣,但是一直都找不到。網(wǎng)上只有一個(gè)垂直的拼接,但是我想要個(gè)橫向的拼接。不過(guò)我又找到了一個(gè)圖像旋轉(zhuǎn)的程序。我想兩個(gè)結(jié)合在一起應(yīng)該
    發(fā)表于 03-08 09:45

    【OK210申請(qǐng)】汽車(chē)全景系統(tǒng)設(shè)計(jì)

    申請(qǐng)理由:希望能設(shè)計(jì)款汽車(chē)全景系統(tǒng),能夠?qū)崿F(xiàn)4路以上攝像頭的圖像集合項(xiàng)目描述:系統(tǒng)采用多路攝像頭構(gòu)成全景圖像,初步目標(biāo)為采集圖像并在屏幕上分區(qū)顯示,在此基礎(chǔ)上完成
    發(fā)表于 08-01 17:13

    【創(chuàng)龍TMS320C665x申請(qǐng)】小型零件的360°全景圖像捕獲識(shí)別及檢驗(yàn)

    給予這個(gè)試用的機(jī)會(huì)。如果能夠通過(guò)申請(qǐng)我也會(huì)及時(shí)把代碼和試用心得與大家分享項(xiàng)目描述:小型零件的360°全景圖像捕獲識(shí)別及檢驗(yàn),利用3~5個(gè)精密攝像頭從不同的方向獲取小型零件的圖像,與預(yù)先已經(jīng)指定的合格零件進(jìn)行匹配,一致則為合格零件,不一致則為不合格零件。合格零件的
    發(fā)表于 03-04 09:38

    教你用Android輕松實(shí)現(xiàn)VR全景圖設(shè)計(jì)

    通過(guò)Android實(shí)現(xiàn)簡(jiǎn)單的VR全景圖
    發(fā)表于 02-12 11:53

    基于全景圖像的拼接算法研究

    IBR 技術(shù)不僅可以彌補(bǔ)傳統(tǒng)基于幾何繪制技術(shù)的不足,而且能給出更豐富的圖像顯示。論文從工程實(shí)際應(yīng)用的角度出發(fā),提出并實(shí)現(xiàn)了一種圖像拼接的新方法。該方法即可用于
    發(fā)表于 06-06 13:44 ?11次下載

    基于POVRAY的三維全景圖像的計(jì)算機(jī)生成方法

             三維全景圖像技術(shù)(Integral Imaging,簡(jiǎn)稱(chēng)II)是一種采用微透鏡陣列進(jìn)行記錄和顯示的三維圖像技術(shù)。該技術(shù)目前正成為最有希望實(shí)現(xiàn)下一代三維
    發(fā)表于 09-10 09:43 ?37次下載

    基于DM642的全景圖像處理系統(tǒng)設(shè)計(jì)

    本文介紹了一種以DM642芯片為核心的嵌入式全景圖像處理系統(tǒng),該系統(tǒng)采集全景相機(jī)輸出的圖像,經(jīng)過(guò)柱面展開(kāi)后,通過(guò)VGA顯示器顯示給用戶(hù)。給出了此系統(tǒng)的硬件結(jié)構(gòu)設(shè)計(jì),柱
    發(fā)表于 01-13 15:35 ?14次下載

    基于角點(diǎn)特征的KLT跟蹤全景圖像拼接算法

      虛擬現(xiàn)實(shí)技術(shù)在航空航天、機(jī)器人遙操作和生物醫(yī)學(xué)等領(lǐng)域得到了廣泛應(yīng)用,已成為研究   問(wèn)題的一種重要手段,全景圖像的拼接技術(shù)則是其中一個(gè)非常重要的環(huán)節(jié)
    發(fā)表于 08-29 15:57 ?0次下載

    基于FPGA的高分辨率全景圖像處理平臺(tái)

    基于FPGA的高分辨率全景圖像處理平臺(tái)基于FPGA的高分辨率全景圖像處理平臺(tái)
    發(fā)表于 11-04 16:30 ?2次下載

    基于FPGA的折反射全景圖像查表實(shí)時(shí)展開(kāi)

    基于FPGA的折反射全景圖像查表實(shí)時(shí)展開(kāi)
    發(fā)表于 09-22 12:41 ?10次下載

    全景圖像鑲嵌中累積誤差的分析與減少方法研究

    針對(duì)全景圖像鑲嵌中累積誤差的問(wèn)題,提出了一種基于多次柱面投影的變換基準(zhǔn)圖策略。首先,為了將累積誤差有效地分散到各相鄰圖像之間,并減少柱面投影變換的計(jì)算量,算法利用相位相關(guān)和多分辨率分解法對(duì)柱面投影
    發(fā)表于 11-24 15:57 ?0次下載
    <b class='flag-5'>全景圖像</b>鑲嵌中累積誤差的分析與減少<b class='flag-5'>方法</b>研究

    基于二維透射變換的視頻全景圖拼接算法

    視頻序列全景圖拼接技術(shù)是視頻圖像分析的關(guān)鍵技術(shù)之一。針對(duì)幀間運(yùn)動(dòng)模型為二維投影變換的常見(jiàn)視頻序列,提出了一種全景圖拼接算法。該算法首先采用改進(jìn)的基于RANSAC的特征
    發(fā)表于 03-02 16:17 ?0次下載

    VR全景圖的制作原理及技術(shù)應(yīng)用

    虛擬全景又稱(chēng)三維全景虛擬現(xiàn)實(shí)(也稱(chēng)實(shí)景虛擬)是基于全景圖像的真實(shí)場(chǎng)景虛擬現(xiàn)實(shí)技術(shù)。全景(英文名稱(chēng)是 Panorama)是把相機(jī)環(huán)360 度拍攝的一組或多組照片拼接成一個(gè)
    發(fā)表于 06-15 11:30 ?4564次閱讀

    如何使用FPGA實(shí)現(xiàn)折反射全景圖像查表實(shí)時(shí)展開(kāi)

    為設(shè)計(jì)嵌入式折反射全景實(shí)時(shí)成像系統(tǒng),在FPGA上通過(guò)查表實(shí)現(xiàn)折反射全景圖像展開(kāi),并結(jié)合FPGA特點(diǎn)。采用圖像分塊展開(kāi)、時(shí)間隱藏?cái)?shù)據(jù)讀寫(xiě)技術(shù)、FPGA流水線(xiàn)等方法提高展開(kāi)速度。實(shí)驗(yàn)表明,
    發(fā)表于 02-02 15:52 ?3次下載
    如何使用FPGA實(shí)現(xiàn)折反射<b class='flag-5'>全景圖像</b>查表實(shí)時(shí)展開(kāi)

    如何提取、匹配圖像特征點(diǎn)

    我們習(xí)慣從圖像中選取比較有代表性的點(diǎn),然后,在此基礎(chǔ)上,討論相機(jī)位姿估計(jì)問(wèn)題,以及這些點(diǎn)的定位問(wèn)題。 在經(jīng)典 SLAM 模型中,把它們稱(chēng)為路標(biāo),而在視覺(jué) SLAM 中,路標(biāo)則是指
    的頭像 發(fā)表于 04-19 11:41 ?1384次閱讀