柔性交互式相机网络最优布局调整方法及空间再定位方法技术

本发明专利技术公开了一种柔性交互式相机网络最优布局调整方法及空间再定位方法，包括：根据光学成像原理构建多相机网络布局的数学模型，进一步构建多相机成像网络成像精度的影响因子模型；根据综合分布误差理论得到多相机系统视觉测量的整体误差；多相机网络在不同的空间位置上获取目标特征点集的成像，计算多相机网络的目标空间误差，构建相机网络对目标成像的优化函数；通过迭代优化算法最小化特征点总体误差对网络结构进行优化调整，最终得到各个相机的位置和方位信息。利用多相机网络获取的冗余信息提高对目标重定位的精度和鲁棒性，有效增强了柔性交互式相机网络的目标空间定位能力。力。力。

【技术实现步骤摘要】
柔性交互式相机网络最优布局调整方法及空间再定位方法


[0001]本专利技术属于相机网络布局
，本专利技术涉及一种柔性交互式相机网络最优布局调整方法及空间再定位方法。

技术介绍

[0002]当前，视觉测量技术被广泛应用于现代航空航天、机器人导航及空间场景重构等领域，视觉测量技术因其具有精度高、测量范围大和重复性测量结果稳定等优点得到了广泛的关注与应用。然而随着应用需求的提升，在一些场景中对目标定位的范围、精度等要求越发苛刻，此时需要通过增加相机的数量构成相机网络来扩大测量视场，同时利用多相机获取的冗余信息阻止含有噪声数据集的偏执，以此抑制干扰、保证定位结果的鲁棒性。由此带来了两个问题，一是如何对多个相机的布局进行优化设置，二是如何对多个相机得到的数据进行计算得到精确的目标定位结果。
[0003]为了解决上述问题，提升机器视觉空间定位能力，通常传统方法对多相机间的相对位姿矩阵进行局部优化，同时在透视投影误差函数的建立以及单机内参优化等方面进行了诸多尝试，这种方法虽然在定位精度上取得了一定的提升，然而却忽略了相机网络架构的不同导致位姿测量结果的差异。相机网络架构中基线、视场、深度方向距离、光轴夹角等参数都会影响目标的定位精度，这也是针对不同场景下的对象进行视觉定位时需要更新相机网络布局的原因。因此如何搭建相机网络架构，实现选定量测特征点的空间三维坐标解算是解决实际问题中面临的一个挑战。目前视觉设备中相机网络的空间分布和定向都是通过人工完成的，即进行简单排布或根据先验信息进行相机布局的似然调整。这样的调整方式不仅难以保证模型的质量，同时需要耗费大量的时间和精力进行试错、改进。尤其对于面向不同应用场景下的非标设备，相机网络模块搭建通常效率很低。这就要求必须研究相机网络空间排布全局优化方法，建立柔性交互式相机网络布局调整策略，克服依据多相机布局经验进行人工调整的局限性，实现不同场景下基于最优相机网络架构的目标再定位功能。

技术实现思路

[0004]本专利技术的目的在于提供一种柔性交互式相机网络最优布局调整方法及空间再定位方法，得出相机网络对目标成像的优化函数，通过迭代优化算法最小化特征点总体误差对网络结构进行优化调整，利用多相机网络获取的冗余信息提高对目标重定位的精度和鲁棒性，有效增强了柔性交互式相机网络的目标空间定位能力。
[0005]实现本专利技术目的的技术解决方案为：一种柔性交互式相机网络最优布局调整方法，包括以下步骤：S01：根据光学成像原理构建多相机网络布局的数学模型，进一步构建多相机成像网络成像精度的影响因子模型；S02：根据综合分布误差理论得到多相机系统视觉测量的整体误差；
S03：多相机网络在不同的空间位置上获取目标特征点集的成像，计算多相机网络的目标空间误差，构建相机网络对目标成像的优化函数；S04：通过迭代优化算法最小化特征点总体误差对网络结构进行优化调整，最终得到各个相机的位置和方位信息。
[0006]优选的技术方案中，所述S01中多相机成像网络成像精度的影响因子模型为：
[0007]其中，为相机焦距，、和表示相机光轴与空间坐标轴的夹角，即为相机方位角，为相机基线长度，为相机的数量，为点的世界坐标，、为空间点经某个相机成像后的像素坐标。
[0008]优选的技术方案中，所述S02中多相机系统视觉测量的整体误差分别表示为，，轴的测量误差，用表示，则有：
[0009]式中，、、分别为、、轴的误差，表示各参量的误差因子，，表示相机方位角向量，式中下标 、表示相机索引， 各坐标点的误差表示为：
[0010][0011][0012]其中，表示相机和间的基线长度，下标、、、表示相机索引，由上式得出光轴基线夹角、投影角、基线长度和相机焦距影响因子对测量误差的影响，分别为如下式：
[0013][0014][0015][0016]。
[0017]优选的技术方案中，所述S03中构建相机网络对目标成像的优化函数包括：空间中一点在相机中的成像使用像素坐标和经过该点的光线向量表示：
[0018]其中，、、分别表示相机的旋转矩阵、平移矩阵和内参，为点的投影坐标，为相机索引；多相机网络的目标空间误差表示：
[0019]其由点的欧式距离误差和光线误差两部分组成，为单位矩阵；多相机网络在不同的空间位置上获取目标特征点集的成像，为获得各个相机的最佳观测方位和姿态，构建目标优化函数为：
[0020]其中，、分别为相机和特征点的数量，为相机索引，为特征点索引，为空间坐标，即为一个特征点在相机中成像的像素坐标，为相机的空间方位参数，。
[0021]优选的技术方案中，所述S03中目标特征点集的获取方法包括：使用下式对图像进行高斯卷积：
[0022]其中，为目标成的像，为高斯函数，为高斯函数标准差，为点的空间三维坐标，为目标上一点在成像中对应的像素值；然后使用下式计算高斯差分响应值图像：
[0023]其中，为相邻尺度空间倍数的常数；通过对响应值图像进行非最大值抑制，得到尺度空间不变特征点，这些点构成
的集合，作为候选的特征点进行进一步分析筛选；通过下式计算点的梯度结构张量来追踪关键点大致方向：
[0024]其中，为以点为中心的高斯滤波窗口，为空间目标所成的像在处的梯度， 表示矩阵转置；特征点的梯度结构张量为实对称矩阵，使用下式对其进行正交特征分解，并使用特征向量来标识特征点的局部方向：
[0025]其中，为分解得到的正交矩阵，由特征向量组成；为对角矩阵，其对角线上的值为特征值；为索引值，为对应的特征值，为特征向量的数量，为分解矩阵的特征向量。
[0026]优选的技术方案中，使用以下准则对特征点进行筛选：（1）绝对值准则：使用式，排除候选特征点集合中高斯差分数值小于一定比例的最大高斯差分值的点，其中=为比例因子：（2）特征值稳定性准则：将所有特征值按升序排序，去除满足下式的特征点：
[0027]其中，为梯度结构张量的特征值，为稳定性度量参数；（3）角度准则：如果图像梯度与特征向量的夹角大于一定阈值，则去除该特征点，即，其中，为图像在特征点处的梯度，为特征向量的索引；得到最终的符合尺度不变性的特征点集合。
[0028]本专利技术还公开了一种柔性交互式相机网络的空间再定位方法，通过上述的柔性交互式相机网络最优布局调整方法得到相机网络最优布局；根据相机网络的联合标定参数，获得目标的再定位信息。
[0029]本专利技术又公开了一种柔性交互式相机网络最优布局调整系统，包括：多相机网络布局模型构建模块，根据光学成像原理构建多相机网络布局的数学模型，进一步构建多相机成像网络成像精度的影响因子模型；多相机网络布局误差分析模块，根据综合分布误差理论得到多相机系统视觉测量的整体误差；相机网络目标优化函数构建模块，多相机网络在不同的空间位置上获取目标特征点集的成像，计算多相机网络的目标空间误差，构建相机网络对目标成像的优化函数；
优化调整模块，通过迭代优化算法最小化特征点总体误差对网络结构进行优化调整，最终得到各个相机的位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种柔性交互式相机网络最优布局调整方法，其特征在于，包括以下步骤：S01：根据光学成像原理构建多相机网络布局的数学模型，进一步构建多相机成像网络成像精度的影响因子模型；S02：根据综合分布误差理论得到多相机系统视觉测量的整体误差；S03：多相机网络在不同的空间位置上获取目标特征点集的成像，计算多相机网络的目标空间误差，构建相机网络对目标成像的优化函数；S04：通过迭代优化算法最小化特征点总体误差对网络结构进行优化调整，最终得到各个相机的位置和方位信息。2.根据权利要求1所述的柔性交互式相机网络最优布局调整方法，其特征在于，所述S01中多相机成像网络成像精度的影响因子模型为：，其中，为相机焦距，、和表示相机光轴与空间坐标轴的夹角，即为相机方位角，为相机基线长度，为相机的数量，为点的世界坐标，、为空间点经某个相机成像后的像素坐标。3.根据权利要求1所述的柔性交互式相机网络最优布局调整方法，其特征在于，所述S02中多相机系统视觉测量的整体误差分别表示为，，轴的测量误差，用表示，则有：，式中，、、分别为、、轴的误差，表示各参量的误差因子，，表示相机方位角向量，式中下标、表示相机索引，各坐标点的误差表示为：，，，
其中，表示相机和间的基线长度，下标、、、表示相机索引，由上式得出光轴基线夹角、投影角、基线长度和相机焦距影响因子对测量误差的影响，分别为如下式：，，，，。4.根据权利要求1所述的柔性交互式相机网络最优布局调整方法，其特征在于，所述S03中构建相机网络对目标成像的优化函数包括：空间中一点在相机中的成像使用像素坐标和经过该点的光线向量表示：，其中，、、分别表示相机的旋转矩阵、平移矩阵和内参，为点的投影坐标，为相机索引；多相机网络的目标空间误差表示：，其由点的欧式距离误差和光线误差两部分组成，为单位矩阵；多相机网络在不同的空间位置上获取目标特征点集的成像，为获得各个相机的最佳观测方位和姿态，构建目标优化函数为：，其中，、分别为相机和特征点的数量，为相机索引，为特征点索引，为空间坐标，即为一个特征点在相机中成像的像素坐标，为相机的空间方位参数，。5.根据权利要求1所述的柔性交互式相机网络最优布局调整方法，其特征在于，所述S03中目标特征点集的获取方法包括：使用下式对图像进行高斯卷积：，
其中，为目标成的像，为高斯函数，为高斯函数标准差，为点的空间三维坐标，为目标上一点在成像中对应的像素值；然后使用下式计算高斯差分响应值图像：，其中，为相邻尺度空间倍数的常数；通过对响应值图像进行非最大值抑制，得到尺度空间不变特征点，这些点构成的集合，作为候选的特征点进行进一步分析筛选；通过下式计算点的梯度结构张量来追踪关键点大致方向：，其中，为以点为中心的高斯滤波窗口，为空间目标所成的像在处的...

【专利技术属性】
技术研发人员：张贵阳，杨兰玉，满增光，吴健，吉思雨，钱龙根，吴春彪，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：