【技术实现步骤摘要】
本专利技术涉及机器人感知和计算机视觉，具体涉及一种基于单目视觉的空间圆环检测及位姿估计方法。
技术介绍
1、在国内外的自主无人机竞赛中，钻圆环是一项非常具有观赏性和挑战性的科目。无人机需要在规定的时间内，仅依赖自身的传感器及机载运算设备实现以最快的速度、最高精度地穿越一系列悬浮的圆环。在自主无人机竞赛中，为了实现无人机成功穿越圆环的需要，其基础技术便是能够利用自身的传感器实现对空间圆环精准的感知。无人机由于体积及载重通常较小，所搭载的传感器一般为图像传感器，因而通过无人机获取的图像，通过一些图像处理算法，实现圆环的位姿估计，是自主无人机赛事中无人机穿越圆环的基础性工作，其直接决定了无人机的自主能力。
2、传统的圆环检测的方法通常采用基于模板匹配的方法或基于霍夫变换的方法。基于模板匹配的方法将预先准备好的圆环模板图像和待识别图像进行对比，从而找到最相似的区域，以实现目标圆环的识别和定位，但其工作环境要求较高，对于光照、遮挡等环境因素鲁棒性较差。基于霍夫变换的方法利用霍夫变换来检测圆环的圆形轮廓，其通过提取图像中轮廓线来提取图像中圆形特征，实现圆环的检测，但实际工作中圆环在图像中的投影大概率不是标准圆形，此时该方法的准确度会有比较严重的下降。
3、传统的圆环空间位姿估计通常采用传统的单目定位模型。其根据相似三角形的原理，传统单目定位模型认为对于焦距固定的镜头，当目标投影大小不变时，目标深度与目标大小成正比。因此将检测算法中提取到的圆环检测框大小作为圆环投影大小代入单目定位模型解算目标位置信息。然而由于现实情况
4、因此，设计鲁棒的空间圆环感知检测算法，根据图像中的圆环检测结果对空间圆环实现精准位姿估计，实现仅基于单目视觉的空间圆环检测及位姿估计，对于无人机系统进一步自主智能化，推进自主无人机比赛发展是至关重要的。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于单目视觉的空间圆环检测及位姿估计方法，可以利用简单的单目视觉图像输入，实现鲁棒的空间圆环识别检测及精准位姿估计输出。
2、本专利技术的基于单目视觉的空间圆环检测及位姿估计方法，包括：
3、s1，对单目相机获取的图像中的空间圆环进行检测，并计算其最小外接矩形；
4、s2，采用单目定位模型对s1检测出的空间圆环进行初步位置求解；
5、s3，对s2得到的空间圆环初步位置进行迭代优化，具体为：
6、s31，以空间圆环的中心为原点，建立物体的局部坐标系；根据已知空间圆环尺寸先验建立空间圆环三维点模型，在空间圆环内环外环边缘上分别每隔一定间隔取一个空间三维点，记为{pi|1≤i≤n}，n为采样点总个数；
7、s32，利用空间投影关系，基于s2得到的空间圆环初步位置t，将所述空间三维点向图像上做投影，得到投影的二维像素点pi；
8、s33，构建最小二乘优化问题：
9、通过寻找每个投影二维像素点在s1检测得到的空中圆环轮廓中最近的观测像素，建立每对点之间的像素误差即重投影误差；设每个投影点pi在检测空中圆环轮廓上匹配得到的最近点为ui，则目标函数为：
10、
11、s34，通过求解s33构建的最小二乘优化问题，得到空间圆环位姿t的最优解。
12、较优的，所述s1中，基于椭圆模板完成图像中空间圆环的检测，具体为：
13、首先，提取图像中的直线段；
14、接着，以提取出的直线段作为弧支持线段，构建弧支持组，具体为：若任何两个相连接的弧支持线段如果在首尾连接处有相似的几何属性，就将其连接在一起，多个连接在一起的弧支持线段共同构成弧支持组；
15、然后，计算弧支持组内部跨度角，将内部跨度角超过设定阈值的弧支持组作为有效弧支持组；
16、最后，在每个有效弧支持组上进行采样，通过最小二乘法将采样点拟合到一个椭圆曲线上，得到初步的椭圆参数方程；对所有的椭圆参数方程进行均值漂移聚类，获取最终的椭圆参数方程，并选取完整度与几何属性最显著的椭圆作为检测得到的空间圆环输出。
17、较优的，采用lsd算法、霍夫直线检测、edlines直线检测等算法提取图像中的直线段。
18、较优的，采用lsd算法提取图像中的直线段，具体为：
19、首先对图像进行高斯滤波，去除图像中的噪声；然后，计算图像中每个像素点的梯度强度和方向；接着，采用非极大值抑制的方式去除梯度弱的像素点，只保留梯度强度局部最大的值；然后依据梯度方向，将边缘点投票到五维霍夫空间中的细分单元，在霍夫空间中寻找极大值点以确定线段的描述；最后基于所述描述消除短线段(5像素长度以内)和重合线段，得到最终的直线段检测结果。
20、较优的，采用sobel算子、canny算子、laplace算子等计算图像中每个像素点的梯度强度和方向。
21、较优的，所述s1中，完成图像中空间圆环的检测后，滤除过小面积(100像素面积以内)的空间圆环。
22、较优的，所述s1中，首先对单目相机获取到的rgb图像进行预处理：
23、将单目相机获取到的rgb图像转换到hsv颜色空间；基于空间圆环的颜色设置阈值；在hsv颜色空间中，基于所述阈值对图像像素颜色进行提取，得到只保留空间圆环的二值化灰度图；若空间圆环有多个颜色，则对应的设置多个阈值，分别对图像像素颜色进行提取后合并，得到只保留空间圆环的二值化灰度图；
24、对预处理得到的二值化灰度图进行空间圆环检测。
25、较优的，所述s1中，在进行空间圆环检测前，对图像进行中值滤波，去除图像中的噪声。
26、较优的，所述s2中，空间圆环的初步位置为t＝[x,y,z]t，其中，
27、
28、
29、
30、其中，x、y、z为空间圆环中心在相机坐标系下的三维位置；h为空间圆环的实际高度先验值；xo、yo为最小外接矩形的中心像素坐标，cx、cy、fy是单目相机的内参，h为最小外接矩形的像素高度。
31、较优的，
32、
33、其中，k为单目相机通过相机标定得到的相机内参矩阵，z为空间三维点的深度值，r和t分别是世界坐标系到圆环坐标系的旋转矩阵与平移向量；
34、采用高斯牛顿法求解s33构建的最小二乘优化问题，其中重投影误差相对于相机位姿的李代数的雅可比矩阵为：
35、
36、通过构建的雅可比矩阵，依次遍历所述空间三维点，根据高斯牛顿优化方法，得到位姿优化方向δt：
37、δt＝(jtj)-1(-jt e)
38、其中e为重投影误差项，对δt的作用量进行累加，不断迭代优化更新圆环的位姿矩阵t，即可最终优化出最优圆环位姿。
39、有益效果：
40、(1)本专利技术仅采用本文档来自技高网...
【技术保护点】
1.一种基于单目视觉的空间圆环检测及位姿估计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述S1中，基于椭圆模板完成图像中空间圆环的检测，具体为：
3.如权利要求2所述的方法，其特征在于，采用LSD算法、霍夫直线检测或EDLines直线检测提取图像中的直线段。
4.如权利要求3所述的方法，其特征在于，采用LSD算法提取图像中的直线段，具体为：
5.如权利要求4所述的方法，其特征在于，采用Sobel算子、Canny算子或Laplace算子计算图像中每个像素点的梯度强度和方向。
6.如权利要求2所述的方法，其特征在于，所述S1中，完成图像中空间圆环的检测后，滤除过小面积的空间圆环。
7.如权利要求1～6任一所述的方法，其特征在于，所述S1中，首先对单目相机获取到的RGB图像进行预处理：
8.如权利要求7所述的方法，其特征在于，所述S1中，在进行空间圆环检测前，对图像进行中值滤波，去除图像中的噪声。
9.如权利要求1所述的方法，其特征在于，所述S2中，空间圆环的初步位置
10.如权利要求9所述的方法，其特征在于，
...【技术特征摘要】
1.一种基于单目视觉的空间圆环检测及位姿估计方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述s1中，基于椭圆模板完成图像中空间圆环的检测，具体为：
3.如权利要求2所述的方法，其特征在于，采用lsd算法、霍夫直线检测或edlines直线检测提取图像中的直线段。
4.如权利要求3所述的方法，其特征在于，采用lsd算法提取图像中的直线段，具体为：
5.如权利要求4所述的方法，其特征在于，采用sobel算子、canny算子或laplace算子计算图像中每个像素点的梯度强度...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。