基于單目視覺的場景三維重建與飛行器位姿求解關鍵技術研究.pdf

1、本文主要圍繞基于單目視覺的場景三維重建與飛行器位姿求解中所需要的關鍵技術展開研究，主要內容包括圖像局部不變特征的快速檢測、描述與匹配，相對位姿的快速魯棒求解，以及攝像機的絕對位姿求解。
　　在有關局部不變特征快速檢測、描述與匹配的研究中，首先回顧了經典的局部不變特征，包括Harris角點、SUSAN角點、SIFT以及SURF特征點，特別對實時計算性能非常出眾的二值化不變特征點 ORB和 BRISK進行了詳細分析。在融合各種局部特征

2、提取方法中的優(yōu)秀思想后，本文提出了一種性能更優(yōu)的不變特征產生方法：SBRISK。SBRISK分別在檢測、描述以及匹配階段深度改進了BRISK。在特征點檢測階段，采用相鄰尺度空間中的級聯AGAST加速特征點的檢測；在特征點描述中則采用一種旋轉對稱的星座結構，利用精細設計的比特位移替代圖像或者星座的旋轉來實現特征描述的旋轉不變性，降低了對特征描述以及存儲的要求；在確定特征方向過程中，進行了簡化計算，且簡化過程并不降低特征匹配的精度；在特征匹

3、配階段，SBRISK將特征點集分為亮模式點集和暗模式點集，匹配只在同一模式點集內部進行；最后在粗匹配的基礎上，提出一種匹配提純策略，并用嚴格的實驗給出了匹配以及提純的閾值。實驗結果表明，相比于 BRISK， SBRISK的匹配精度更高，計算速度提高30％~40%。
　　在本質矩陣的快速魯棒求解方法研究中，首先回顧了經典的攝像幾何模型，推導和分析了基礎矩陣以及本質矩陣的數學形式、性質及典型的求解方法。提出一種基于野點（outlier

4、，如非特殊說明，本文中的野點均指在圖像局部不變特征匹配中得到的錯誤匹配點）消除的本質矩陣快速魯棒求解方法，克服了大比例野點情況下的RANSAC魯棒策略需要多次采樣的弊端。此法在模型驗證階段，不再采用傳統RANSAC中基于樣本（匹配點對）進行模型預檢驗的方式，而是依賴于所求解本質矩陣特征值與標準本質矩陣特征值之間的差異來度量所求解本質矩陣的有效性，使得檢驗的過程完全不依賴于樣本殘差模型以及野點概率的估計，具有較好的獨立性。當解得的本質矩陣

5、具有的較小特征值偏差時，計算點集中所有點對在此本質矩陣變換模型下的殘差，將殘差較大的點對刪除，以提高內點（inlier，如非特殊說明，本文中的內點均指在圖像局部不變特征匹配中得到的正確匹配點）的比例，并加快后續(xù)的RANSAC采樣過程。實驗結果表明，當匹配點集中存在大比例的野點時，本文提出的基于野點消除的RANSAC方法（OE-RANSAC）可比傳統的RANSAC方法計算速度快十倍以上。
　　攝像機特殊的運動方式以及平面的場景結構會

6、使傳統的基于匹配點集（數據）求取本質矩陣（模型）的代數求解方法出現退化，針對這個問題，本文提出一種基于改進粒子群優(yōu)化的本質矩陣求解方法。它首先構造一個符合本質矩陣約束條件的矩陣，然后計算此矩陣與點集之間的適應度值，通過粒子群優(yōu)化算法尋找適應度值最高的本質矩陣。針對傳統粒子群優(yōu)化算法容易陷入局部最值點以及收斂速度慢的弊端，本文為原始的粒子群優(yōu)化算法引入三點改進：交叉操作、隨機加權全局最優(yōu)值、隨機搜索速度。通過這三點改進，可以加速粒子群的收

7、斂，并避免過早地陷入局部極值點。雖然該方法還會受到場景結構、運動模式、粒子數以及迭代次數的影響，但計算結果在代數方法出現退化的場景條件下更為穩(wěn)定。
　　在場景三維結構已知條件下，通過單幀圖像即可求取出攝像機在場景中的絕對位姿，這就是PNP問題求解，包括N=3、N=4、N＞4的情形。傳統PNP方法存在的主要問題有如下兩點：一是算法復雜度與精度之間的矛盾；二是無法克服平面退化對結果的影響?；谛D矩陣的流形表達，本文提出一種新穎的基于

8、旋轉平均的PNP求解方法。首先任選多組由三個控制點構成的三元控制點對，利用這些三元控制點對以及P3P方法求解出位姿參數，然后再對P3P方法求取的位姿直接進行平均。實驗表明，與傳統的PNP方法相比，基于旋轉平均的PNP求解過程完全不受場景退化的影響，這主要是由于 P3P方法充分利用了所有的約束條件，屬于一種幾何求解方法。另外在控制點像平面坐標定位噪聲較大的情況下，性能也優(yōu)于 EPNP方法，在控制點數較少的位姿求解中具有最好的精度，計算快捷