種目標(biāo)檢測(cè)算法與單目視覺(jué)來(lái)提高測(cè)距精度和速度,具有重要的研究意義。國(guó)內(nèi)外眾多學(xué)者已在單目測(cè)距領(lǐng)域進(jìn)行了廣泛而深入的研究,取得了諸多成果。于國(guó)防等[2]結(jié)合單目測(cè)距和有限局域圖像快速匹配算法,實(shí)現(xiàn)倒車影像系統(tǒng)中目標(biāo)距離探測(cè);汪亞兵等[3]融合RANSAC(Rando m Sa mple Consensus)算法、Pn P(Perspective-n-Point)算法和單目測(cè)距進(jìn)行目標(biāo)距離的計(jì)算;關(guān)闖等[4]利用路況消隱點(diǎn)的單目測(cè)距方法結(jié)合數(shù)字圖像處理Houg

定位系統(tǒng)，研究了單目視覺(jué)定位算法，設(shè)計(jì)了自主定位系統(tǒng)的軟硬件架構(gòu)。驗(yàn)證實(shí)驗(yàn)表明，本文設(shè)計(jì)的輕量級(jí)視覺(jué)定位系統(tǒng)可以實(shí)現(xiàn)無(wú)人機(jī)單目定位。1 搭建視覺(jué)定位系統(tǒng)架構(gòu)1.1 硬件平臺(tái)本文搭建的多旋翼無(wú)人機(jī)平臺(tái)包括Pixhawk飛行控制板、視覺(jué)傳感器、機(jī)載嵌入式計(jì)算機(jī)。搭建的視覺(jué)定位無(wú)人機(jī)平臺(tái)如圖1所示。圖1 視覺(jué)定位旋翼無(wú)人機(jī)平臺(tái)飛行控制板Pixhawk使無(wú)人機(jī)執(zhí)行自主命令和控制飛行。Pixhawk是一種高性能的自動(dòng)駕駛儀，以兩片STM32芯片為主從控制器，并且集成

聰，徐愛(ài)功一種單目VIO/UWB室內(nèi)組合定位方法隋 心，張 杰，陳志鍵，王思語(yǔ)，張宏慶，張 聰，徐愛(ài)功（遼寧工程技術(shù)大學(xué) 測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000）針對(duì)單目視覺(jué)慣性里程計(jì)（VIO）在室內(nèi)環(huán)境下易漂移、定位誤差較大的問(wèn)題，提出了一種基于單目VIO/超寬帶（UWB）組合的室內(nèi)高精度定位方法。該方法結(jié)合單目VIO輸出的位置信息和UWB的測(cè)距信息，利用自適應(yīng)卡爾曼濾波進(jìn)行數(shù)據(jù)融合，考慮到UWB測(cè)距值易受非視距（NLOS）誤差的影響，通過(guò)新息向

可以適用于裝備有單目、雙目或者深度相機(jī)的無(wú)人機(jī)的ORB-SLAM3算法，專為多旋翼系統(tǒng)設(shè)計(jì)來(lái)實(shí)現(xiàn)無(wú)人機(jī)實(shí)時(shí)建圖的框架OpenREALM，可以用于單目 SLAM無(wú)人機(jī)圖像拼接的Map2DFusion 算法，可以用于無(wú)人機(jī)導(dǎo)航的SLAM 框架openvslam，利用了激光傳感器進(jìn)行稠密重建的RTAB-Map。然而，大多數(shù)無(wú)人機(jī)的應(yīng)用多集中于雙目、深度或是添加激光等其他傳感器的環(huán)境。這是由于單目攝像頭不帶有深度信息，無(wú)法直接應(yīng)用于導(dǎo)航等問(wèn)題。本文就單目攝像頭添加

三維重建，即進(jìn)行單目深度估計(jì)。單目深度估計(jì)在諸多領(lǐng)域有著廣泛的應(yīng)用前景，如智能制造、智能安防、機(jī)器人和自動(dòng)駕駛［1］。與傳統(tǒng)多視角立體幾何不同，單目深度估計(jì)算法僅能利用單張圖像中的信息進(jìn)行深度推理，對(duì)深度信息進(jìn)行建模的難度較大。因此，手工設(shè)計(jì)的傳統(tǒng)算法模型難以獲得良好的深度估計(jì)結(jié)果［2］。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展，研究者們發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）能夠很好地建模圖像中的深度線索，從而實(shí)現(xiàn)高性能的單

不僅考慮2D 單目圖像的失真程度，還考慮雙目視覺(jué)感知體驗(yàn)帶來(lái)的影響。立體圖像是由一對(duì)2D 單目圖像組成，又稱左右視圖圖像，分別代表投影到觀看者每只眼睛上的景象。當(dāng)人們?cè)谟^看立體圖像時(shí)，人類視覺(jué)系統(tǒng)（Human Visual System，HVS）經(jīng)過(guò)復(fù)雜的雙目融合和雙目競(jìng)爭(zhēng)的過(guò)程，將立體圖像中的左右視圖融合為人腦中的3D 視圖，這種融合的視圖不僅依賴于雙眼受到刺激的差異，還依賴于呈現(xiàn)給每只眼睛不同圖案部分的幾何關(guān)系［4］。因此，立體圖像質(zhì)量不僅與每張單獨(dú)

一定的缺陷，傳統(tǒng)單目視覺(jué)SLAM存在對(duì)光照變化敏感以及尺度漂移等問(wèn)題[3-4]；激光SLAM在幾何結(jié)構(gòu)相似的環(huán)境中易失效并且回環(huán)檢測(cè)準(zhǔn)確度差[5-6]。因此，將單目視覺(jué)傳感器與激光傳感器融合的SLAM算法成為現(xiàn)階段研究的熱點(diǎn)方向。利用激光雷達(dá)準(zhǔn)確的三維點(diǎn)云信息，為單目相機(jī)采集的RGB圖像中對(duì)應(yīng)的像素賦予深度值，從而實(shí)現(xiàn)兩種傳感器的融合，通過(guò)這種融合方式可以提高單目視覺(jué)SLAM算法的準(zhǔn)確性。然而，現(xiàn)階段單目視覺(jué)與激光雷達(dá)基于數(shù)據(jù)層的融合往往因?yàn)榛謴?fù)特征點(diǎn)尺度

視覺(jué)SLAM分為單目視覺(jué)、RGB-D SLAM、雙目SLAM。由于單目相機(jī)質(zhì)量輕、功耗小、成本低，能夠廣泛應(yīng)用在各個(gè)領(lǐng)域。MUR-ARTAL 等[6]于2015年提出了ORB-SLAM算法，運(yùn)用單目相機(jī)在計(jì)算機(jī)的CPU上實(shí)時(shí)建圖與定位。該算法的關(guān)鍵點(diǎn)提取和描述子的計(jì)算花費(fèi)近20 ms；但是，會(huì)忽略除特征點(diǎn)以外的大部分信息，在特征缺失地方采集不到足夠的匹配點(diǎn)進(jìn)行計(jì)算，從而可能丟棄有用的視覺(jué)信息。FORSTER等[7]于2014年提出了一種半直接法的視覺(jué)里程計(jì)

確數(shù)據(jù)關(guān)聯(lián)關(guān)系到單目相機(jī)定位估計(jì)的準(zhǔn)確性，是單目相機(jī)定位方法的關(guān)鍵[1，2].由于單目相機(jī)獲取環(huán)境信息的平滑性、重復(fù)紋理的存在以及圖像處理引入的噪聲等，已有的數(shù)據(jù)關(guān)聯(lián)方法ICNN[3-5](Individual Compatibility Nearest Neighbour，ICNN)對(duì)環(huán)境路標(biāo)和成像特征進(jìn)行數(shù)據(jù)關(guān)聯(lián)時(shí)會(huì)存在模糊關(guān)聯(lián)的情況，即一個(gè)路標(biāo)可能關(guān)聯(lián)多個(gè)成像特征，或者一個(gè)成像特征可能與多個(gè)路標(biāo)關(guān)聯(lián)，從而引起錯(cuò)誤的數(shù)據(jù)關(guān)聯(lián).對(duì)含有錯(cuò)誤關(guān)聯(lián)的數(shù)據(jù)直接采

類，VO 可分為單目VO 和立體VO。相比于立體VO，單目VO計(jì)算量小且標(biāo)定簡(jiǎn)單，應(yīng)用更加廣泛[5]。按照實(shí)現(xiàn)方法可分為基于特征點(diǎn)法的VO 和直接法的VO[6]。相比于直接法VO，基于特征點(diǎn)法的VO 對(duì)光照變化和動(dòng)態(tài)場(chǎng)景魯棒性強(qiáng)，不易受到光照和噪聲的影響。因此本文選用基于特征點(diǎn)法的VO 進(jìn)行單目視覺(jué)的定位。然而單目VO 算法屬于相對(duì)定位方式，本身無(wú)法估計(jì)絕對(duì)尺度，在特征單一的場(chǎng)景下，其定位精度較低，容易跟蹤失敗且誤差隨時(shí)間累積。超寬帶（ultra-wide

一種視覺(jué)SLAM單目半稠密建圖方法，利用極線搜索和塊匹配技術(shù)，加入圖像變換和逆深度高斯深度濾波器處理，以期避免單目稠密建圖嚴(yán)重依賴紋理、計(jì)算量大的缺點(diǎn)，提高單目半稠密建圖的準(zhǔn)確性和魯棒性。經(jīng)測(cè)試顯示，改進(jìn)的單目半稠密建圖方法在檢測(cè)梯度變化明顯像素點(diǎn)上更加準(zhǔn)確，深度估計(jì)的平均誤差和平方誤差分別減少了9%和47%，是一種可行有效的視覺(jué)SLAM單目半稠密建圖解決方案。關(guān)鍵詞： 視覺(jué)SLAM;建圖;單目;極限搜索;塊匹配;逆深度文章編號(hào)： 2095-2163（20

)0 引 言由于單目相機(jī)具有成本低、適用范圍廣和校準(zhǔn)過(guò)程簡(jiǎn)單等優(yōu)勢(shì)，使得單目視覺(jué)同時(shí)定位與地圖構(gòu)建(simulta-neous localization and mapping，SLAM)成為機(jī)器人在未知環(huán)境中自主定位的一個(gè)重要研究方向。但是單目存在尺度不確定性的缺點(diǎn)，無(wú)法通過(guò)單幀圖像得到場(chǎng)景中真實(shí)的深度信息，使單目SLAM出現(xiàn)尺度模糊的問(wèn)題，因此需要一種單目的絕對(duì)尺度估計(jì)方法來(lái)恢復(fù)單目的絕對(duì)尺度。Ji Zhang等[1]使用激光雷達(dá)來(lái)輔助單目恢復(fù)場(chǎng)景的真

的速度和姿態(tài)。單目相機(jī)具有結(jié)構(gòu)簡(jiǎn)單、成本低廉、采樣數(shù)據(jù)充足等優(yōu)點(diǎn)，在SLAM 研究領(lǐng)域引起了廣泛的關(guān)注。利用單目視覺(jué)，已經(jīng)有許多關(guān)于狀態(tài)估計(jì)，里程表和SLAM 的完整著作，包括PTAM[11]、SVO[12]、LSDSLAM[13]和VINS-Mono[14]。對(duì)于單目視覺(jué)和無(wú)人機(jī)上的SLAM 應(yīng)用而言，快速完成初始化并準(zhǔn)確恢復(fù)真實(shí)尺度信息至關(guān)重要。為了解決初始化問(wèn)題，已經(jīng)提出了許多方法，例如文獻(xiàn)[15]和文獻(xiàn)[16]。在文獻(xiàn)[15]中設(shè)計(jì)了線性估計(jì)器初

，有一定局限性。單目視覺(jué)傳感器具有精度高、成本低、信息豐富等特點(diǎn)，無(wú)人機(jī)可搭載單目相機(jī)，并通過(guò)視覺(jué)同步定位與建圖（Visual Simultaneous Localization and Mapping，V-SLAM）技術(shù)進(jìn)行位姿估計(jì)。文獻(xiàn)[6]和文獻(xiàn)[7]采用基于特征匹配的方法，對(duì)無(wú)人機(jī)采集的圖像進(jìn)行基于單目視覺(jué)的迭代定位，但對(duì)圖像中特征點(diǎn)要求較高且匹配耗時(shí)。文獻(xiàn)[8]提出了一種半直接單目視覺(jué)里程計(jì)算法，不需提取大量特征點(diǎn)便可進(jìn)行空間定位，但應(yīng)用在無(wú)人機(jī)

，徐新，左榮基于單目視覺(jué)里程計(jì)的移動(dòng)機(jī)器人自定位方法雷越，鄧斌，何沛恒，徐新，左榮（西南交通大學(xué) 先進(jìn)驅(qū)動(dòng)節(jié)能技術(shù)教育部工程研究中心，四川 成都 610031）為解決在列車底部直線移動(dòng)的機(jī)器人對(duì)風(fēng)管進(jìn)行識(shí)別定位摘解時(shí)需到達(dá)兩節(jié)車廂之間的自定位問(wèn)題，提出一種基于單目視覺(jué)里程計(jì)的自定位方法。該方法根據(jù)單目相機(jī)在列車底部豎直向上拍攝時(shí)圖像顏色較深，而當(dāng)相機(jī)將要到達(dá)兩節(jié)車廂之間時(shí)所拍攝圖像中會(huì)有明顯亮度變化區(qū)域的特點(diǎn)，選取關(guān)鍵幀圖像，通過(guò)圖像處理提取出圖像中目標(biāo)區(qū)

案和近年新出現(xiàn)的單目攝像頭深度學(xué)習(xí)解決方案的優(yōu)勢(shì)和劣勢(shì)，決定采用單目攝像頭作為該車型的芯片供應(yīng)解決方案。針對(duì)單目視覺(jué)方案測(cè)距測(cè)速準(zhǔn)確性不高，實(shí)時(shí)性偏差影響性能體驗(yàn)的不足，通過(guò)感知端優(yōu)化算法精度和加大數(shù)據(jù)訓(xùn)練量，功能端進(jìn)行功能決策優(yōu)化加以優(yōu)化和解決，最后通過(guò)了高里程的實(shí)車路試性能驗(yàn)證和整車性能驗(yàn)收，單目攝像頭方案整體性能達(dá)到量產(chǎn)水平。結(jié)果表明單目視覺(jué)解決方案通過(guò)深度學(xué)習(xí)算法，能夠不斷提升感知端的識(shí)別能力和識(shí)別精度，進(jìn)而提升整車性能表現(xiàn)，可以替代毫米波雷達(dá)加攝

325)0 引言單目無(wú)人機(jī)巡視現(xiàn)場(chǎng)多是復(fù)雜場(chǎng)景，對(duì)無(wú)人機(jī)巡查工作的要求更為苛刻。無(wú)人機(jī)在控制自身飛行的同時(shí)需完成在線檢查測(cè)驗(yàn)及躲避障礙物，由于操作內(nèi)容過(guò)多，導(dǎo)致無(wú)人機(jī)在規(guī)避電線塔桿和冗余線路時(shí)存在避障問(wèn)題，為檢查改修帶來(lái)困難。針對(duì)單目無(wú)人機(jī)感應(yīng)器的類型、屬性、規(guī)避障礙物數(shù)據(jù)等特征，結(jié)合神經(jīng)網(wǎng)絡(luò)和模糊控制原理對(duì)單目無(wú)人機(jī)視覺(jué)避障方法進(jìn)行優(yōu)化和改善[1]。對(duì)航行軌跡重新設(shè)計(jì)規(guī)劃，得到實(shí)際的飛行檢驗(yàn)，通過(guò)進(jìn)一步實(shí)驗(yàn)測(cè)試說(shuō)明該技術(shù)對(duì)單目無(wú)人機(jī)規(guī)避塔桿障礙物具有明顯

的導(dǎo)航信息，利用單目或雙目相機(jī)等獲取周圍環(huán)境信息，通過(guò)圖像處理技術(shù)和定位算法提取導(dǎo)航信息完成導(dǎo)航任務(wù)。系統(tǒng)不依賴于其他傳感器及外部設(shè)備，可以實(shí)現(xiàn)在未知環(huán)境下的自主導(dǎo)航。視覺(jué)導(dǎo)航系統(tǒng)有兩種不同的實(shí)現(xiàn)方法[5]：1)第一種是基于圖像匹配的定位方法，采用這種方法完成視覺(jué)定位需預(yù)先采集環(huán)境圖像并建立導(dǎo)航環(huán)境的圖像數(shù)據(jù)庫(kù)，在飛行過(guò)程中從圖像數(shù)據(jù)庫(kù)中搜索與相機(jī)拍攝圖像最為匹配的圖像，從而估計(jì)當(dāng)前狀態(tài)的飛行平臺(tái)位姿?；趫D像匹配的定位方法中地圖的創(chuàng)建與導(dǎo)航的實(shí)時(shí)定位分開(kāi)

極大[4-5]。單目深度提取方法具有操作簡(jiǎn)單和成本低等優(yōu)點(diǎn)，但是傳統(tǒng)單目測(cè)距方法存在以下缺陷:需要固定參照物[6-10]、精度較低[11]、無(wú)法適應(yīng)遠(yuǎn)距離測(cè)量場(chǎng)合等。文獻(xiàn)[12]采用人工標(biāo)記法建立地圖，利用單目相機(jī)采集圖片分析對(duì)相機(jī)進(jìn)行定位。文獻(xiàn)[13]利用單目攝像機(jī)進(jìn)行了視覺(jué)導(dǎo)航研究，該方法亦可應(yīng)用在已知環(huán)境下移動(dòng)機(jī)器人的目標(biāo)識(shí)別及抓取。近年來(lái)，國(guó)內(nèi)有學(xué)者提出一種基于單攝像機(jī)鏡像的雙目視覺(jué)系統(tǒng)[14]，該方法試圖融合單目與雙目視覺(jué)測(cè)距的優(yōu)點(diǎn)，然而存在以下

、姿態(tài)等的測(cè)量。單目視覺(jué)的主要原理是應(yīng)用單臺(tái)攝像機(jī)，對(duì)單張位姿信息圖像進(jìn)行拍攝，通過(guò)圖像處理得到特定信息，用于運(yùn)動(dòng)目標(biāo)的位姿位置軌跡解算[1,2]。單目視覺(jué)測(cè)量系統(tǒng)在現(xiàn)場(chǎng)實(shí)時(shí)測(cè)量中非常便于應(yīng)用，且測(cè)量范圍大、標(biāo)定步驟少。此外，單目視覺(jué)還可修正雙目視覺(jué)中測(cè)量視場(chǎng)范圍小、視覺(jué)傳感器之間立體匹配困難等缺點(diǎn)，因而近年來(lái)這方面的研究較為活躍。然而，如何準(zhǔn)確快速的從預(yù)先標(biāo)定好的攝像機(jī)拍攝的一幀圖像中，利用空間點(diǎn)和圖像點(diǎn)間的幾何關(guān)系，解得攝像機(jī)與目標(biāo)物體之間的位姿關(guān)系，

[5]，該方法以單目視覺(jué)為主，整個(gè)過(guò)程均采用ORB特征點(diǎn)，極大的縮短了計(jì)算時(shí)間，然而單目ORB-SLAM2無(wú)法提供尺度信息，只能提供帶有比例縮放的軌跡，因此許多學(xué)者將目光轉(zhuǎn)向多傳感器融合，其中Mur-Artal等使用單目ORB-SLAM與IMU的結(jié)合十分突出[6]，將IMU提供的慣性數(shù)據(jù)用于緊耦合融合，插入預(yù)積分作為約束，進(jìn)而實(shí)現(xiàn)對(duì)單目ORB-SLAM跟蹤的改進(jìn)，但是IMU的初始化依賴于SLAM。周紹磊等[7]利用INS與ORB-SLAM結(jié)合實(shí)現(xiàn)了室外的慣

動(dòng)雙目相機(jī)、被動(dòng)單目相機(jī)和結(jié)構(gòu)光相機(jī)等[3-4]。在實(shí)際的應(yīng)用中，由于對(duì)非合作目標(biāo)運(yùn)動(dòng)狀態(tài)的測(cè)量有一個(gè)由遠(yuǎn)及近、由粗略估計(jì)到精確測(cè)量、由目標(biāo)快速自旋到消旋降速的過(guò)程，同時(shí)整個(gè)過(guò)程中的光照環(huán)境條件各異，所以很難有一種測(cè)量方案可以應(yīng)對(duì)全過(guò)程的測(cè)量需求，大多的研究方案都有其應(yīng)用的針對(duì)性和適應(yīng)性[5-8]。單目相機(jī)具有體積小、功耗低、成像信息豐富、配置應(yīng)用方便等特點(diǎn)，利用單目相機(jī)實(shí)現(xiàn)部分非合作目標(biāo)運(yùn)動(dòng)狀態(tài)的測(cè)量、估計(jì)，可以很好地實(shí)現(xiàn)與其他測(cè)量手段的數(shù)據(jù)融合，增加系

SLAM算法包括單目視覺(jué)SLAM[1-5]、雙目視覺(jué)SLAM[6-8]、RGB-D視覺(jué)SLAM[9]和激光雷達(dá)SLAM[10]。單目視覺(jué)SLAM系統(tǒng)僅需一臺(tái)攝像頭和一套低成本IMU，其體積小、成本低、功耗小等優(yōu)點(diǎn)引起了學(xué)術(shù)界和工業(yè)界的極大興趣。自從基于擴(kuò)展卡爾曼濾波的Mono-SLAM[11]算法被提出以后，單目視覺(jué)逐漸流行起來(lái)。目前有眾多的單目視覺(jué)解決方案，包括PTAM[12]、SVO[13]、ORB-SLAM2[14]、MSCKF[15]和VINS-S

彭小勇?對(duì)基于單目視覺(jué)的汽車鈑金零件焊接系統(tǒng)設(shè)計(jì)分析彭小勇（杭州寶偉汽車零部件有限公司，浙江 杭州 311228）汽車鈑金零件焊接工藝，是影響汽車零件生產(chǎn)的主要部分，也是保障零件生產(chǎn)質(zhì)量的重要條件，具有基礎(chǔ)性、關(guān)聯(lián)性等特征。基于此，文章從單目視覺(jué)層面入手，通過(guò)技術(shù)在汽車鈑金零件焊接中融合的原理，著重對(duì)技術(shù)實(shí)踐設(shè)計(jì)的相關(guān)要點(diǎn)進(jìn)行探究，以達(dá)到充分發(fā)揮技術(shù)優(yōu)勢(shì)，提升汽車鈑金零件焊接質(zhì)量的目的。單目視覺(jué)；汽車鈑金；零件焊接系統(tǒng)設(shè)計(jì)1 單目視覺(jué)汽車鈑金零件焊接系統(tǒng)原

對(duì)人體運(yùn)動(dòng)動(dòng)畫(huà)的單目視頻追蹤識(shí)別，提高對(duì)人體運(yùn)動(dòng)軌跡的跟蹤性能，從而指導(dǎo)人體運(yùn)動(dòng)訓(xùn)練，提高運(yùn)動(dòng)效果。研究三維人體動(dòng)畫(huà)單目視頻運(yùn)動(dòng)軌跡的跟蹤方法在體育訓(xùn)練、動(dòng)畫(huà)效果重建以及三維動(dòng)畫(huà)模擬等領(lǐng)域都具有很好的應(yīng)用價(jià)值，相關(guān)的算法設(shè)計(jì)研究受到人們的極大重視[1]。對(duì)三維人體動(dòng)畫(huà)單目視頻運(yùn)動(dòng)軌跡圖像的三維重建和跟蹤識(shí)別是建立在三維人體動(dòng)畫(huà)的單目視頻重構(gòu)和運(yùn)動(dòng)軌跡的自適應(yīng)特征信息分析的基礎(chǔ)上，結(jié)合圖像的三維特征匹配和紋理重構(gòu)技術(shù)，進(jìn)行軌跡跟蹤，提高畫(huà)面的動(dòng)畫(huà)展示效能。傳

用的視覺(jué)傳感器有單目相機(jī)、雙目相機(jī)和RGB-D相機(jī)。其中，RGB-D相機(jī)由于其自身測(cè)量原理的限制，深度測(cè)量范圍較小，難以在室外場(chǎng)景中使用；雙目相機(jī)的深度測(cè)量范圍與基線長(zhǎng)度有關(guān)，在室外大尺度場(chǎng)景下進(jìn)行導(dǎo)航所需的相機(jī)基線長(zhǎng)度過(guò)長(zhǎng)，導(dǎo)致相機(jī)體積與質(zhì)量顯著增加，難以在無(wú)人機(jī)等小型移動(dòng)平臺(tái)上應(yīng)用。除此之外，這兩種相機(jī)模型較復(fù)雜，在標(biāo)定、矯正過(guò)程中也會(huì)帶來(lái)一些麻煩。相比之下，單目相機(jī)在成本、功耗、質(zhì)量、標(biāo)定復(fù)雜度等方面都具有非常明顯的優(yōu)勢(shì)，可以克服以上傳感器在無(wú)人機(jī)等

光等惡劣環(huán)境下，單目攝像頭識(shí)別能力有限的問(wèn)題。實(shí)驗(yàn)表明：通過(guò)5組實(shí)驗(yàn)比較分析文章所述方法與基于單目攝像頭方法的融合結(jié)果，采用所述方法的融合圖像客觀評(píng)價(jià)指標(biāo)分別提高了8.41%、93.58%、15.41%;7.86%、58.84%、22.06%;20.03%、95.70%、3.21%;32.62%、148.38%、19.25%;8.95%、19.01%、10.44%。文章所述方法從主觀視覺(jué)效果和客觀評(píng)價(jià)都優(yōu)于基于單目攝像頭方法?！娟P(guān)鍵詞】圖像融合;非下采樣C

052)一、引言單目視覺(jué)可以實(shí)現(xiàn)實(shí)時(shí)跟蹤檢測(cè)和跟蹤精度，確定相對(duì)于人體信道的橫向位置，但由于透視變換的影響，在縱向距離測(cè)量中準(zhǔn)確，存在一定的缺點(diǎn)。與此相反，激光雷達(dá)能夠準(zhǔn)確地估計(jì)距離、抵抗環(huán)境變化的能力，并能提供圖像無(wú)法獲得的附加信息。因此，無(wú)人機(jī)應(yīng)用的自適應(yīng)巡航控制系統(tǒng)主要是利用激光雷達(dá)傳感器實(shí)現(xiàn)的。在卡內(nèi)基梅隆大學(xué)博士學(xué)位論文中，詳細(xì)介紹了一種基于激光雷達(dá)的無(wú)人機(jī)探測(cè)系統(tǒng)。然而，這種傳感器使用窄波束寬度檢測(cè)在Langer面前無(wú)人機(jī)。更重要的是，激光雷達(dá)

好的魯棒性。2 單目視覺(jué)slam研究2.1 單目視覺(jué)slam介紹2007年由Davison等首次完成了在單目攝像頭上的SLAM問(wèn)題求解，完成了第一個(gè)基于純單目視覺(jué)的MonoSLAM系統(tǒng)。隨之Klein等也完成了第一個(gè)基于關(guān)鍵幀的PTAM系統(tǒng)。直到現(xiàn)在的ORB-SLAM系統(tǒng)仍然采用了PTAM的算法框架。單目視覺(jué)slam根據(jù)多視圖幾何原理，恢復(fù)出每幀圖像對(duì)應(yīng)的相機(jī)位姿P1...Pn和場(chǎng)景的三維結(jié)構(gòu)X1...Xn。通過(guò)觀測(cè)方程得到空間點(diǎn)在相機(jī)圖像上的投影量hij

0)0 引言基于單目視覺(jué)的同時(shí)定位和地圖構(gòu)建(simultaneous localization and mapping，SLAM)技術(shù)近年來(lái)發(fā)展迅速，從其發(fā)展歷程可以大致分成3個(gè)階段，分別為基于擴(kuò)展卡爾曼濾波(extended Kalman filter，EKF)的SLAM、基于粒子濾波的SLAM和基于圖優(yōu)化的SLAM。最早由文獻(xiàn)[1]提出的基于EKF的SLAM，通過(guò)構(gòu)建SLAM系統(tǒng)的狀態(tài)方程和量測(cè)方程來(lái)估計(jì)相機(jī)及地圖點(diǎn)的位置。之后又有研究人員在此基礎(chǔ)上

目標(biāo)測(cè)距精度低，單目視覺(jué)在無(wú)幾何約束下僅能確定目標(biāo)方位，無(wú)法測(cè)量前方車輛距離.智能交通技術(shù)的不端發(fā)展，推動(dòng)基于車聯(lián)網(wǎng)[1-2]和智能識(shí)別[3-4]的道路標(biāo)志識(shí)別方法，如依托車聯(lián)網(wǎng)技術(shù)可以從網(wǎng)絡(luò)中獲得道路標(biāo)志集合尺度信息，依托智能識(shí)別技術(shù)可以識(shí)別前方車輛車型與道路標(biāo)志類型；科研人員同時(shí)還提出了依靠道路幾何標(biāo)志的前方車輛單目視覺(jué)測(cè)距方法，然而未考慮融合物聯(lián)網(wǎng)、云計(jì)算等新方法，只能適用于單臺(tái)車輛，以及固定有限的道路標(biāo)識(shí).為此，本文首先提出融合物聯(lián)網(wǎng)、智能識(shí)別、云

721 引言隨著單目視覺(jué)在自主移動(dòng)機(jī)器人上的廣泛應(yīng)用，對(duì)單目視覺(jué)測(cè)量和感知能力的提高，有助于提升移動(dòng)機(jī)器人智能化水平。因此對(duì)單目視覺(jué)的研究和應(yīng)用不斷增多[1-12]，文獻(xiàn)[1]給出了一種基于單目視覺(jué)的避障算法，通過(guò)邊緣算子檢測(cè)圖像中的障礙物與地面交線邊緣，并提取圖像中垂線和中間水平線的邊緣像素位置，輸入自適應(yīng)的模糊推理系統(tǒng)訓(xùn)練，輸出控制機(jī)器人進(jìn)行避障；算法僅用中垂線和中間水平線的邊緣像素位置代替障礙物，信息量有限，不易規(guī)劃最優(yōu)路徑。文獻(xiàn)[2-4]中的單目視

基于單目視覺(jué)方法的前車制動(dòng)燈檢測(cè)采用基于單目視覺(jué)的方法檢測(cè)日間前方車輛制動(dòng)燈，并使用行車記錄儀對(duì)其進(jìn)行記錄。白天，車輛的視覺(jué)特征、運(yùn)動(dòng)和車輛外觀都是可見(jiàn)的，但車輛制動(dòng)燈正好相反，由于制動(dòng)燈與周圍環(huán)境的對(duì)比度低，光的散射效果也不明顯，因此很難注意到制動(dòng)燈。而所提出的方法是采用尾燈對(duì)稱驗(yàn)證方法檢測(cè)前方車輛的制動(dòng)燈，利用制動(dòng)燈燈光亮度和燈光的徑向?qū)ΨQ特性檢測(cè)制動(dòng)燈，并利用瞬時(shí)檢測(cè)信息對(duì)制動(dòng)燈燈光進(jìn)行細(xì)化處理。對(duì)所提出的檢測(cè)方法進(jìn)行試驗(yàn)驗(yàn)證，并利用安裝在車輛前端的

頻GPS接收機(jī)和單目視覺(jué)傳感器的高效混合定位方法對(duì)于城市地面車輛的導(dǎo)航,全球定位系統(tǒng)（GPS）通常由于可見(jiàn)衛(wèi)星數(shù)量不足和多路徑誤差而導(dǎo)致定位精度較差、可用性不高。針對(duì)這個(gè)問(wèn)題，提出一種結(jié)合單頻GPS接收機(jī)和單目視覺(jué)傳感器的高效混合定位方法。所提出的方法的優(yōu)點(diǎn)在于其僅需要低成本的硬件，并且不需要外部地圖輔助。與現(xiàn)有的視覺(jué)方法相比，所提出方法基于直線路段的圖像，直接測(cè)量車輛的航向角。該方法不需要來(lái)自慣性傳感器，多孔徑相機(jī)，全向照相機(jī)或已知特征坐標(biāo)的任何輔助信息

基于雙目點(diǎn)云重建單目點(diǎn)云的方法，系統(tǒng)無(wú)需增加其他操作過(guò)程，單次掃描就能同時(shí)獲得雙目點(diǎn)云和精度較高的左右單目點(diǎn)云。在對(duì)飛機(jī)模型的測(cè)量中，利用該方法填補(bǔ)了雙目測(cè)量在機(jī)翼附近出現(xiàn)的數(shù)據(jù)丟失，提高了測(cè)量結(jié)果的完整性。三維重建；遮擋；相位；點(diǎn)云0 引言基于相位測(cè)量輪廓術(shù)的三維測(cè)量技術(shù)作為一種主動(dòng)式非接觸光學(xué)測(cè)量方法，因具有全場(chǎng)分析、測(cè)量精度高、非接觸等優(yōu)點(diǎn)，正逐漸成為當(dāng)前三維測(cè)量領(lǐng)域內(nèi)最重要和最熱門的一個(gè)研究分支，在工業(yè)檢測(cè)、質(zhì)量控制、逆向工程、生物醫(yī)學(xué)、虛擬現(xiàn)實(shí)、

05摘要：為提高單目視覺(jué)里程計(jì)算法的性能，從視覺(jué)特征選取和特征誤匹配剔除兩個(gè)方面進(jìn)行研究.采用SURF描述子提取單目圖像的特征點(diǎn)，并匹配相鄰圖像序列的特征，使用歸一化線性八點(diǎn)法依次得到基礎(chǔ)矩陣和本質(zhì)矩陣.利用三角測(cè)量求解匹配點(diǎn)的三維坐標(biāo)，進(jìn)而根據(jù)2D2D模型解算出兩幀圖像間相機(jī)運(yùn)動(dòng)的旋轉(zhuǎn)和平移，從而構(gòu)建單目視覺(jué)里程計(jì)系統(tǒng).為提高算法性能，使用RANSAC算法清除初次計(jì)算的特征誤匹配，并利用地面數(shù)據(jù)獲取相機(jī)運(yùn)動(dòng)的平移尺度.實(shí)驗(yàn)結(jié)果驗(yàn)證了RANSAC算法能夠有

00074）一種單目視覺(jué)ORB-SLAM/INS組合導(dǎo)航方法周紹磊1，吳修振1，劉 剛1，張 嶸2，徐海剛3（1. 海軍航空工程學(xué)院 控制工程系，煙臺(tái) 264001；2. 清華大學(xué) 精密儀器系，北京100084；3. 北京自動(dòng)化控制設(shè)備研究所，北京 100074）針對(duì)慣性/衛(wèi)星組合導(dǎo)航系統(tǒng)在衛(wèi)星導(dǎo)航失效時(shí)無(wú)法使用的問(wèn)題，提出了單目視覺(jué)ORB-SLAM/INS組合導(dǎo)航方法，用于擴(kuò)展組合導(dǎo)航系統(tǒng)在強(qiáng)干擾環(huán)境和室內(nèi)環(huán)境的應(yīng)用范圍。該算法分為兩個(gè)階段：初始化階段，

的相對(duì)定位方法，單目里程計(jì)僅使用單個(gè)相機(jī)作為圖像獲取載體，使獲得信息的要求更低，且能較精確地識(shí)別和定位特征點(diǎn)，實(shí)時(shí)性好，成本也少很多，因此具有更廣的應(yīng)用前景。本課題采用SURF算法來(lái)同時(shí)檢測(cè)和匹配特征點(diǎn)，使用一種基于機(jī)器學(xué)習(xí)算法（SVM）自適應(yīng)卡爾曼濾波器，減緩原本卡爾曼濾波器中會(huì)出現(xiàn)的精度低和發(fā)散狀況，起到優(yōu)化單目里程計(jì)的系統(tǒng)準(zhǔn)確度。關(guān)鍵詞：單目;視覺(jué)里程計(jì);SURF算法;卡爾曼濾波中圖分類號(hào)：G642.0 ? ? 文獻(xiàn)標(biāo)志碼：A ? ? 文章編號(hào)：16

學(xué)院 李 斌基于單目視覺(jué)的障礙物檢測(cè)方法研究沈陽(yáng)職業(yè)技術(shù)學(xué)院 李 斌單目視覺(jué)技術(shù)應(yīng)用于障礙物檢測(cè)領(lǐng)域的常用方法，都是以傳統(tǒng)的單目視覺(jué)成像原理為基礎(chǔ)。因此首先要對(duì)了傳統(tǒng)的單目視覺(jué)檢測(cè)障礙物的原理進(jìn)行簡(jiǎn)單介紹。根據(jù)被測(cè)障礙物的不同，其測(cè)量方法也不盡相同，文中針對(duì)不同場(chǎng)合下的障礙物檢測(cè)方法進(jìn)行了分析研究。單目視覺(jué)；障礙物；檢測(cè)隨著智能車輛、機(jī)器人以及智能交通等科學(xué)技術(shù)的發(fā)展，對(duì)障礙物的檢測(cè)已成為了智能設(shè)備必須要完成的基本功能。應(yīng)用激光、超聲波等傳感器技術(shù)也可以實(shí)

，710021）單目視覺(jué)障礙物測(cè)距精度分析王澤民，高俊釵（西安工業(yè)大學(xué)，電子信息工程學(xué)院，西安，710021）在單目視覺(jué)障礙物測(cè)距模型中，分析了可視距離與安裝高度和俯視角度的關(guān)系，研究了影響測(cè)距精度的因素：攝像機(jī)的安裝高度、俯視角度和障礙物檢測(cè)的圖像位置，建立了誤差的數(shù)學(xué)模型并進(jìn)行了仿真，定量計(jì)算了在一定的條件下引入的誤差。根據(jù)攝像機(jī)的內(nèi)參數(shù)和攝像機(jī)視距的影響因素確定了合適的安裝參數(shù)，在此安裝參數(shù)下，對(duì)攝像機(jī)視距隨障礙物像素位置的變化及測(cè)距精度隨影響因素的

1點(diǎn)RANSAC單目視覺(jué)姿態(tài)估計(jì)算法齊乃新1，張勝修1，曹立佳3，楊小岡1，趙愛(ài)罡1,2（1. 火箭軍工程大學(xué) 控制工程系，西安 710025；2. 火箭軍工程大學(xué) 士官學(xué)院，青州 262500；3. 四川理工學(xué)院 自動(dòng)化與電子信息學(xué)院，自貢 643000）針對(duì)1點(diǎn)RANSAC（Random Sample Consensus）單目視覺(jué)EKF（Extended Kalman Filter）算法中的濾波發(fā)散問(wèn)題，分析了濾波發(fā)散的產(chǎn)生原因，提出了一種基于漸消記憶

)三維結(jié)構(gòu)形變的單目像機(jī)測(cè)量方法張林龍1，張偉2，胡昌華1，周志杰1(1.火箭軍工程大學(xué)302室，陜西西安710025; 2.火箭軍工程大學(xué)403室，陜西西安710025)針對(duì)大型結(jié)構(gòu)形變的攝像測(cè)量中，雙目系統(tǒng)結(jié)構(gòu)復(fù)雜、成本高、特征點(diǎn)匹配度低，而傳統(tǒng)單目測(cè)量系統(tǒng)不能有效獲取目標(biāo)深度信息等問(wèn)題，借助平面反射鏡提出一種新的單目像機(jī)三維形變測(cè)量方法。首先，基于平面反射鏡的光學(xué)反射原理構(gòu)建單目三維測(cè)量模型;其次，利用像機(jī)與平面鏡的內(nèi)在參數(shù)推導(dǎo)出單目像機(jī)視圖下的極線

06）一種實(shí)時(shí)的單目視覺(jué)SLAM改進(jìn)算法李全科，曾連蓀 （上海海事大學(xué)信息工程學(xué)院，上海201306）針對(duì)目前SLAM算法實(shí)時(shí)性和魯棒性的問(wèn)題，提出了一種改進(jìn)的實(shí)時(shí)單目視覺(jué)SLAM算法。該算法采用一個(gè)攝像頭作為外部傳感器來(lái)提取機(jī)器人行進(jìn)過(guò)程中周圍環(huán)境的特征信息，用實(shí)時(shí)性良好的FAST提取環(huán)境特征點(diǎn)，結(jié)合逆深度參數(shù)化進(jìn)行特征點(diǎn)非延時(shí)初始化，用壓縮擴(kuò)展卡爾曼濾波更新地圖。實(shí)驗(yàn)研究表明，該方法提高了算法的魯棒性和實(shí)時(shí)性。SLAM；單目視覺(jué)；FAST；壓縮擴(kuò)展卡爾

25001）基于單目視覺(jué)的AUV水下定位方法蔡迎波，李德彪（中國(guó)人民解放軍92941部隊(duì)95分隊(duì)，遼寧 葫蘆島 125001）為解決傳統(tǒng)水下定位傳感器在定位方面的不足，提出一種基于目標(biāo)光源的單目視覺(jué)四自由度定位方法，推導(dǎo)了四自由度定位算法原理，提出了深度定位、水平定位和艏向定位方法。設(shè)計(jì)了作為目標(biāo)的共線排列定位光源系統(tǒng)。靜態(tài)和動(dòng)態(tài)試驗(yàn)證明所提出的單目視覺(jué)定位方法原理正確，目標(biāo)光源系統(tǒng)合理可行，可以在深度為4～0.5 m范圍內(nèi)進(jìn)行穩(wěn)定的四自由度定位。經(jīng)過(guò)校正

測(cè)量等都需要利用單目測(cè)量二維應(yīng)變[8-10]，因此研究單目測(cè)量二維應(yīng)變有著重要的意義。在二維應(yīng)變測(cè)量中，經(jīng)常需要在常溫環(huán)境下對(duì)工程結(jié)構(gòu)進(jìn)行無(wú)載荷的靜態(tài)和動(dòng)態(tài)應(yīng)變測(cè)量，檢驗(yàn)產(chǎn)品的穩(wěn)定性；在材料性能測(cè)試中，如疲勞、蠕變測(cè)試中，也需要靜態(tài)應(yīng)變測(cè)量；相機(jī)的精度測(cè)試，也可以利用對(duì)標(biāo)準(zhǔn)試件的動(dòng)靜應(yīng)變測(cè)量評(píng)價(jià)相機(jī)的精度。本文采用單目視覺(jué)技術(shù)，通過(guò)CCD傳感器采集散斑圖像，實(shí)時(shí)連續(xù)拍攝多幅圖像，根據(jù)二維圖像所攜帶信息解調(diào)出應(yīng)變信息，實(shí)現(xiàn)板料無(wú)載荷狀態(tài)下的靜態(tài)和動(dòng)態(tài)的應(yīng)變測(cè)

了一種比較通用的單目視覺(jué)定位方法,可以快速準(zhǔn)確測(cè)量AUV與回收回收裝置的相對(duì)位置。1 問(wèn)題描述AUV自主回收過(guò)程中要使AUV能準(zhǔn)確并安全的進(jìn)入回收裝置，就要求AUV能對(duì)回收裝置進(jìn)行精確定位，文中主要研究利用攝像機(jī)實(shí)現(xiàn)對(duì)回收裝置精確定位。為描述這一問(wèn)題，所示建立回收系統(tǒng)坐標(biāo)系，如圖1所示，其中：AUV坐標(biāo)系為 OaXaYaZa，Oa為 AUV的質(zhì)心，OaYa沿 AUV縱軸向前；攝像機(jī)坐標(biāo)系為OcXcYcZc，Oc為攝像機(jī)的光心，攝像機(jī)沿OaYa安裝在AUV的

50021)鐵塔單目立體視覺(jué)測(cè)量技術(shù)研究馮硯廳(國(guó)網(wǎng)河北省電力公司電力科學(xué)研究院，石家莊 050021)介紹單目平面測(cè)量、單目立體視覺(jué)測(cè)量技術(shù)特點(diǎn)，分析單目立體視覺(jué)測(cè)量技術(shù)的原理、測(cè)量步驟及應(yīng)用實(shí)例，說(shuō)明應(yīng)用效果，并提出單目立體視覺(jué)測(cè)量技術(shù)應(yīng)用于鐵塔測(cè)量時(shí)的注意事項(xiàng)。鐵塔；單目立體視覺(jué)測(cè)量技術(shù)；單目平面視覺(jué)測(cè)量技術(shù)1 鐵塔單目立體視覺(jué)測(cè)量技術(shù)的提出鐵塔在安裝后和運(yùn)行過(guò)程中，由于安裝質(zhì)量、運(yùn)行中的地面不均勻沉降、螺栓松動(dòng)等原因會(huì)發(fā)生偏斜、彎曲、扭曲等變形，當(dāng)

感器數(shù)量可以分為單目視覺(jué)、雙目視覺(jué)等。單目視覺(jué)雖然缺少了環(huán)境的立體信息，但由于其結(jié)構(gòu)簡(jiǎn)單、易標(biāo)定，同時(shí)還能避免立體視覺(jué)中的視場(chǎng)小、立體匹配難的缺陷，在移動(dòng)機(jī)器人中的研究仍然十分常見(jiàn)，特別是針對(duì)已知特征的物體的跟蹤場(chǎng)合得到了廣泛的應(yīng)用[3～6]。本文采用單目相機(jī)設(shè)計(jì)了一種在空間內(nèi)能夠跟蹤靶標(biāo)的自主移動(dòng)機(jī)器人系統(tǒng)，它主要包括單目視覺(jué)系統(tǒng)、移動(dòng)機(jī)器人平臺(tái)、無(wú)線模塊、上位機(jī)及控制軟件。上位機(jī)控制軟件首先對(duì)通過(guò)無(wú)線圖像采集模塊獲得圖像進(jìn)行圖像處理與特征提取，獲得靶標(biāo)