专利汇可以提供一种基于单应性矩阵优化的3D四轮定位检测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于单应性矩阵优化的3D四轮 定位 检测方法,涉及车辆检修养护技术领域,本发明的步骤为:建立 坐标系 之间的关系,最终得到世界坐标系和图像 像素 坐标系之间的关系;单目摄像机标定,得到单应性矩阵与摄像机内外参数之间的关系;单应性矩阵的求解与优化,进而得出摄像机内参,再得到旋转矩阵,并对其优化;双目摄像机标定,得到两个摄像机之间的相对 位置 关系;对内参、外参以及两个摄像机的相对位置关系进行优化;对优化后的旋转矩阵进行方向余弦求解,进而求出四轮定位参数。本发明采用单目和双目标定结合的方式,基于透视学的方式和空间向量的两种基本原理,并对求解过程进行优化,精确的测量出 车轮 定位系统的各个参数。,下面是一种基于单应性矩阵优化的3D四轮定位检测方法专利的具体信息内容。
1.一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,其步骤为:
步骤一、建立坐标系之间的关系,得到世界坐标系到图像像素坐标系的转换关系,明确该关系中的内参矩阵、外参矩阵;
步骤二、使用标靶进行单目摄像机标定,结合步骤一中坐标系之间的关系,得到单应性矩阵与摄像机的内、外参数表达式之间的关系;
步骤三、单应性矩阵的求解与配准优化,利用所有标靶上匹配的点,得到单应性矩阵的最优解,并利用RANSAC方法对单应性矩阵进一步配准优化;
步骤四、旋转矩阵的求解,利用步骤三求出的单应性矩阵,结合由旋转矩阵性质推出的内参矩阵约束方程,求出内参矩阵中的参数,进而得到具体的旋转矩阵;
步骤五、旋转矩阵的优化,对旋转矩阵采用奇异值分解的方法进行分解优化;
步骤六、双目摄像机标定,利用步骤五中优化的旋转矩阵,求出标靶间的相对位置关系,进而求出两个摄像机之间的相对位置关系;
步骤七、采取极大似然估计的方法对内参、外参以及两个摄像机的相对位置关系进行优化;
步骤八、旋转矩阵的方向余弦求解,利用步骤七优化后的旋转矩阵,得到旋转轴和主销轴的方向余弦;
步骤九、四轮定位参数求解,根据立体几何的数学模型得到四轮定位参数表达式,将方向余弦带入即可求得相关参数。
2.根据权利要求1所述的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于:步骤一中,首先从图像物理坐标系到图像像素坐标系,再从摄像机坐标系到图像物理坐标系,最后从世界坐标系到摄像机坐标系,得到从世界坐标系到图像像素坐标系的转换关系,它们之间的对应关系由公式(1)表示:
其中,(u,v)所在的坐标系是理想图像像素坐标系,(x,y)所在的坐标系是实际图像物理坐标系,(Xc,Yc,Zc)所在的坐标系是摄像机所在的坐标系,(Xw,Yw,Zw)所在的坐标系是世界坐标系;1/dx和1/dy表示的是单位长度的像素个数,u0、v0是图像物理坐标系的原点在(u,v)图像像素坐标系下的位置;rij是R的分量,i≤2,j≤2,且i∈N,j∈N,R为3*3的正交旋转矩阵,ti是T的分量,i=x、y、z,T为平移矩阵;A为内参矩阵,其包含的fx、fy、u0、v0是摄像机的内部参数,B为外参矩阵,其包含的rij、ti是摄像机的外部参数。
3.根据权利要求2的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤二中使用大标靶进行单目摄像机的标定,得到单应性矩阵与摄像机的内外参数表达式之间的关系:
1)提取特征点坐标对,设平面标靶上提取到的某一特征点坐标M=(Xw,Yw,Zw,1)T,经过成像后的图像像素坐标为m=(u,v,1)T,根据从世界坐标系到图像坐标系的映射关系,则它们之间对应的关系用公式(2)表示:
其中H为单应性矩阵,是世界坐标系到图像像素坐标系的映射矩阵,ri为R的列向量,i=
0、1、2,t为平移向量,且建立在二维标靶平面上的世界坐标系Z轴等于0,则有Zw=0;
2)由公式(2),可以推导得到公式(3):
其中Hij是单应性矩阵H的分量,i≤3,j≤3,且i∈z*,j∈z*。
4.根据权利要求3的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤三中单应性矩阵求解与优化,其包括以下步骤:
1)由图像坐标系与世界坐标系映射关系得公式(4):
其中(xi',yi')属于图像像素坐标系,(xi,yi)属于平面标靶,这些点一一对应,i=1,2,
3……N;
2)令zi'=1,zi=1,把公式(4)化简移项后,可以得到,一个特征点对应H的两个方程,即N个特征点可以得到2N个关于H的方程,得公式(5):
其中H是3×3的矩阵方程,有九个未知参数,而一个特征点对应两个方程,4个特征点对应8个方程,加上由公式(4)得到的H31xi+H32yi+H33=1这个方程,共有九个方程,则可求解出H,使用所有平面标靶上点与像点相匹配的点来得到H的最优值解;
3)根据公式(5)可知,运用所有的匹配的特征点来求解H的最优解时,采用RANSAC方法来确定点m→M关联的最优单应性矩阵H,主要步骤为:
通过运用所有匹配的特征点,从检测到的点中随机抽取4个特征点组成八个方程,计算出单应性矩阵;然后在满足估计的算法公式sm=HM情况下,计算出特征点M对应的HM;进而求出m和HM之间的误差Φ,将Φ与一定的阈值相比较,如果Φ小于阈值,则计数值累计加1,如果计数值大于等于3,则保留原该组中的特征点和计算出的对应单应性矩阵H;根据以上步骤去筛选其他特征点;最后通过重复执行相关步骤后,匹配得到最适合的单应性关系。
5.根据权利要求4的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤三中旋转矩阵的求解包括以下步骤:
1)根据旋转矩阵的性质,r0T·r1=0和||r0||=1=||r1||,得到内参矩阵的两个约束方程,分别为H1TA-T·A-1H1=H2TA-T·A-1H2和H1TA-T·A-1H2=0,H1和H2是单应性矩阵H的列向量,根据约束方程可以求出内参矩阵A里面的参数u0、v0、fx和fy,内参矩阵和单应性矩阵之间的关系由公式(6)表示:
2)根据λ=1/||A-1H1||=1/||A-1H2||,结合公式(6),推导得到系数λ、λ1和λ2的参数表达式公式(7):
3)根据已知的内参以及系数λ,求得旋转矩阵R和平移矩阵T内具体分量的表达式,由公式(8)表示:
其中把rij的第i行和第j列划掉叫做rij的余子式,记作Fij,则有rij=(-1)i+jFij,即可以得到ri2参数表达式。
6.根据权利要求5的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤五中对旋转矩阵采用奇异值分解的方法进行分解优化,运用一般的3*3矩阵Q来估计最佳旋转矩阵,其包括以下步骤:
1)求 的最小值,它们之间的关系可以用公式(9)表示:
||R-Q||2F=trace((R-Q)T(R-Q))=3+trace(QTQ)-2trace(RTQ) (9)
其中trace表示迹,求Min的最小值,即求trace(RTQ)的最大值;
2)设Q的奇异值分解为USVT,其中S=diag(σ1,σ2,σ3),σi是奇异值,i=1、2、3,对应关系可以用公式(10)表示:
T T T T
其中R、V、U都是正交矩阵,令C=R VU,则C=R VU也是正交矩阵;且有 因为
Cij≤1,所以|Cij|<1,即可以得到
3)根据公式(10)知,求RTQ迹的最大值时,即有I=C=RTVTU=(VR)TU,则U=RV,R=VUT,求得的R是最优的正交矩阵。
7.根据权利要求6的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤六中在单目标定算法基础上先得到左右两个摄像机的Al、Ar、Rl、Tl、Rr和Tr,其中Al和Ar分别为左摄像机C1和右摄像机C2的内参矩阵,Rl和Tl分别是左摄像机C1在其视觉内标靶中的旋转矩阵和平移矩阵,Rr和Tr分别是右摄像机C2在其视觉内标靶中的旋转矩阵和平移矩阵;
使用两个大小一样的小标靶,将其安装在标定杆的两端固定座上,分别记为M1和M2,然后将标定杆放在前后轮位置处,使标靶在摄像机视觉区域内中清晰成像,得到标靶之间的相对位置关系,然后通过将标定杆调整至一定角度,将两个标靶都放至在左右摄像机的视觉区域内,通过两个标靶的位置关系来求取两个摄像机之间的相对位置关系,其中包括以下步骤:
1)首先计算出左右摄像机下两个标靶分别的位置关系,相应的对应关系用公式(11)表示:
其中,M1和M2分别是摄像机视觉区域内远、近位置处的标靶,lRM21是左摄像机C1从M2到M1坐标系的旋转矩阵,lTM21是左摄像机C1从M2到M1坐标系的平移矩阵,同理可知右摄像机C2从M2到M1坐标系的旋转矩阵rRM21和平移矩阵rTM21,R11和T11分别是左摄像机C1对M1坐标系的旋转矩阵与平移矩阵,R12和T12分别是左摄像机C1对M2坐标系的旋转矩阵与平移矩阵;
2)由左右摄像机单独标定得到的两个标靶的位置关系,计算出两者之间的相对位置关系,得到RM21和TM21,其中RM21和TM21分别是从M2到M1坐标系的旋转矩阵和平移矩阵;再联合标定得到两个摄像机之间的相对位置关系,推导出公式(12):
其中R21和T21分别是C2坐标系到C1坐标系的旋转平移矩阵,RM21和TM21是从M2到M1坐标系的旋转矩阵和平移矩阵,R1和T1分别是左摄像机C1在M1中的旋转矩阵和平移矩阵,R2和T2分别是右摄像机C2在M2中的旋转矩阵和平移矩阵,由单个摄像机的标定方法求得。
8.根据权利要求7的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤七中让似然函数L取最大值,即可以得到标定参数的最优解,如公式(13)所示:
其中, 是平面标靶的图像i中的点Mj成像模型计算出的像点,Ai是内
参矩阵,i=l、r,K是畸变系数,Ri,Ti分别是旋转矩阵和平移矩阵,i=l、r,N1是平面标靶的图像幅数,N是平面标靶上的特征点个数,Mj是平面标靶上的点,mij是实际像点,i∈1……N1,j∈1……N,σ2是方差。
9.根据权利要求8的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,将步骤七中优化后的旋转矩阵记为RO,其方向余弦求解包括以下步骤:
1)设3D空间中绕任意轴旋转的向量v绕旋转轴n旋转角度θ后为v',其关系如公式(14)所示:
v'=cosθ(v-(v·n)n)+sinθ(n×v)+(v·n)n (14)
其中n为单位向量,θ为旋转角度;
2)根据公式(14),可以推导得到公式(15):
其中p、q、l是3D空间中绕旋转轴旋转的基向量坐标,p'、q'、l'基向量旋转后的坐标,n1,n2,n3是旋转轴n的方向余弦;
3)由公式(15),可以推导得到公式(16):
[p q l]RO(n,θ)=[p' q' l'] (16)
其中,RO-ij是优化过的旋转矩阵RO的分量,i≤2,j≤2,且i∈N,j∈N;
4)由公式(16),可以推导得到公式(17):
其中将n1、n2和n3的表达式分别代入到n12+n22+n32=1中可以求得绕旋转轴旋转的角度θ,然后将求得的θ带入公式(17)中,即可分别求得n1、n2和n3的值,主销轴的方向余弦求解与旋转轴的方向余弦求解过程一样。
10.根据权利要求9的一种基于单应性矩阵优化的3D四轮定位检测方法,其特征在于,步骤九中四轮定位参数求解,根据立体几何的数学模型得到四轮定位参数表达式:
其中,θToe为前束角,θCamber为外倾角,θKI为主销内倾角,θCaster为主销后倾角,n1,n2,n3是旋转轴的方向余弦,e1,e2,e3是主销旋转轴的方向余弦,rad是弧度制。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于人工智能的服务器巡检方法及系统 | 2020-05-08 | 282 |
一种带降噪和视觉检测功能的油烟机及降噪方法 | 2020-05-08 | 304 |
一种多视高分辨率纹理图像与双目三维点云映射方法 | 2020-05-12 | 980 |
测量系统中视觉图像传感器与光点测距传感器测量坐标系的统一方法 | 2020-05-12 | 438 |
智能清扫车多层次立体避障控制方法及装置 | 2020-05-11 | 81 |
电子设备壳体及其制备方法和电子设备 | 2020-05-12 | 997 |
基于图像扫描、识别和路径规划的可移动洗衣助手机器人 | 2020-05-12 | 705 |
一种基于增强现实的机械组件质检方法及系统 | 2020-05-08 | 231 |
一种利用双目立体相机构建栅格地图的方法 | 2020-05-11 | 657 |
基于ARM和FPGA的工件位置获取系统 | 2020-05-11 | 379 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。