申请/专利权人:哈尔滨工业大学
申请日:2023-11-08
公开(公告)日:2024-05-10
公开(公告)号:CN117532604B
主分类号:B25J9/16
分类号:B25J9/16;G06F17/13;G01C11/00
优先权:
专利状态码:有效-授权
法律状态:2024.05.10#授权;2024.03.01#实质审查的生效;2024.02.09#公开
摘要:一种基于立体视觉的目标位姿及高阶运动信息观测方法,所述方法包括基于立体视觉获取目标特征点的三维空间坐标信息;根据特征点建立目标的稀疏特征线段模型,并建立观测误差模型;根据高阶微分器求解特征点、稀疏特征线段和观测误差的高阶导数,并建立惩罚函数;设计基于惩罚函数的运动参数观测器,并输出最优解。本发明可解决纯视觉条件下目标位姿及其高阶运动参数的同步观测问题,可同步观测到目标的位姿、速度和加速度信息。本发明方法具有观测维度深、观测精度高和收敛速度快的优点。
主权项:1.一种基于立体视觉的目标位姿及高阶运动信息观测方法,其特征在于:包括如下步骤:S1、基于立体视觉获取目标特征点的三维空间坐标信息;步骤S1中获取N对特征点在绝对坐标系下的空间坐标,以及N对特征点在目标坐标系下的空间坐标,每对特征点包含2个特征点;S2、根据特征点建立目标的特征线段模型,并建立观测误差模型;步骤S2中2个特征点之间的空间距离为一个特征线段,N个特征线段的集合构成了所述目标的特征线段模型C和T,C和T分别表示在绝对坐标系下描述的特征线段模型和在目标坐标系下描述的特征线段模型,C={Ci},T={Ti},i=1,2,…N,其中Ci为第i个特征线段在绝对坐标系下的描述,Ti为第i个特征线段在目标坐标系下的描述,并建立观测误差模型eC=FΦ-C,其中FΦ={FiΦ},FΦ表示根据欧拉角观测值求出的特征线段,FiΦ表示根据欧拉角观测值求出的第i个特征线段,RΦ表示旋转矩阵,Φ为待观测目标的欧拉角;S3、根据高阶微分器求解特征点、特征线段和观测误差的高阶导数,并建立惩罚函数;S4、设计基于惩罚函数的运动参数观测器,并输出最优解。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学 一种基于立体视觉的目标位姿及高阶运动信息观测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。