PNP问题-位姿估计方法梳理(pose estimation)
tags:
- 单目视觉
- 位姿测量
目标3D精确模型已知(建立2D-3D对应关系):
点特征
P3P问题
基于针孔成像模型
Gao的方法(opencv emgucv)
Kneip 的 P3P 算法
直接线性变换 (DLT)
EP3P(王平)
通用相机模型 (GID)
用在基于鱼眼镜头的测量,基于全向视觉传感器的测量
GID 模型解决问题的复杂度通常会较高,而测量精度却较低。
PNP问题
迭代优化求解策略
当前算法研究
SoftPOSIT算法
正交迭代算法(LHM 或 OI),LHM 方法是最为优秀的迭代求解 PnP 问题的方法
基于 Levenberg-Marquardt 迭代求解的方法
优缺点
迭代法相比于线性求解的方法,求解精度和稳定性都要高很多。
迭代法不是闭式解,还有陷入局部最 优的危险,这将导致最终得到的结果不是真实所求的位姿值
迭代法对初值的选取比较敏感
空间参考点比较少或者参考点近似奇异的情况下,迭代法的精度和稳定性都表现较差
非迭代求解策略
基本原理
通过对成像模型合理参数化和变形, 构建可以用于最优化求解的非线性方程组,然后通过矩阵合成的技术(Gröbner 基的方法)求解非线性方程组,最终得到完整的位姿参数闭合解。
当前算法研究
2013年提出的ASPnP 方法和 OPnP 方法(目前最优秀的)
采用四元数来表示旋 转矩阵,通过旋转矩阵参数化来表示平移向量,得到可以全局优化的目标函数来构成多项式方 程组,最后通过矩阵合成技术(Gröbner 基的方法)来求解多项式方程组,得到最终的位姿值。
2015年提出的optDLS方法
通过对 OPnP 方法中的 优化目标函数添加新的约束条件,减少了 OPnP 算法求解过程中解的个数
优缺点
抗干扰能力差
位姿求解精度差
依赖目标点纹理信息,易受纹理、光照、噪声等影响
线特征
P3L问题
PNL问题
线性求解方法
直接最小二乘位姿求解
构建局部坐标系,求解局部坐标系与相机坐标系之间等变换关系
非线性优化求解方法
先迭代求解旋转矩阵,再求解平移矩阵
引入同名点及高程平面约束
边缘轮廓特征
对边缘轮廓离散采样,沿采样点法向方向搜索匹配带,求解位姿参数
RAPID算法改进方向
多特征融合
稳健估计
贝叶斯估计
卡尔曼滤波
适合于噪声满足高斯分布假设
粒子滤波
适合于目标作非线性运动且为非高斯随机过程多情况
视觉伺服相关方法
2D特征描述
基本思路:基于虚拟离散位姿参数,目标不同侧面等,将针对3D目标的位姿求解问题转换为若干2D图像之间的匹配问题,进而采用2D特征描述建立对应
基于HOG特征的DPM方法
采用MCMC采样方法对位姿参数进一步求精
深度学习
方向1:将学习得到的2D深度特征描述用于离散位姿参数后的2D图像之间的匹配
方向2:构建卷积神经网络,直接通过2D图像信息预测控制点图像坐标,进而建立2D-3D控制点对应,实现位姿参数求解
目标3D模型未知:
1.利用序列图像(或立体视觉)对目标进行重建,依据重建目标模型,采用绝对定向方法求解位姿参数,并利用光束平差方法对结果进行优化
2.转化为SLAM问题进行考虑
基于深度学习的位姿测量方法:
基于稀疏特征的方法
从图像中提取兴趣点,用局部描述子来描述这些兴趣点,并匹配到数据库
对纹理较少的物体识别较为困难
基于稠密特征的方法
粒子滤波+回归森林获取位姿:遮挡情况下获取位姿
运动参数+回归森林获取位姿:自由度运动参数估计
边缘化深度图像的权重,只利用彩色获取位姿
基于模版匹配的方法
用固定的模版扫描图片,寻找最佳的匹配
通过卷积神经网络学习整张图片的描述子
PNP问题-位姿估计方法梳理(pose estimation)相关推荐
- 刚体6D位姿估计方法综述
本文同步于微信公众号:3D视觉前沿,欢迎大家关注. 1 引言 刚体的6D位姿估计,是指估计相机坐标系下物体的6D位姿,即3D位置和3D姿态,此时原始物体本身的坐标系可以看作是世界坐标系,也即得到原始物 ...
- CVPR 2021 | 国防科大:基于几何稳定性分析的物体位姿估计方法
作者|机器之心编辑部 来源|机器之心 物体 6D 姿态估计是机器人抓取.虚拟现实等任务中的核心研究问题.近些年来,随着深度学习技术和图像卷积神经网络的快速发展,在提取物体的几何特征方面出现了许多需要改 ...
- 物体6D位姿估计方法总结
物体6D位姿估计方法总结 在抓取中,6D物体位姿常常是被需要的,能够帮助机器人获得目标物体的位置和方位. 方法分类: ①. 基于对应的方法 找到输入数据与存在的完整3D物体模型之间的对应关系.有两种实 ...
- 基于深度学习的位姿估计方法
A Multi-task Learning Convolutional Neural Network for Object Pose Estimation (Proceeding of the IEE ...
- 关于物体位姿估计方法的总结,及其对应的论文
参考1:https://blog.csdn.net/dsoftware/article/details/97955570 参考2:基于单张RGB图像的三维物体重建和位姿估计_王凯祺 总体: 根据输入数 ...
- 重新思考人体姿态估计 Rethinking Human Pose Estimation
Newly updated by 2019-11-19 ----------------------------------------------------- 浅谈:2D人体姿态估计基本任务.研究 ...
- 视频中的3D人体姿态估计(3D human pose estimation in vide)--------Facebook research: VideoPose3D
视频中的3D人体姿态估计(3D human pose estimation in video) 解读Facebook AI Research in CVPR2019: <3D human pos ...
- 基于AprilTag的位姿估计方法
论文:AprilTag: A robust and flexible visual fiducial system 三 检测器-单应矩阵和外参估计 III DECTOR-C Homography an ...
- (6)物体6自由度位姿估计主流方法----待完善
参考链接:目前物体6自由度位姿估计(6-Dof pose estimation)有哪些主流方法? 主流的方法有下面几种: 基于模板匹配的方法 代表论文: 1.Gradient Response Map ...
最新文章
- c 语言set用法,使用
- ibatis学习笔记(三)java实体跟表映射.xml文件详解
- javascript 给php传值_2020年PHP面试题附答案(实战经验)
- SD-WAN的C级视图
- 31-- 二叉搜索树的范围和
- 一张图看懂SOA与微服务
- 数据库优化查询的方法以及大访问量到数据库时的优化
- Spring5+CXF整合开发REST之一次坑旅
- python百万并发压测_100W高并发(转载) - 橙子柠檬's Blog
- 第5章 set命令详解
- Android开源项目推荐之「图片加载到底哪家强」
- Hive下载安装及配置
- mybatis中获取当前时间_mybatis 在xml文件中获取当前时间的sql
- 前端测试之用户体验测试
- 字典遍历时不能修改字典元素
- 计算机组成原理课程设计报告 给出指令执行流程 add(二进制加法),计算机组成原理课程设计...
- 《流浪地球》影评数据爬取分析
- Oracle--优化
- openpyxl详解
- 直线检测论文(霍夫变换,LSD,DWP,L-CNN,AFM,HAWP,PPGNet,TP-LSD,M-LSD,LETR)
热门文章
- linux 驱动线程与进程,Linux内核学习之二-进程与线程
- 光盘版linux6,光盘上的系统 Slax Linux 6.0.6新版
- Windows Mobile 系列文章索引---不断整理中(2009-07-08)
- 论MVVM伪框架结构和MVC中M的实现机制
- 通过 User-Agent 请求头判断设备类型
- lua urlencode urldecode URL编码
- WebService学习总结(二)——WebService相关概念介绍
- ubuntu火狐证书问题
- 日日行,不怕千万里;常常做,不怕千万事
- kafka 集群_Kafka集群监控系统Kafka Eagle部署与体验