振動干擾下非合作目標雙目位姿測量方法

關鍵詞： 振動環(huán)境; 雙目視覺; 非合作目標; 自標定; 位姿測量

中圖分類號： TP391.41; TB9 文獻標志碼： A 文章編號： 1674–5124（2025）02–0132–08

0引言

高精度的目標位置和姿態(tài)測量是現(xiàn)代工程和科學研究中的重要環(huán)節(jié)。雙目立體視覺作為一種高效測量方法，因其結構簡單、成本效益高和非接觸式測量的優(yōu)勢，在目標位姿測量領域得到了廣泛應用[1]。利用雙目相機進行目標位姿測量的方法已經(jīng)有了較多的研究，其中，傳統(tǒng)的利用雙目相機測量目標位姿的方法因其計算成本低、計算量較少而得到廣泛的應用。

目前，中國科學院西安光學精密機械研究所的胡國良[2] 在2020年提出了一種基于雙目視覺與激光雷達聯(lián)合測量的空間非合作目標近距離位姿測量技術，在提出的奇異值分解與非線性優(yōu)化的標定算法基礎上，實現(xiàn)長度測量誤差優(yōu)于1mm，角度誤差優(yōu)于0.3°。中國空間技術研究院的 Ge 等[3] 在2020年提出了一種利用立體視覺測量來精確估計非合作目標運動和慣性參數(shù)的方法，通過選擇目標上的3個非共線特征點作為估計度量。Jongh 等[4] 提出一種SIFT提取特征點與卡爾曼濾波結合的雙目位姿測量方法，并設計了實驗裝置，使用旋轉(zhuǎn)電機對不同軸線進行旋轉(zhuǎn)，評估測量系統(tǒng)的跟蹤性能和精度指標。Liu等[5] 在2020年提出一種閉環(huán)位姿求解方法，可實時計算出對接環(huán)的位置、方向以及半徑，該方法既不需要額外的傳感器，也不需要先驗知識，可以很好地處理偏橢圓，并且對異常值、噪聲和遮擋有較強的魯棒性，最后在仿真圖像和真實圖像上證明了該方法的有效性。

盡管有關雙目測量系統(tǒng)的研究已有諸多進展，但在實際應用中，面對環(huán)境因素干擾和非合作目標時，傳統(tǒng)測量方法的精度和穩(wěn)定性仍面臨挑戰(zhàn)。特別地，當測量環(huán)境中雙目相機的安裝關系受到振動等因素影響發(fā)生變化時，如發(fā)動機試車等，已標定的相機參數(shù)特別是雙目相機外參數(shù)，可能不再適用[6]。這種變化使得目標位姿測量精度大幅下降，特別是對于那些缺乏明顯紋理特征的非合作目標。

為了解決上述問題，本文提出一種新的非合作目標雙目位姿測量方法。本文的方法通過在測量前利用場景和目標特征實現(xiàn)實時相機自標定，以消除在振動干擾或高溫試驗等環(huán)境中雙目相機外參數(shù)變化所導致的測量誤差，保證測量的準確性和穩(wěn)定性。特別是在風洞試驗中的飛行器翼尖結構及其類似部件的位姿測量上，這些場景常常伴隨著高溫和振動干擾等因素，因此不方便設置合作標志。本文針對的測量對象即為此類非合作目標，如圖1 所示典型的應用場景包括但不限于風洞試驗。

首先，利用雙目相機拍攝的場景和目標信息進行雙目相機系統(tǒng)的實時自標定，采用SIFT 特征提取算法進行特征匹配，結合RANSAC算法剔除匹配野值點，以提高自標定算法的魯棒性[7]。得到精確的相機參數(shù)后，在面對無先驗信息的非合作目標時，本方法通過提取非合作目標的結構特征，通過雙目交會恢復目標運動前后的三維空間點云。最后，通過點云配準得到目標運動前后的三維點云之間的轉(zhuǎn)換關系，從而準確估計非合作目標的運動參數(shù)。本文所提出的方法不僅在相機參數(shù)實時變化和缺乏合作標志的條件下提升了目標位姿測量的精度和魯棒性，而且顯示出在振動、高溫等復雜測量環(huán)境中的廣泛適用性，可應用在動態(tài)場景下的非合作目標位姿測量任務中。

1雙目相機目標位姿測量

1.1雙目自標定

雙目相機系統(tǒng)內(nèi)外參數(shù)的微小誤差在測量結果中可能被放大上千倍。因此，在面對振動等動態(tài)環(huán)境時，高精度的位姿測量尤為關鍵。在振動環(huán)境中，雙目相機參數(shù)易受到環(huán)境振動的影響，會導致雙目相機外參數(shù)變化。為了克服這樣的挑戰(zhàn)，必須在每次測量前對雙目相機系統(tǒng)進行高精度的內(nèi)外參數(shù)標定[8]。因此，測量流程的第一步是利用雙目相機采集目標和場景圖像，提取特征并進行特征匹配，從而獲得一組匹配點對，用于后續(xù)雙目相機自標定。常用特征提取與匹配算法有HOG、Harris、SIFT等[9]。尺度不變特征變換（scale-invariant feature" transform，SIFT） 算法具有旋轉(zhuǎn)不變性和尺度不變性，能有效處理受視角變化、仿射變換和噪聲的干擾所引起的圖像變形及模糊。其能產(chǎn)生眾多匹配特征點對，這對于在動態(tài)環(huán)境中實現(xiàn)穩(wěn)定的自標定至關重要[10]。本文采用SIFT 特征匹配算法提取圖像特征，利用SIFT 算法的旋轉(zhuǎn)不變性和尺度不變性，從不同距離或角度匹配圖像特征點時都能有較好的匹配效果。這個過程可以同時拍攝到場景和待測目標，從而提供更多信息以用于后續(xù)的標定步驟。

接著，本文利用極線約束求解雙目相機系統(tǒng)的內(nèi)外參數(shù)，使用兩幅圖像至少9組匹配點對即可求得[11]。極線約束是雙目相機的圖像匹配點對滿足的基本約束關系。但是由于在實際應用中相機并不精確滿足理想針孔成像模型，還受到徑向畸變的影響。在不考慮徑向畸變影響的情況下基于極線約束的相機參數(shù)標定結果可能會帶來顯著的誤差，本文采用基于極線約束的具有徑向失真的雙目相機自標定方法，自標定流程如圖2所示。

在實驗過程中，為模擬振動干擾，在每組實驗中每次測量前都手動調(diào)整一次右相機的位置，以改變雙目相機的相對位姿。這種調(diào)整在每次數(shù)據(jù)測量前進行，并在測量完成后重置。共進行3 組實驗，每組包含4 次重復實驗，分別對應物體只有位移、只有旋轉(zhuǎn)和同時有位移和旋轉(zhuǎn)的情況。表1～表3展示了本方法的測量結果。

從表中可以看出，雙目測量系統(tǒng)能得到較好的測量結果，相對誤差較小。純位移實驗中，相對誤差在6.5% 以下，隨著位移距離的增加，相對誤差逐漸降低，分析與測量過程中噪聲等誤差因素在測量值中占比減小有關。純旋轉(zhuǎn)實驗中，相對誤差在6% 以下，在小角度測量時，微小誤差在百分比中更為明顯。在同時進行位移和旋轉(zhuǎn)時，由于對位移和旋轉(zhuǎn)測量的相互耦合，雙目測量系統(tǒng)處理兩種運動時的精度略有下降。整體來看，本文提出的方法能得到較好的目標位姿測量結果，滿足動態(tài)場景下的目標位姿測量要求。

3結束語

本研究提出了一種適用于振動干擾和高溫試驗等復雜環(huán)境的非合作目標雙目位姿測量方法。相較于傳統(tǒng)的雙目位姿測量技術，本方法在動態(tài)環(huán)境中展現(xiàn)出明顯的優(yōu)越性，特別是在面對相機參數(shù)實時變化和缺乏合作標志這兩個難題方面。通過實時的雙目自標定，該方法能夠精確求解相機的內(nèi)外參數(shù)，保證了測量精度。此外，本方法利用非合作目標的結構特征，結合雙目交會，能夠重建目標運動前后的三維點云，并通過點云配準，準確測量出目標的運動參數(shù)。實驗結果驗證了本方法的測量精度和魯棒性，尤其是在面對缺乏明顯紋理特征的非合作目標時。該方法的一個關鍵優(yōu)勢在于其能夠在測量前實時進行雙目相機標定，無需依賴任何外部的合作標志，使其適用于更廣泛的實驗環(huán)境和目標類型。本研究的方法不僅擁有較高的測量精度和魯棒性，而且為雙目相機系統(tǒng)在振動、高溫等復雜試驗環(huán)境下的應用提供了新的途徑和思路。