基于单应矩阵的相对位姿改进算法

doi:10.3778/j.issn.1002-8331.1704-0406

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (15): 25-30.DOI: 10.3778/j.issn.1002-8331.1704-0406

基于单应矩阵的相对位姿改进算法

张培科1，2，武元新2，蔡奇1，2

1.中南大学航空航天学院，长沙 410083
2.上海交通大学电子信息与电气工程学院，上海 200240

出版日期:2017-08-01 发布日期:2017-08-14

Improved solution for relative pose based on homography matrix

ZHANG Peike1，2, WU Yuanxin2, CAI Qi1，2

1. School of Aeronautics and Astronautics, Central South University, Changsha 410083, China
2. School of Electronic Information and Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China

Online:2017-08-01 Published:2017-08-14

摘要/Abstract

摘要： 从单应矩阵恢复相对位姿在视觉导航、视觉伺服应用中具有重要价值，证明了单应矩阵的新性质，并利用该性质改进了基于单应矩阵分解的相对位姿估计算法。与已有算法相比，该算法的候选解个数减半，并扩大了适用范围。理论分析、合成数据和真实数据测试均表明，改进方法使从候选解中筛选出唯一解的运算时间减少了50%，提高了位姿估计的总体运算效率。

关键词: 单应矩阵, 比例模糊性, 相对位姿, 奇异值分解

Abstract: The relative pose solution from homography matrix is vital for the visual navigation and visual servo applications. This paper proves new properties of the homography matrix and utilizes them to improve relative pose solution by the decomposition of homography matrix. Compared with previous methods, it only has a half of candidate solutions and enlarges the applicability range. Theory analysis, synthetic and real data tests show that the improved method saves 50% time in choosing the right relative pose from the candidate solutions and improves the total computational efficiency.

Key words: homography matrix, scale ambiguity , relative pose, singular value decomposition

张培科1，2，武元新2，蔡奇1，2. 基于单应矩阵的相对位姿改进算法[J]. 计算机工程与应用, 2017, 53(15): 25-30.

ZHANG Peike1，2, WU Yuanxin2, CAI Qi1，2. Improved solution for relative pose based on homography matrix[J]. Computer Engineering and Applications, 2017, 53(15): 25-30.

[1]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[2]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[3]	赵青，冶继民，常芳丽. 两正定矩阵联合对角化盲分离算法[J]. 计算机工程与应用, 2019, 55(7): 214-219.
[4]	曹浩，陈里里，司吉兵，任君兰. 奇异值分解和稀疏自编码器的轴承故障诊断[J]. 计算机工程与应用, 2019, 55(20): 257-262.
[5]	赵建，张友鹏，赵斌. 基于奇异值分解理论的钢轨断裂检测方法[J]. 计算机工程与应用, 2018, 54(9): 243-250.
[6]	梁新宇1，2，吴建德1，2，黄国勇1，2，孙磊1，2. H∞鲁棒自适应CKF算法在组合导航中的应用[J]. 计算机工程与应用, 2018, 54(9): 251-256.
[7]	王茜竹，邱聪聪. Massive MIMO系统基于子空间的半盲信道估计[J]. 计算机工程与应用, 2018, 54(8): 91-95.
[8]	黄刚劲1，2，范玉刚1，2，冯早1，2，刘英杰1，2. 基于广义形态滤波和MRSVD的故障诊断方法研究[J]. 计算机工程与应用, 2018, 54(3): 217-221.
[9]	李天雪，王建平，张敏情，孔咏骏. 基于SVD压缩的高保真可逆信息隐藏算法[J]. 计算机工程与应用, 2018, 54(14): 115-119.
[10]	刘翠响，马玉双，王宝珠，郭志涛. 过完备字典稀疏表示下的RAMP重构算法[J]. 计算机工程与应用, 2018, 54(14): 199-202.
[11]	郑雄风，丁立新，万润泽. 基于用户和产品Attention机制的层次BGRU模型[J]. 计算机工程与应用, 2018, 54(11): 145-152.
[12]	李越1，2，范玉刚1，2，黄国勇1，2. MRSVD敏感分量在单频周跳探测修复中的应用[J]. 计算机工程与应用, 2017, 53(7): 220-224.
[13]	符颖，王星，周东青，范翔宇，周一鹏. 基于模糊函数SVD和改进S3VM的雷达信号识别[J]. 计算机工程与应用, 2017, 53(6): 264-270.
[14]	夏克付1，2，李鹏飞2，陈小平2. 基于改进RANSAC算法的单应矩阵鲁棒估计方法[J]. 计算机工程与应用, 2017, 53(23): 147-152.
[15]	孙磊1，2，黄国勇1，2，李越1，2. 改进的强跟踪SVD-UKF算法在组合导航中的应用[J]. 计算机工程与应用, 2017, 53(10): 225-229.

基于单应矩阵的相对位姿改进算法

Improved solution for relative pose based on homography matrix

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics