DC

图像传感器技术：硅材料传感器对红色和绿色这两种颜色通常很敏感，但对蓝色却不敏感；相机硬件噪声来源于光电传感器、A/D转化器;计算成像学：–高动态范围的 --高速帧率 --三维深度图 --焦平面再聚焦 --焦点扫描 --滚动快门 --全景拼接 --图像光照重置深度感知的几种方法：1.视差与混合视差；两个相机（立体、多视图立体和阵列照相机）位置之间的FOV上测量位移；2.尺度图：特殊尺寸的颜色标签确定范围和位置；3.聚焦的深度：带扫描聚焦的多帧图像；4.有差别的放大率：使用不同的放大率采集两帧图

文章目录矩阵奇异性、‘病态’问题描述：常用改善条件数的方法：关于条件数和正则化的概念补充：矩阵奇异性、‘病态’问题描述：  在实际工程应用中，求解线性方程组 AX=BAX=BAX=B 问题时，其系数矩阵 AAA 或初值矩阵 BBB 一般由实验数据构成，如果矩阵A或B中的元素存在观测误差、仪器的测量误差或计算机本身的误差等，则会导致求得解 XSX_SXS​ 偏离真实解 XrX_rXr​ 。  矩阵条件数反映了矩阵计算中解 XXX 对初值 BBB 的敏感度，矩阵条件数越大，解对初始值的变化越敏感，条件数

文章目录前言主要因素：仿真结论：特征标志点规划布局设计：标志点规划布局的约束条件：当前的一些研究成功和结论：基于立体视觉的运动刚体位姿测量方法研究一种单目视觉位姿测量系统的误差分析方法基于点特征的位姿测量系统鲁棒性分析横滚角对P3P位姿测量方法鲁棒性的影响分析合作目标姿态对视觉位姿测量精度的影响分析P3P位姿测量方法的误差前言  本文主要针对PNP问题在工程使用的时候，如何布置合作特征的位置进行了一定的研究，探讨了合作特征的位置和尺寸对位姿估计精度的影响。主要因素：  （1）标志器与相机的相对距离

Distances and bearings between points on an ellipsoidal-model earthVincenty 对椭球体地球模型上点之间距离的解精确到0.5 mm距离，0.000015〃度。基于球面地球模型的计算，例如（更简单的）哈弗斯线，精确到0.3%左右。  We can use live examples at Vincenty’s solution 在线计算  You can git the Matlab Version at git@gi

三维坐标系之间的转换关系：R(旋转矩阵) 、T（平移矩阵）;布尔莎模型:前提是旋转角为微小旋转角;适用于大转角的罗德里格矩阵模型;

P3P问题原理：P3P 算法多解选择问题的讨论：（1）P3P 算法至多有 4 个解，如何排除虚假解的干扰，从多解中找出正确解是 P3P 算法的关键问题之一。通常使用的方法为：用每个解得的 R 和 T 分别对特征点世界坐标进行重投影，将重投影得到的图像坐标与已知图像坐标比较，认为使得重投影误差最小的 R 和 T 为正确解。这种重投影方法的实质是以特征点像方残差之和最小作为正确解的选择标准。（2）P3P 算法的求解本身是比较稳定的，多解中较可能存在一个与真值接近的正确解，但使用重投影的方法从多解中选择正

基于点特征的位姿求解算法：（1）非迭代：P3P 、 P4P 、 RPnP（2）迭代：正交迭代（OI）算法 、 L-M 算法 、 SoftPOSIT 算法 、 Tsai算法（初始解不迭代，精确解迭代）各常用算法稳定性、精度和实时性的对比结果:（1）RPnP 算法求解 R、T 的误差均值和标准差都最小，精度最高；（2）Tsai 算法求 解 R 的误差均值和标准差仅次于 RPnP 算法，但求解 T 的误差较大；（3）正交迭代算法和 P3P 算法 误差中等，但 P3P 算法误差的标准差较大，说明 10

需要解决的问题：假设某个时刻相机的位姿是T，它观察到一个在世界坐标系中的一个空间点p，并在相机上产生了一个观测数据z，那么z = Tp + noisenoise是观测噪声。那么观测误差就是e = z - Tp假设我们总共有N个这样的三维点p和观测值z，那么我们的目标就是寻找一个最佳的位姿T，使得整体误差最小化，也就是min⁡TJ(T)=∑i=1N∥zi−Tpi∥22(1)\min _{\boldsymbol{T}} J(\boldsymbol{T})=\sum_{i=1}^{N}\left\|

Camera calibration研究现有相机标定的方法的步骤和机理，探讨主动视觉的标定新方法；张正友法1）标定模型的建立λp=K[r1r2t][XwYw1]\lambda p=K\left[\mathbf{r}_{1} \quad \mathbf{r}_{2} \quad t\right]\left[\begin{arr

关于位姿测量的一些研究成果：位姿测量误差的本质是回归到像素点代表的实际距离的大小，近距离的时候图像提取误差大一点也不会影响太多，因为像素间代表的实际距离很小，一旦距离变远，意味着单个像素点代表的距离就增大了，所以提取误差就显得尤为重要。1.同一面内（3～4个点）的尺寸大小对测量精度影响此问题已有研究结果，在固定构型条件下，点与点之间的距离越大，位姿测量精度越高；2.同样尺寸范围内的点个数影响问题此问题已有研究结果，在迭代和非迭代算法条件下，点的数量越多，位姿测量计算时间越长，位姿测量精度越高；3

搜索阶段:远距离：​ 目标为几个像素，并且淹没在环境里​ 完全没有任何目标或目标偶尔出现，如何进行导航中远距离​ 目标部分容易被遮挡，如何进行目标检测​ 在光线条件较差的环境下，目标检测出现误判和无法工作的情况近距离​ 目标在视场中占据较大部分，飞机的剧烈姿态变换容易引起目标丢失​ 受到飞机震动和相机抖动限制，特征点提取误差较大，位姿解算精度不高跟踪阶段:目标检测​ 如何很好区分背景和目标，在环境噪声中提取小目标​ 收到飞机自身姿态角和相机视场限制，变化较快的目标容

- 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.