视觉位姿测量精度的影响因素分析(Camera Pose Estimation)

————————————————————————————— 尊重作者的劳动成果，转载请注明出处，谢谢您的认可与鼓励 —————————————————————————————

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.固定三个同面点，变化一个异面点，研究异面影响

此问题已有研究结果，异面的点相对于平面内的四点可以提供更多的信息，如点与点之间的深度，在姿态测量中可以提高测量精度，至于异面的程度对位姿测量的影响还未看到类似的研究成果，但理论上都是针对位姿测量的多解问题进行探究，如何保证得到唯一解；

4.四个点形状和尺寸不变情况下，研究倾斜影响问题

此问题已有研究结果，在P3P位姿求解模型中，拍摄的角度其实会造成多解问题，研究发现，在某个视线夹角非锐角时，P3P问题会 产生有两个正解，因此在摄像机姿态定位中，应尽可能地靠近空间点并确保某个视线夹角成钝角，以免产生多解

5.合作特征布置优化问题

优化的特征标靶布局、较大的特征标靶基线长度及较小的特征圆点靶标能够提高测量解算准确度。在俯仰角变化时，由于视角的原因，圆特征在图像中会变成椭圆，为了减小椭圆化问题所带来的准确度影响，可以对特征圆点标靶进行一定的改进，从工程应用角度出发，特征圆点半径的减小对于从位姿图像提取特征点中心坐标值的准确度有所提高 。

通过matlab进行了异面的仿真，发现当平面内三点距离最大，均处于角点位置，选择其中一个点进行异面迭代，在进行位姿求解的过程中其平均误差随着距离的增大逐渐收敛；

6.研究了遗传算法中适应度函数的设计，适应度的计算步骤如下：

i）将染色体解码为构型；

ii）计算该构型对应的位姿参数估计值；

iii）计算位姿估计误差评价指标，将其转换为适应度；

**存在的问题：**为了评价位姿估计误差的的大小，需要综合6个位姿参数的估计误差，但这6个位姿参数量纲和数量级不同。3个位置参数的单位为米，误差绝对值的范围可能从零到一个很大的值。3个姿态参数的误差单位为度，误差绝对值的范围通常在[0,90]度之间。因此，若要将6个位姿参数的估计误差合成一个误差评价指标，需解决量纲和数量级不同的问题。

对染色体的交叉进化过程进行了研究，染色体上的基因序列表示特征点的标号，**此方法存在一定问题： 对同一个构型编码时，若特征点对应的基因序列顺序不同，会生成不同的染色体。**若最优构型 对应于多种染色体形式，则算法可能会向多点处收敛，影响收敛性能甚至造成无法收敛的情况。因此，通过遗传操作生成新一代种群后，对种群中的染色体进行调整的方法尤为重要，使得同一种构型对应的染色体形式唯一；

在针对相机在线标定问题上研究发现，图像的提取误差和实际标定距离的影响对其标定结果影响非常大，所以大部分高精度的标定都是在实验室环境下进行内参数标定，如果在相机焦距进行改变后，也应该选择视场中那些距离较近并且提取精度高的特征点用于标定模型里，其中存在一个问题就是如何评价点的质量，在亚像素提取的基础上是否可以建立一个点的评价模型，选出视场中那些表现优秀的点用于相机内参点求解；