引用本文

闵永智, 陶佳, 任维卓. 基于特征点位置校正的靶标位姿测量方法. 自动化学报, 2020, 46(3): 509−517 doi: 10.16383/j.aas.c190217

Min Yong-Zhi, Tao Jia, Ren Wei-Zhuo. The measurement method of target pose based on feature points position calibration. Acta Automatica Sinica, 2020, 46(3): 509−517 doi: 10.16383/j.aas.c190217

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c190217

关键词

路基沉降，监测系统，位置校正，位姿解算，测量精度 

摘要

针对图像式路基沉降监测系统中由于振动等因素导致靶标与相机发生偏转产生测量误差的问题, 本文在设计监测系统靶面位姿测量系统的基础上提出了基于4特征点位置校正的位姿测量方法. 首先介绍了图像式路基沉降监测方法的工作原理; 然后根据实际情况设计了区别于传统特征点的4特征点靶面的位姿测量系统, 并利用特殊特征点对靶面特征点进行位置校正; 最后根据设计的4特征点靶面测量系统提出已知矩形4特征点边长的位姿求解方法. 实验结果表明: 本文方法比迭代法位姿解算后角度误差值更小, 其位姿解算相对误差减小1.2 %. 当偏转角度小于2° 时, 本文方法位姿求解旋转角度误差小于0.09°, 相对角度误差为1.003 %. 其时间和测量精度都能够达到监测系统要求, 可以应用于监测系统中需要对相机和靶标进行实时标定的场景.

文章导读

路基作为轨道交通工程中的关键部位[1]是轨道结构、列车载荷的基础承载体系, 若存在结构变形, 不仅会造成轨道发生形变, 进而还会造成列车振动严重, 甚至出现安全事故问题[2]. 因此, 为了保证列车安全运营, 需要采取有效措施精确控制铁路无砟轨道线下工程的工后沉降变形问题[3-5]. 传统的监测方法有观测桩法、沉降板法、沉降水杯法和传感器监测法等, 这些方法虽然安装方便, 但需要人工逐点测量, 不能自动监测且成本较高[6-8]. 因此针对铁路路基沉降变形的长期、自动和高精度监测的问题, 于起峰等[9-11]提出了基于激光的摄像机接力测量形变的方法. 这是一种新型的、非接触式的即刻式沉降测量方法. 利用点激光的准直特性及图像检测技术获取清晰且高质量的激光光斑图像, 并通过精确定位光斑图像的中心来反映相对于基准点的路基沉降变形[12-13]. 为了提高此方法的测量精度, 文献[14-16]分别从光斑图像质量和光斑中心定位精度作出了研究. 然而当监测系统长期运营后, 由于振动等因素导致相机和靶标发生相对偏转产生测量误差, 因此现场需要对靶标和相机进行实时标定. 靶标和相机之间的相对位姿关系有6个自由度, 绕$X$, $Y$, $Z$3个轴的旋转和沿3个轴的平移, 在路基沉降的检测中垂直方向上的位移变化即为沉降值, 所以沿$X$, $Y$轴平移不会影响垂直位移, 由于相机和靶标安装在统一固定的检测平台上, 因此相机与靶标的运动是同步的, 不会发生相对的垂直位移变化, 因此靶标和相机只有3自由度的相对运动且偏转角度微小. 文献[17]提出了基于传递像机的不稳定测量平台向静态基准转换的方法, 该方法使摄像测量在不稳定平台上也能高精度进行动态测量, 但由于体积太大不能安装在路基沉降监测系统中. 文献[18]采用倾角传感器提供多个角度约束, 设计了一种单目视觉与倾角传感器组合的测量系统, 虽然提高了系统测量精度和稳定性, 但监测成本高, 不适用于路基沉降大范围的监测.

因此, 本文讨论将靶标与相机相对位姿信息的求解转化为基于特征点解算的PnP问题, 该方法通过控制特征点间位置关系的约束来求解观察靶标与摄像机间的相对位置和相对姿态. 首先针对监测系统的实际情况设计了与监测环境相适应的4特征点靶面位姿测量系统, 然后针对采集特征点缺失或模糊的情况对特征点进行校正, 最后利用已知矩形靶面4特征点的边长进行位姿解算. 为了验证改进后的4特征点靶面位姿测量系统的正确性与实用性, 搭建位姿测量系统进行实验. 由于目前非线性迭代求解算法因计算结果精确而广泛应用于像机位姿实时估计[19], 因此为了验证矩形靶面4特征点位姿解算方法的有效性, 使之与迭代求解算法进行对比分析, 验证该方法的可行性与精度.

图 1  路基表面沉降监测系统

图 2  相邻传递检测站构成的闭合回路

图 3  位姿测量系统结构图

本文针对路基表面沉降监测系统在长期运营中由于振动等因素影响靶标和相机位姿变化测量时会产生误差的问题, 提出了基于靶标特征点位置校正的位姿测量方法来修正测量误差. 根据实际运营情况设计了区别于传统特征点的4特征点靶面的位姿测量系统, 并结合特定的4特征点靶面提出了一种已知矩形特征点边长的位姿求解方法, 能够精确求解靶面与相机之间的相对位姿. 结果表明:该方法的解算精度高于非线性迭代算法, 经本文位姿求解算法后旋转角度误差小于0.34°, 非线性迭代算法求解后旋转角度误差小于0.68°, 其位姿解算相对误差减小了1.2 %. 当偏转角度小于2°时, 位姿求解旋转角度误差小于0.09°, 相对角度误差为1.003 %. 因此, 在图像式路基沉降监测系统中设计区别于传统特征点的矩形4特征点靶面不仅可以实现相机与靶面的实时位姿估计, 而且可以利用特殊特征点实现对靶面特征点的位置校正. 基于靶面矩形4特征点提出的位姿求解方法时间和精度都达到了监测系统要求, 在实际运营中不仅减少了人工干预次数与人工巡检工作量, 而且经该方法标定后的监测系统可长期运营, 提高了工作效率以及检测精度. 因此该方法可以应用于监测系统中需要对相机和靶标进行实时标定的场景.

作者简介

闵永智

兰州交通大学自动化与电气工程学院教授. 2014年获兰州交通大学电子与信息工程学院博士学位. 主要研究方向为图像处理，机器视觉与人工智能测试. 本文通信作者. E-mail: minyongzhi@mail.lzjtu.cn

陶佳

兰州交通大学自动化与电气工程学院硕士研究生. 2017年获兰州理工大学电气工程与信息工程学院学士学位. 主要研究方向为机器视觉与计算机图像处理. E-mail: 18394036553@163.com

任维卓

兰州交通大学自动化与电气工程学院硕士研究生. 2017年获武汉纺织大学机械工程与自动化学院学士学位. 主要研究方向为机器视觉与计算机图像处理. E-mail: renwzyjs@163.com