基于深度学习和PnP模型的激光跟踪仪自动姿态测量
针对航空航天、汽车装配等高端制造领域对姿态测量的迫切需求,提出一种面向激光跟踪仪的快速高精度姿态测量方法,利用深度学习结合视觉PnP模型实现了激光跟踪过程中被测件姿态的自动测量.针对PnP姿态求解模型所需的3D特征点和2D特征点之间的对应关系难以直接确定的问题,设计了一个特征提取网络用于提取特征点对应的高维特征,采用最优传输理论确定特征向量之间的联合概率分布,从而完成3D-2D特征点的自动匹配;使用Ransac-P3P结合EPnP算法对匹配好的3D特征点和2D像素点进行姿态求解,获得高精度的姿态信息;在此基础上,利用隐式微分理论计算PnP求解过程的雅克比矩阵,从而将PnP姿态求解模型集成到网络中并指导网络训练,实现了深度网络匹配能力与PnP模型姿态求解能力的优势互补,提高了解算精度.最后,制作了一个含有丰富标注信息的数据集,用于训练面向激光跟踪仪的姿态测量网络.基于高精度二维转台进行了姿态测量实验,结果表明,该方法在3m处对俯仰角的测量精度优于0.31°,横滚角精度优于0.03°,单次测量耗时约40 ms,能够实现激光跟踪仪的高精度姿态测量.
激光跟踪仪、姿态测量、单目视觉、深度学习
30
TP391.4;TH744(计算技术、计算机技术)
国家重点研发计划No.2019YFB1310100
2022-06-01（万方平台首次上网日期，不代表论文的发表时间）
共11页
1047-1057
