增强现实摄像机-IMU相对姿态的自动标定研究

摘要

增强现实技术是在虚拟现实技术的基础上发展起来的一门新兴的人机交互技术，通过估计摄像机在3D场景中的位置，添加实时生成的虚拟3D部件、图像和文字等信息,以增强用户的使用体验。实现增强现实技术的基础是能够实时获得摄像机在空间中的位置，而通过单一的视觉跟踪方法很难获得稳定准确的摄像机位置信息。通过将摄像机与惯性测量单元严格绑定，将两种传感器的数据进行融合，可以显著增强摄像机姿态跟踪的稳定性和准确性。使用不同的传感器测得的数据位于不同的坐标系中，为了能够对数据进行融合，需要将不同传感器的信息转换到一个统一的坐标系中。坐标系转换前提是已知不同传感器之间的相对位移与相对朝向。因此，不同传感器的相对姿态是否准确直接影响混合传感器的跟踪效果。
　　本文介绍了一种基于扩展卡尔曼滤波器的摄像机-IMU相对姿态的自动标定方法。通过在EKF中不断估计IMU在世界坐标系中的位置和朝向、摄像机在IMU坐标系中的位置和朝向、IMU在世界坐标系中的速度、IMU的线性加速度和角速度的漂移误差，得到最终的标定结果。实验数据表明，在系统的初始误差较大以及受到较大的非线性噪声的影响下，该方法仍然能够对摄像机与IMU之间的相对位置与朝向进行较为准确的标定。
　　本文的主要研究内容包括:
　　1)摄像机内外参数标定与特征点匹配。通过重新设计摄像机标定板可以实现自动识别世界坐标系原点位置和X轴与Y轴方向。
　　2)设计摄像机-惯性测量单元相对姿态标定算法的EKF预测模型，通过使用当前时刻的系统状态信息预测下一时刻的状态矢量信息。
　　3)设计摄像机-惯性测量单元相对姿态标定算法的EKF测量模型，将图像特征点在图像坐标系中的2D坐标作为EKF的测量矢量，计算测量模型方程对状态矢量求偏导得到的Jacobian矩阵加入EKF进行迭代计算。
　　4)构建摄像机-IMU相对姿态自动标定平台，生成仿真数据，验证算法的正确性与可用性。

目录

声明

摘要

第一章 引言

1．1 课题研究的意义及目的

1．2 相关技术发展现状

1．3 本文主要内容

第二章 算法基础

2．1 三维空间刚体朝向的表示形式

2．1．1 欧拉角

2．1．2 旋转矩阵

2．1．3 旋转四元数

2．2 坐标系位移与旋转

2．3 卡尔曼滤波器

2．3．1 标准卡尔曼滤波器

2．3．2 扩展卡尔曼滤波器

第三章 摄像机与惯性测量单元

3．1 惯性测量单元

3．1．1 陀螺仪与加速计涸量模型

3．1．2 惯性传感器标定

3．1．3 惯性测量单元空间姿态预测

3．2 摄像机

3．2．1 摄像机模型

3．2．2 摄像机的径向与切向畸交

3．2．3 摄像机标定

3．2．4 特征点匹配

第四章 基于EKF的相对姿态标定算法

4．1 坐标系及其相互关系

4．2 计算状态矢量初始值

4．3 过程模型

4．3．1 EKF状态矢量

4．3．2 连续时间状态模型

4．3．3 离散时间状态模型

4．3 测量模型

4．4 算法流程

第五章 算法验证与应用

5．1 IMU与摄像机的时间同步

5．2 程序实现

5．3 实验验证

5．4 应用举例

第六章 总结与展望

致谢

参考文献