导读:本文包含了目视精度论文开题报告文献综述及选题提纲参考文献，主要关键词:位置姿态测量系统,单目视觉,联合标定,精度检校
目视精度论文文献综述
朱庄生,袁学忠[1]（2018）在《基于单目视觉的位置姿态测量系统精度检校方法》一文中研究指出针对高精度位置姿态测量系统的姿态检校问题,提出一种单目视觉检校方法。首先分析了合作靶标精度对单目视觉姿态测量精度的影响,利用合作靶标实现视觉高精度姿态测量;然后提出基于正交矢量和动态滤波的联合标定法,标定出靶标坐标系和惯性测量单元之间的转换矩阵关系;最终实现了具备高精度姿态精度的单目视觉检校系统。实验结果表明,单目视觉检校系统静态姿态误差均方根为2.1'',动态姿态误差为4.4'',可以为高精度位姿系统提供姿态精度检校。(本文来源于《中国惯性技术学报》期刊2018年05期）
刘毅[2]（2018）在《基于单目视觉的实时高精度定位方法研究》一文中研究指出近年来,处理器计算能力的提升使得算法也得到了飞速发展,基于视觉的实时定位和轨迹估计(同时也被称为视觉同时定位和建图,视觉SLAM,视觉里程计)已经成为了人工智能的核心技术之一,也是移动机器人的必备技术模块。视觉传感器具有低成本,低功耗,体积小等特点,这使得基于视觉的里程计技术能被多种类型的智能设备采用,同时也成了学术上的热门研究领域之一。然而,在未知的场景下,图像的剧烈运动,缺少纹理特征,初始位姿信息的不准确等因素都会给基于单目视觉传感器的SLAM在精度上带来严峻的挑战。因此,本文面向移动和轻量级设备,针对未知的静态场景下的实时定位计算,分别从单目视觉里程计的高精度无尺度定位,以及增强单目和惯性单元的紧耦合定位精度两个方面展开了研究。为了实时地提升传统单目视觉里程计的无尺度定位精度,本文提出了基于视差角的单目视觉里程计MPVO。单目视差角视觉里程计MPVO使用了视差角作为参数来描述点云的相对位置,也使用了本文提出的视差角光束调整算法,能够具有更好的收敛性。本文也分析了视差角光束调整算法中变量结构的稀疏性,并且利用这种特性设计了快速求解算法。实验证明,本文提出的视差角光束调整算法能够使优化具有更佳的收敛效果,从而使得相机位姿的实时估计也更加精确。在多个数据集上的测试表明,新的单目视差角视觉里程计实现了针对单相机的实时位姿求解计算,验证了有效性,具有更好的无尺度定位精度。为了提升视觉里程计在高频率输出条件下的定位精度,本文提出了基于EKF框架的单目和惯性传感器融合的SLAM:RI-Mono-EKF。RI-Mono-EKF建立在本文提出的具有刚体运动不变性的RI-IMU预积分因子的基础之上,同时也使用了本文提出的基于RI-IMU因子的单目与IMU融合初始化算法。RI-IMU因子能够在数学上更好地捕捉惯性单元各个属性之间的数据关联,使得基于RI-IMU因子的单目IMU融合初始化方法,能够在算法开始时获取可靠的状态初始信息,也可以让后续位姿估计更加精确。实验表明,本文提出的单目和IMU融合初始化方法能够显着加快变量的收敛,并且使得RI-Mono-EKF在室内环境下,能够以200Hz的频率提供40cm内的定位精度,提升了该研究领域内,同等速度下的定位精度。最后,为了能够让视觉里程计提供更高精度的定位,本文继续使用了RI-IMU-EKF中的RI-IMU预积分因子和初始化方法,基于图优化框架设计了单目视觉和IMU紧耦合SLAM。该SLAM使用关键帧和多线程协作,在CPU上实现了更高精度的实时定位计算,同时也能够实时地建立稀疏场景。大量实验结果表明,该SLAM能够提供误差在10cm以下的定位精度,达到了该研究领域的前沿精度。同时计算速度也在50Hz,能够达到实时计算水平。(本文来源于《华中科技大学》期刊2018-08-01）
王泽民,高俊钗[3]（2016）在《单目视觉障碍物测距精度分析》一文中研究指出在单目视觉障碍物测距模型中,分析了可视距离与安装高度和俯视角度的关系,研究了影响测距精度的因素:摄像机的安装高度、俯视角度和障碍物检测的图像位置,建立了误差的数学模型并进行了仿真,定量计算了在一定的条件下引入的误差。根据摄像机的内参数和摄像机视距的影响因素确定了合适的安装参数,在此安装参数下,对摄像机视距随障碍物像素位置的变化及测距精度随影响因素的变化情况进行了仿真,仿真结果有助于选择误差小的区域,从而提高测距的精度。(本文来源于《电子测试》期刊2016年18期）
李镇,张岩,杨松,朱清科,武建辉[4]（2014）在《QuickBird影像目视解译法提取切沟形态参数的精度分析》一文中研究指出为了研究QuickBird影像提取切沟形态参数的精度,该文选取陕北黄土区吴起县合沟与绥德县桥沟小流域,分别利用同时相的叁维激光扫描全站仪和QuickBird影像数据源提取切沟形态参数,分析QuickBird影像提取切沟形态参数的精度,探究误差产生原因。研究结果表明:与叁维激光扫描全站仪相比,QuickBird影像目视解译合沟和桥沟小流域切沟面积、周长的平均相对误差都在5%左右;沟缘线边界偏差大于0.6 m(相当于QuickBird影像的一个像元值)的面积百分比的均值都能控制在4%以内;2个小流域中沟长的平均相对误差分别在2%和5%左右,沟长的平均绝对误差分别在0.5和0.75 m左右;目视解译面积、沟长的平均相对误差、最大相对误差、不同解译人员的最大误差与参数值之间都具有显着地负相关,即切沟越大,误差越小;沟缘线附近的植被类型影响目视解译精度,与灌草植被覆盖的小流域相比,草本覆盖的小流域中切沟参数的解译精度更高。总体上来看,QuickBird影像为小流域尺度上监测切沟发育提供了便捷、可靠地数据源。(本文来源于《农业工程学报》期刊2014年20期）
曹毓,冯莹,赵立双,雷兵[5]（2012）在《相机姿态安装误差对单目视觉定位精度的影响》一文中研究指出现有单目视觉定位方法由于相机姿态误差而存在定位精度不高的问题,但鲜见文献对此进行定量分析。针对该问题从定性分析和定量仿真的角度研究了相机姿态角的安装误差对单目视觉定位精度的影响。在距离为211.377 m的平坦直线道路上进行了叁组实验,实验结果和仿真结果吻合较好,经相机姿态安装误差校正以后,叁组实验中行驶轨迹弯曲的现象得到了纠正,并获得了最大误差0.45%的测距精度。所得结论对提高单目视觉定位精度具有指导意义。(本文来源于《传感器与微系统》期刊2012年12期）
董英华[6]（2012）在《光笔式单目视觉坐标测量系统精度改进技术的研究》一文中研究指出光笔式单目视觉坐标测量系统以视觉测量为基础，结合传统叁坐标测量中的测头检测技术，使视觉检测的目标从被测物体表面转移到测量媒介上，代表着坐标测量技术的一个重要研究方向，具有非常广阔的应用前景。本课题组自2000年开始研发一套光笔式视觉坐标测量系统，通过分析光笔上控制点的成像情况确定被测点的空间坐标，具有重量轻、量程大、操作简单、组建灵活、便携性好等优点，然而其精度与当今国际先进水平相比仍有一定差距。针对此问题，本文在几个关键技术的算法方面进行改进。论文的主要工作如下：1、介绍了叁坐标测量技术的分类，重点分析了国内外便携式特别是手持光笔式视觉坐标测量系统的研究现状。2、详细介绍了光笔式单目视觉坐标测量系统的结构组成和测量原理，分析了3LED直棒式光笔视觉测量系统的系统误差。3、对控制点圆心的像面坐标提取算法进行改进，运用多阈值分割结合平均思想提高像平面控制点中心定位的准确度，另外结合实际测量情况提出一种自适应中值滤波方法。4、研究了基于移动光靶标的分区域相机标定方法，利用叁坐标测量机带动圆形LED光靶标随之移动，结合图像处理算法获取准确的空间点集，采用改进的Tsai两步法，实现的高精度的相机标定。5、在原有测头中心标定算法基础上进行改进，建立更加符合实际测量的目标函数，同时优化测量流程，采用数学平均思想提高测头中心的稳定性和算法的收敛速度。6、利用上述改进的方法检测系统整体精度并与海克斯康Global系列传统叁坐标测量机的精度进行比较。改进后系统在2m范围内叁个轴向的单点测量稳定性精度分别能达到0.005mm，0.005mm，0.039mm，叁个轴向的长度测量最大误差分别为0.039mm，0.011mm，0.080mm，较改进前均提高一个数量级。最后分析了改进后系统误差的主要来源，并从硬件和算法两个方面的给出改进方案。(本文来源于《天津大学》期刊2012-12-01）
刘克宝[7]（2011）在《利用SPOT4与SPOT5卫星数据目视解译黑龙江省水稻种植面积精度的对比分析》一文中研究指出以黑龙江省桦川县水稻种植集中区域为示范区,选择8 km×8 km为试验样区,分别利用SPOT4(20 m)、SPOT5(10 m)数据对水稻播种面积进行人工目视解译,并结合地面实际测量获得道路、林带、沟渠等线状地物,最后利用GIS软件对数据进行综合分析,分别求得2种数据源的水稻提取结果,以Quick-Bird(0.61 m)的解译成果为真值进行对比分析。结果表明:工作区内SPOT4(20 m)与SPOT5(10 m)数据源解译数据误差在1.20%,在黑龙江省利用SPOT4(20 m)数据人工目视解译水稻种植面积与SPOT5(10 m)的数据精度相差不大,在实际水稻种植面积提取中可以利用SPOT4(20 m)数据代替SPOT5(10 m)数据。(本文来源于《黑龙江农业科学》期刊2011年05期）
朱代武,赵巍巍,徐立剑[8]（2009）在《在跑道对正飞行中的目视精度分析》一文中研究指出目前,国内有关飞行程序设计的文件和规章均将重点放在以地面导航设施为引导的仪表飞行程序的研究上,目视进近程序的研究内容在国内尚属空白。本文将双目视觉测量系统的理论应用于最后进近中跑道对正的研究中,通过建立该系统的结构参数模型,分析结构参数与空间被测点之间的关系特性,研究了最后进近目视精度的分布规律。通过将最后进近的相关参数引入误差关系式中,得出仿真结果,并给出了小误差时的目视最佳范围。(本文来源于《科技资讯》期刊2009年32期）
龚华军,方芬,邢建芳,杨一栋[9]（2009）在《先进的目视回收光学助降系统纵向着舰精度》一文中研究指出先进的目视回收光学助降系统(Advanced visual carrier aircraft recovery system,AVCARS)是在常规的菲涅尔透镜光学助降系统中加入"肉球"偏移速度的指示信息,以提高着舰时的操纵品质和着舰精度。本文研究了AVCARS光学助降系统的工作原理,给出了其结构配置,设计了飞控系统、飞行员模型和助降控制律,并导出着舰终端误差方程。最后对在典型海浪作用下的AVCARS光学助降着舰导引系统进行了动态仿真验证,计算出了着舰终端误差,为研究舰载飞机着舰精度提供了基本思路与研究手段。(本文来源于《南京航空航天大学学报》期刊2009年05期）
目视精度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,处理器计算能力的提升使得算法也得到了飞速发展,基于视觉的实时定位和轨迹估计(同时也被称为视觉同时定位和建图,视觉SLAM,视觉里程计)已经成为了人工智能的核心技术之一,也是移动机器人的必备技术模块。视觉传感器具有低成本,低功耗,体积小等特点,这使得基于视觉的里程计技术能被多种类型的智能设备采用,同时也成了学术上的热门研究领域之一。然而,在未知的场景下,图像的剧烈运动,缺少纹理特征,初始位姿信息的不准确等因素都会给基于单目视觉传感器的SLAM在精度上带来严峻的挑战。因此,本文面向移动和轻量级设备,针对未知的静态场景下的实时定位计算,分别从单目视觉里程计的高精度无尺度定位,以及增强单目和惯性单元的紧耦合定位精度两个方面展开了研究。为了实时地提升传统单目视觉里程计的无尺度定位精度,本文提出了基于视差角的单目视觉里程计MPVO。单目视差角视觉里程计MPVO使用了视差角作为参数来描述点云的相对位置,也使用了本文提出的视差角光束调整算法,能够具有更好的收敛性。本文也分析了视差角光束调整算法中变量结构的稀疏性,并且利用这种特性设计了快速求解算法。实验证明,本文提出的视差角光束调整算法能够使优化具有更佳的收敛效果,从而使得相机位姿的实时估计也更加精确。在多个数据集上的测试表明,新的单目视差角视觉里程计实现了针对单相机的实时位姿求解计算,验证了有效性,具有更好的无尺度定位精度。为了提升视觉里程计在高频率输出条件下的定位精度,本文提出了基于EKF框架的单目和惯性传感器融合的SLAM:RI-Mono-EKF。RI-Mono-EKF建立在本文提出的具有刚体运动不变性的RI-IMU预积分因子的基础之上,同时也使用了本文提出的基于RI-IMU因子的单目与IMU融合初始化算法。RI-IMU因子能够在数学上更好地捕捉惯性单元各个属性之间的数据关联,使得基于RI-IMU因子的单目IMU融合初始化方法,能够在算法开始时获取可靠的状态初始信息,也可以让后续位姿估计更加精确。实验表明,本文提出的单目和IMU融合初始化方法能够显着加快变量的收敛,并且使得RI-Mono-EKF在室内环境下,能够以200Hz的频率提供40cm内的定位精度,提升了该研究领域内,同等速度下的定位精度。最后,为了能够让视觉里程计提供更高精度的定位,本文继续使用了RI-IMU-EKF中的RI-IMU预积分因子和初始化方法,基于图优化框架设计了单目视觉和IMU紧耦合SLAM。该SLAM使用关键帧和多线程协作,在CPU上实现了更高精度的实时定位计算,同时也能够实时地建立稀疏场景。大量实验结果表明,该SLAM能够提供误差在10cm以下的定位精度,达到了该研究领域的前沿精度。同时计算速度也在50Hz,能够达到实时计算水平。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目视精度论文参考文献
[1].朱庄生,袁学忠.基于单目视觉的位置姿态测量系统精度检校方法[J].中国惯性技术学报.2018
[2].刘毅.基于单目视觉的实时高精度定位方法研究[D].华中科技大学.2018
[3].王泽民,高俊钗.单目视觉障碍物测距精度分析[J].电子测试.2016
[4].李镇,张岩,杨松,朱清科,武建辉.QuickBird影像目视解译法提取切沟形态参数的精度分析[J].农业工程学报.2014
[5].曹毓,冯莹,赵立双,雷兵.相机姿态安装误差对单目视觉定位精度的影响[J].传感器与微系统.2012
[6].董英华.光笔式单目视觉坐标测量系统精度改进技术的研究[D].天津大学.2012
[7].刘克宝.利用SPOT4与SPOT5卫星数据目视解译黑龙江省水稻种植面积精度的对比分析[J].黑龙江农业科学.2011
[8].朱代武,赵巍巍,徐立剑.在跑道对正飞行中的目视精度分析[J].科技资讯.2009
[9].龚华军,方芬,邢建芳,杨一栋.先进的目视回收光学助降系统纵向着舰精度[J].南京航空航天大学学报.2009