典型文献
基于深度学习和PnP模型的激光跟踪仪自动姿态测量
文献摘要：
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.
文献关键词：
激光跟踪仪;姿态测量;单目视觉;深度学习
中图分类号：
作者姓名：
周道德;高豆豆;董登峰;周维虎;崔成君
作者机构：
中国科学院微电子研究所,北京100029;中国科学院大学,北京100049
文献出处：
引用格式：
[1]周道德;高豆豆;董登峰;周维虎;崔成君-.基于深度学习和PnP模型的激光跟踪仪自动姿态测量)[J].光学精密工程,2022(09):1047-1057
A类：
B类：
激光跟踪仪,姿态测量,航空航天,汽车装配,高端制造,制造领域,模型实现,自动测量,解模,2D,特征提取网络,提取特征点,高维特征,最优传输理论,特征向量,联合概率分布,自动匹配,Ransac,P3P,EPnP,像素点,姿态信息,隐式,式微,微分理论,雅克比矩阵,模型集成,网络训练,深度网络,优势互补,标注信息,测量网络,二维转台,测量实验,3m,俯仰角,测量精度,横滚,ms,单目视觉
AB值：
0.364967
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
