摘要：基于tof(time of flight)相机设计一种融合目标二维灰度信息与三维点云信息的位姿估计算法框架,解算追踪星与非合作目标之间的相对位姿.该算法框架使用tof相机获取的目标的灰度图像和三维点云数据,采用基于弧段的椭圆提取方法和ICP(iterative closest point)点云迭代方法求解非合作目标的相对位姿信息.融合了基于灰度图像的图像处理算法与基于点云的位姿优化迭代算法提高了位姿解算算法的精度与鲁棒性,通过地面测试试验验证了所提算法框架的性能.在轨试验表明本文所提算法框架可以稳定有效地解算超近程空间非合作目标的相对位姿,为追踪星GNC分系统提供可靠导航信息且tof相机输出相对位姿精度优于2°、5 cm.

摘要：为使空间tof相机在不同温度的工作范围及复杂动力学环境下取得好的成像效果,该文对空间tof相机大视场光学镜头结构进行了优化设计。首先,根据镜头的设计指标采用远心光路设计出光学系统。其次,选取ZTC4材料作为镜头支撑结构材料,并探讨了镜座的加工工艺。最后,利用有限元模型对镜头的镜筒厚壁进行优化设计。优化后镜筒质量明显减少,减重率达到32%,符合设计指标标准。

摘要：设计了以激光为驱动光源的tof相机嵌入式系统,采集灰度图像和深度图像对合作靶标进行实时检测识别、匹配,并求出目标物体的位姿信息。所使用的靶标为圆形靶标,采用经典的阈值算法,提取靶标的形心坐标以及计算圆心率作为靶标识别的条件,使用经典的确定性退火算法完成靶标配,得到两组三维坐标值,利用SVD方法求解位姿数据。在实验中,利用tof相机解算的姿态角度精度能够达到0.13°,位置平移精度有0.6%,能够准确识别靶标并且计算位姿,验证了此tof相机用于交会对接、SLAM等领域的可行性。

摘要：针对工业生产线的堆叠矩形物品的识别与分拣问题,设计了一套由tof(time of flight)相机、并联机器人与夹具等组合而成的产品分拣系统。采用一种基于深度图与RGB图结合的三维矩形检测算法,实现堆叠物品的识别与空间位姿的计算。运用机器人定位,通过简易的手眼标定法,对算法进行验证。最后,结合视觉系统与机器人控制系统进行抓取测试。通过不同数量下反复抓取的实验,检测该系统的分拣能力。

摘要：将内嵌有tof相机、面阵相机及IMU的智能手机作为硬件系统,RGB-D SLAM技术实时获取的深度图、位姿等为数据源,构建了RGB-D SLAM增强现实楞堆原木检尺系统。首先设计了基于tof影像实时估计RGB影像像素深度的方法,实现对待测原木端面几何坐标的初步估计;其次,设计了散形分区去噪算法实现原木端面点云的精确过滤,设计了原木端面曲率估计算法实现对过滤点云可靠性判别;然后,基于PCA等算法实现原木长、短直径方向向量估计,并基于该向量对原木长、短直径进行了估计;最后,以所构建算法为基础在智能手机平台上搭建了增强现实楞堆检尺系统,实现智能手机对原木进行实时检尺、增强现实场景对测量结果实时监督。新型检尺系统通过对6个楞堆334根原木进行了检尺实验,以评估该设备的测量精度。结果显示:原木平均直径估计值的偏差及均方根误差分别为-0.13 cm(-0.35%)及1.05 cm(3.34%);原木径阶化直径估计值的偏差及均方根误差分别为-0.10 cm(-0.22%)及1.33 cm(4.43%);原木材积估计值的偏差及均方根误差分别为-0.007 m^(3)(-0.27%)及0.093 9 m^(3)(7.23%);楞堆材积相对误差绝对值均不大于2.23%,所有楞堆总材积相对误差为-0.68%。无论从单根原木还是楞堆角度来看,材积等测量结果均无偏且高精度,说明原木检尺系统是一种可高精度、高鲁棒性实时完成楞堆原木检尺的潜在方案。