根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或者多帧图像的定位两类。

基于单目视觉图像序列的三维重构。。。。。。。。。。。。

1.2 国内外研究现状 对于高级车辆辅助驾驶系统（Advanced Driver Assistance Systems，ADAS） 而言，其实现的关键是道路障碍物的检测，即利用多种数据源的输入，包括汽车

为获取视觉交互系统中人机距离信息, 利用单摄像头检测人脸特征区域、完成人脸与摄像机距离测量。首先通过改进的AdaBoost算法快速检测并定位特征区域, 其次利用系统约束条件、摄像机标定原理和面积映射关系推导像距测量方程, 完成距离测量。通过规定距离实验, 证明了像距测量方程的可行性。复杂环境实验表明系统在复杂背景下有较好的鲁棒性, 但不同光照会影响测量精度。系统适应性实验验证了对多名待测者的普遍适用性, 但佩戴眼镜会影响测量的精度和实时性。测距系统在有效量程内有较高精度, 处理速度约为5 fps, 满足精度与实时性要求。

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。

哈尔滨工业大学的一篇博士论文 基于单目视觉的航天器相对导航理论与算法研究 论文编码 66880 专业 飞行器设计 摘要：基于单目视觉系统的航天器相对导航理论是航天器接近任务的一项关键技术，本学位论文结合国家安全重大基础研究项目：“微型航天器新概念、新机理研究”(课题编号：51312)的子课题“微型航天器自主生存的理论与方法研究”，对基于单目视觉系统的合作与非合作航天器相对位姿导航参数确定理论进行深入研究，具体工作如下：在综合分析各国提出的基于视觉空间目标监视、检测或逼近等演示验证任务的基础上，提出了基于单目视觉实现空间目标检测、定位、跟踪和运动控制诸功能的非合作航天器单目视觉相对导航系统方案。推导了在不同目标特征的可分辨约束下，单目视觉测量系统的有效测量范围与目标特征的尺寸特征参数、视觉敏感器焦距和像素间距等之间的约束关系式，最后利用成像系统的角分辨率分析了视觉测量系统的测量精度，为航天器视觉系统的分析和设计提供必要的理论基础。针对合作航天器的单目视觉相对位姿导航参数确定任务，提出了四个特征光标非共面设置方 关键字：航天器 视觉导航 随机化RANSAC算法 共形几何代数 几何优化 基于几何 单目视觉 航天器 相对导航 优化理论 任务应用 法能 仿真结果 仿真验证 原型 曲棍球 照相侦察卫星 雷达成像 美国 最优化算法 求解 微分 矢量 数学模型 链状

单目视觉程序 通过对摄像机进行简单标定求出世界坐标犀利图像坐标系转换的必要参数，进而实现对固定平面内物体的位置定位及长度测量。针对该方法的特点，本文选取了4个点为标定点.

针对双目视觉深度估计成本高、体积大以及监督学习需要大量深度图进行训练的问题,为实现无人机在飞行过程中的场景理解,提出一种面向无人机自主飞行的无监督单目深度估计模型。首先,为减小不同尺寸目标对深度估计的影响,将输入的图像进行金字塔化处理;其次,针对图像重构设计一种基于ResNet-50进行特征提取的自编码神经网络,该网络基于输入的左视图或右视图以及生成对应的金字塔视差图,采用双线性插值的方法重构出与其对应的金字塔右视图或左视图;最后为提高深度估计的精度,将结构相似性引入到图像重构损失、视差图一致性损失中,并且联合视差图平滑性损失、图像重构损失、视差图一致性损失作为训练的总损失。实验结果表明,经过在KITTI数据集上的训练,该模型在KITTI和Make3D数据集上相比其他单目深度估计方法具有更高的准确性和实时性,基本满足无人机自主飞行对深度估计准确性和实时性的要求。

2.2 单目测距方法二 假设，有效焦距为 f 的 CCD 摄像机安装在载体的顶部， 俯仰角度，距离地面 的高度为 h；地面上有某个被测点P；点P与镜头中心的水平距离为d 。则被测点与 摄像机的光学成像几何关系如图 2 所示： 图 2：单目相机测距原理 其中， 0 O 是镜头的中心； 0 0 ( , )O x y 是光轴与像平面的交点，作为像平面坐标系的 原点； '( , )P x y 是被测点P在像平面的投影。那么，有几何关系：

针对目前SLAM算法实时性和鲁棒性的问题，提出了一种改进的实时单目视觉SLAM算法。该算法采用一个摄像头作为外部传感器来提取机器人行进过程中周围环境的特征信息，用实时性良好的FAST提取环境特征点，结合逆深度参数化进行特征点非延时初始化，用压缩扩展卡尔曼滤波更新地图。实验研究表明，该方法提高了算法的鲁棒性和实时性。