《表3 对应的2D靶点：基于单目视觉的多种群粒子群机械臂路径规划算法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于单目视觉的多种群粒子群机械臂路径规划算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

假设相机的数学模型在弱仿射投影下，目标物体在不同姿态的像面几何畸变很小。二维方差最大时所形成的主特征轴是最稳定的，而轴两端的点是最稳定的特征点。为了在不影响模式分类的情况下，最大化二维数据的方差并将其表示在一个新的空间中，引入了文献[10]中提出的主成分分析（Principal Components Analysis，PCA）。PCA是一个线性变换过程，把数据变换到一个新的坐标系统中，使数据投影的第一大方差在第一主成分上，第二大方差在第二主成分上。使用PCA算法可以求出目标物体轮廓的主方向，在轮廓上求出代表物体主方向的四个特征点坐标。使用目标物体轮廓最小外接矩形的方法求出物体轮廓与外接矩形交点的两个特征点的像素坐标。将物体的主成分画出，最终得到物体的6个2D特征点。而由PCA求出的4个特征点是经过方差排序后得到的，将后来得到的两个特征点坐标与它们进行排序依次标记出这6个2D点，并将它们与3D靶点一一对应，图5为外接最小旋转矩形与PCA算法处理后的带有2D靶点的图像，在图像中将6个2D靶标一一标注。表3是2D靶点的像素坐标。