Beyond Control Points: Arcsecond Relative-Motion Estimation of Vision Measurement Platforms With Incomplete or Absent Control Fields
作者: Meng Lian, Jian Wang, Shuixin Pan, Haibo Liu, Yueqiang Zhang, Yulan Guo
分类: cs.CV
发布日期: 2026-08-14
备注: 13 pages, 14 figures. Submitted to IEEE Transactions on Image Processing
💡 一句话要点
提出控制自适应差分框架以解决视觉测量平台运动估计问题
🎯 匹配领域: 支柱七：动作重定向 (Motion Retargeting) 支柱八：物理动画 (Physics-based Animation)
关键词: 运动估计 视觉测量 控制自适应 差分框架 长距离监测
📋 核心要点
- 现有的绝对姿态差分方法依赖专用控制数据，导致相对运动估计中存在独立的姿态误差传播问题。
- 本文提出的控制自适应差分框架直接从图像位移和已知3D点中估计平台运动，避免了对专用控制点的依赖。
- 在实验中，该方法在多摄像头估计下实现了2.97弧秒的旋转均方根误差，显示出优越的精度和效率。
📝 摘要（中文）
基于长距离视觉的变形监测对相机平台的运动高度敏感。传统的绝对姿态差分方法依赖于专用控制数据，并将两个独立的姿态误差传播到相对运动估计中。本文提出了一种控制自适应差分框架，直接从图像位移和已知3D点中估计帧间平台运动。该框架无需专用控制点，通过测量点观测恢复平台旋转，并在有一个控制点的情况下实现平移恢复。实验结果表明，该方法在0.5像素图像噪声下，旋转均方根误差为2.97弧秒，且在没有稳定控制场的桥梁实验中，相对总站测量的位移均方根误差为0.85毫米，展现了卓越的准确性和计算效率。
🔬 方法详解
问题定义：本文旨在解决长距离视觉测量平台在缺乏稳定控制场时的相对运动估计问题。现有方法依赖于专用控制数据，导致姿态误差的传播和估计不准确。
核心思路：提出了一种控制自适应差分框架，能够直接从图像位移和已知3D点中估计平台的运动，避免了对专用控制点的依赖。该框架通过测量点观测恢复平台的旋转，并在有一个控制点的情况下实现平移恢复。
技术框架：整体框架包括图像位移计算、3D点观测、旋转和位移估计等模块。首先，通过图像处理获取位移信息，然后结合已知的3D点进行运动估计，最后输出相对运动结果。
关键创新：最重要的创新在于去除了对专用控制点的依赖，使得旋转估计对控制场的污染完全免疫，同时通过差分形式消除了平移外部误差。
关键设计：框架不需要非线性优化或初始姿态估计，旋转可通过测量点直接恢复，平移则在有一个或两个控制点的情况下进行约束恢复。
🖼️ 关键图片
📊 实验亮点
实验结果显示，在0.5像素图像噪声下，该多摄像头估计器实现了2.97弧秒的旋转均方根误差，且在没有稳定控制场的桥梁实验中，相对总站测量的位移均方根误差为0.85毫米，展现了该方法在准确性和计算效率上的领先地位。
🎯 应用场景
该研究的潜在应用领域包括桥梁监测、建筑物变形监测以及其他需要高精度运动估计的视觉测量场景。通过提高运动估计的准确性和鲁棒性，该方法能够在实际工程中提供更可靠的数据支持，促进智能监测系统的发展。
📄 摘要（原文）
Long-range vision-based deformation monitoring is highly sensitive to motion of the camera platform. Absolute-pose differencing typically relies on dedicated control data and propagates two independent pose errors into the relative-motion estimate. We develop a control-adaptive differential framework that estimates inter-frame platform motion directly from image displacements and known 3D points. With no dedicated control point, the framework recovers platform rotation from measurement-point observations. One surveyed control point enables prior-constrained translation recovery, while two nonparallel control rays recover full 3D translation. The framework requires neither nonlinear optimization nor an initial pose estimate. Excluding control data from the rotation stage makes the rotation estimate exactly immune to contamination confined to the control field. The inherited differential formulation also cancels translational extrinsic errors exactly. We derive the rotation observability condition, a leakage bound for unmodeled translation and nonrigid point motion, and the single-point axial-prior bias law. Under 0.5-pixel image noise, attitude changes of up to 30~arcmin, and 3D point perturbations of up to 2~mm, the multi-camera estimator achieves a rotation RMSE of 2.97~arcsec and an average runtime of 0.46~ms. With one surveyed control point, its prior-constrained translation RMSE is 1.19~mm. In a bridge experiment without a stable control field, the median coordinate-wise displacement RMSE relative to total-station measurements is 0.85~mm. The estimator also maintains zero divergence under the tested 3D coordinate perturbations on public RGB-D and stereo sequences. These results establish state-of-the-art accuracy, calibration robustness, and computational efficiency among the evaluated methods.