基于全景視覺(jué)的機(jī)器人歸航方法及實(shí)驗(yàn)研究.pdf

1、導(dǎo)航是機(jī)器人完成各種工作和任務(wù)的前提和基礎(chǔ)，視覺(jué)導(dǎo)航則因其具有探測(cè)范圍廣、獲取信息豐富等優(yōu)點(diǎn)而受到相關(guān)技術(shù)人員的重視和青睞，是移動(dòng)機(jī)器人相關(guān)技術(shù)研究領(lǐng)域中非常重要的一環(huán)。視覺(jué)歸航的概念來(lái)源于對(duì)生物導(dǎo)航的研究，該類方法避開(kāi)了傳統(tǒng)導(dǎo)航方法精確定位和環(huán)境模型工作，取而代之的是只進(jìn)行判斷運(yùn)行方向和停止位置，更加類似于智能生物的導(dǎo)航方式。該方法具有占用存儲(chǔ)空間小，導(dǎo)航過(guò)程中不會(huì)產(chǎn)生累積誤差等優(yōu)點(diǎn)。本文以全景視覺(jué)機(jī)器人為硬件平臺(tái)，進(jìn)行了基于自然路標(biāo)

2、的歸航方法研究，并進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
　　在沒(méi)有刻意設(shè)置的人工路標(biāo)的環(huán)境中，機(jī)器人要順利完成歸航任務(wù)就不得不借助于環(huán)境中的自然路標(biāo)。圖像中的局部特征擁有多種抗變換性，比較適合作為自然路標(biāo)點(diǎn)。本文對(duì)比了SIFT和SURF這兩種圖像局部特征提取方法在全景圖像中進(jìn)行特征提取的性能，主要從時(shí)效性、抗尺度變換，可匹配率和錯(cuò)誤匹配率等幾個(gè)方面進(jìn)行對(duì)比。并根據(jù)實(shí)驗(yàn)對(duì)比結(jié)果和實(shí)際任務(wù)的需要，選用SURF算法提取全景圖像中的特征點(diǎn)作為自然路標(biāo)。

3、>　　完成自然路標(biāo)點(diǎn)提取任務(wù)后，接下來(lái)就應(yīng)該解決當(dāng)前圖像中的路標(biāo)點(diǎn)與目標(biāo)位置模板圖像路標(biāo)之間的匹配問(wèn)題。為了加快匹配速度，本文在充分利用SURF特征描述子的特征點(diǎn)明暗標(biāo)記和建立模板圖像特征集合KD數(shù)加速匹配的同時(shí)，針對(duì)全景視覺(jué)系統(tǒng)的成象特點(diǎn)提出了一種基于區(qū)域分類的路標(biāo)匹配加速方法。由于直接通過(guò)檢索方法得到的k近鄰匹配中不可避免的會(huì)存在錯(cuò)誤匹配，因此必須對(duì)誤匹配自然路標(biāo)對(duì)進(jìn)行濾除。針對(duì)單向匹配中會(huì)出現(xiàn)路標(biāo)的多對(duì)一現(xiàn)象，本文引入了一種雙向匹

4、配方法，該方法可以在徹底消除路標(biāo)匹配中的多對(duì)一問(wèn)題的同時(shí)，還大大增強(qiáng)匹配的穩(wěn)定性。為了盡量減少路標(biāo)的誤匹配數(shù)量，將提取兩個(gè)字符串中的最長(zhǎng)公共子序列思想運(yùn)用于誤匹配對(duì)濾除，得到了很好的效果。
　　在自然路標(biāo)提取、匹配的工作結(jié)束之后。本文詳細(xì)研究了路標(biāo)夾角差的歸航方法，并對(duì)其進(jìn)行了改進(jìn)，具體的改進(jìn)方法為，將自然路標(biāo)與機(jī)器人之間的距離變化趨勢(shì)信息融合到夾角差方法的歸航?jīng)Q策中，使得針對(duì)每一幀圖像得到歸航方向更接近于真實(shí)的準(zhǔn)確的歸航方向，從