基于ORB特征和里程计信息的机器人视觉导航
【图文】：
?d(1)在满足实时的基础上进一步考虑精度的需求，对FAST特征点加入方向特性，OＲB采用的方法如下:对一个图像区域定义一个矩:mpq=∑x，yxpypIx，()y(2)通过这个矩找到图像区域的质心。C=m10m00，m01m()00(3)其中，(x，y)为FAST角点的坐标，圆形邻域半径r，(x，y)的取值范围是［－r，r］，C为圆形邻域的质心。这样就得到一个向量OC，而向量OC的方向θ即为FAST特征点的方向:θ=atan2m01，m()10(4)式中，atan2表示取值区间在(－π，π］的反正切函数。图1为机器人获得的不同帧输入场景及其中提取出的OＲB特征点，图中圆内的直线代表特征点的方向。图1不同输入场景中的特征点检测2局部描述子提取在机器人视觉导航中，需要对提取的特征进行描述，稳定高效的描述子是后续匹配工作的前提。OＲB特征采用的是基于BＲIEF描述子的改进算法。BＲIEF特征描述子［9］描述简单、占用存储空间孝速度快，它的思想是图像特征点邻域可以用相对少量的灰度对比来表达。在S×S大小的图像邻域P上定义τ测试:τp;x，()y=1，p()x＜p()y0，p()x≥p(){y(5)其中，p(x)是图像邻域P在x处的灰度值。选择n个测试点对生成n维的二进制串，即为BＲIEF描述子。fn()p=∑1≤i≤n2i－1τp;xi，y()i(6)OＲB根据特征点的主方向对BＲIEF描述子加入了旋转不变性，称为steeredBＲIEF。加入方向特征的steeredBＲIEF具有更好的区分性和不相关性，从而提高匹配的精度。3视觉导航方法图2为本文移动机器人的导航方法，包括两大部分，路径学习以及状态定位与导航。图2移动机器人视觉导航方法流程图第一部分:路径学习，，在未知环境中，预先指定路径
湫⑺俣瓤欤噫?的思想是图像特征点邻域可以用相对少量的灰度对比来表达。在S×S大小的图像邻域P上定义τ测试:τp;x，()y=1，p()x＜p()y0，p()x≥p(){y(5)其中，p(x)是图像邻域P在x处的灰度值。选择n个测试点对生成n维的二进制串，即为BＲIEF描述子。fn()p=∑1≤i≤n2i－1τp;xi，y()i(6)OＲB根据特征点的主方向对BＲIEF描述子加入了旋转不变性，称为steeredBＲIEF。加入方向特征的steeredBＲIEF具有更好的区分性和不相关性，从而提高匹配的精度。3视觉导航方法图2为本文移动机器人的导航方法，包括两大部分，路径学习以及状态定位与导航。图2移动机器人视觉导航方法流程图第一部分:路径学习，在未知环境中，预先指定路径给机器人学习，机器人通过视觉系统不断检测环境并记录环境特征，同时记录里程计信息计算相应的行为模式，将环境特征和行为模式作为状态节点来构建拓扑地图。第二部分是状态定位与导航:机器人对比原先学习过的路径状态节点，即视觉系统检测并保存的环境特征，实现状态定位并选择对应的行为模式实现导航。3．1路径学习机器人路径学习是建立基于状态的环境拓扑地图的过程，每一个状态中都记录了相应的环境特征信息，机器人行走于预先指定路径时，首先进行环境特征的采样，即视觉系统采集得到的图像的OＲB描述子，随时间的不同分割机器人路径为离散的状态。当两帧图像的相似度在一定阈值以下时，新的状态节点被保存添加到环境拓扑地图中。这种方法可以方便的自主选择状态数量以适应不同的环境。两幅图像的相似度判定以图像中匹配成功的特征点数与提取特征点总数的比值来确定。采用特征点向量的Hamming距离进行特征点的匹配，以输入场景的特征点为基?
【相似文献】
相关期刊论文 前10条
1 张振喜;焦国太;邓光明;梁聪聪;;室内清洁机器人协作技术研究[J];机械;2010年12期
2 陈阳舟;王文星;代桂平;;基于角度优先的多机器人围捕策略[J];北京工业大学学报;2012年05期
3 蒋新松;国外机器人的发展及我们的对策研究[J];机器人;1987年01期
4 沈慧娟;袖珍机器人别动队[J];国外科技动态;2004年02期
5 孟庆鑫,魏洪兴,王立权,杨青梅,王岚;基于蠕动原理拱泥机器人方案研究[J];中国造船;2001年01期
6 程远;机器人软件编程方法[J];无锡职业技术学院学报;2002年02期
7 孟庆鑫,王茁,王殿君,王立权,屠治国;“穿地龙”机器人总体方案分析与研究[J];哈尔滨工程大学学报;2003年03期
8 丁滢颍;何衍;蒋静坪;;基于个性演化的多机器人自组织[J];模式识别与人工智能;2003年02期
9 张汝波,王兢,孙世良;具有环境自适应能力的多机器人编队系统研究[J];机器人;2004年01期
10 张飞,陈卫东,席裕庚;多机器人协作探索的改进市场法[J];控制与决策;2005年05期
相关会议论文 前10条
1 石为人;周伟;王楷;苏士娟;;家庭清洁机器人自主充电研究[A];2010中国仪器仪表与测控技术大会论文集[C];2010年
2 李长松;孙国林;韩胜利;;机器人料箱取件形式及控制方法[A];2013中国汽车工程学会年会论文集[C];2013年
3 孟正大;戴先中;;基于神经网络逆系统方法的机器人柔顺性控制[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
4 陈天皓;钱成;谈英姿;;类人足球仿真机器人快速起身方法的实现[A];2007年足球机器人大会论文集[C];2007年
5 薛慧婷;罗熊;胡海东;游美玲;邱新涛;;基于颜色特征的漂浮机器人三点定位系统[A];2009年中国智能自动化会议论文集（第五分册）[东南大学学报（增刊）][C];2009年
6 胡海东;赵清杰;;机器人的惯性/视觉组合定位方法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年
7 顾新兴;孙燕朴;冯纯伯;;一种新的双机器人协调路径规划方法[A];1995中国控制与决策学术年会论文集[C];1995年
8 陶军;高翔;周全;李晓亚;;利用自学习算法为机器人选择最优目标点的决策设计[A];马斯特杯2003年中国机器人大赛及研讨会论文集[C];2003年
9 王大川;张辉;季秀才;郑志强;;救援环境下基于激光传感器的机器人环境建图以及自定位[A];2007年足球机器人大会论文集[C];2007年
10 王淑慧;吴立成;袁海文;;一种水上行走机器人的模糊控制[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年
相关重要报纸文章 前5条
1 克 军;小小机器人军团[N];大众科技报;2003年
2 张劲 戚峰;变电站的“机器人骨干”[N];中国电力报;2009年
3 本报通讯员 张劲 戚峰;电力机器人的“神通”[N];工人日报;2009年
4 吴鸿;微型机器人引领反恐潮流[N];中国商报;2003年
5 卢家兴;中科院研制出能应付复杂地形的机器人[N];大众科技报;2004年
相关博士学位论文 前10条
1 张玉丽;基于虚拟力的多机器人化学源定位研究[D];中国矿业大学;2015年
2 张世隆;抛投机器人翻转越障技术研究[D];北京理工大学;2015年
3 仲朝亮;受生物启发的移动机器人空间认知及其导航[D];华东理工大学;2015年
4 王东科;空间绳系机器人目标抓捕及抓捕后稳定控制方法研究[D];西北工业大学;2015年
5 魏明生;基于低频电磁信号的管道清堵机器人定位方法研究[D];中国矿业大学;2016年
6 王玲;未知环境中基于相对观测量的多机器人合作定位研究[D];国防科学技术大学;2006年
7 王宏;煤矿机器人激光雷达与惯性传感器导航理论及实验研究[D];中国矿业大学（北京）;2011年
8 李飞;湍动气流主控环境下多机器人气味源定位[D];天津大学;2009年
9 仲宇;分布式强化学习理论及在多机器人中的应用研究[D];哈尔滨工程大学;2003年
10 李吉功;室外时变气流环境下机器人气味源定位[D];天津大学;2010年
相关硕士学位论文 前10条
1 张帅;服务型机器人设计与前瞻性研究[D];浙江大学;2008年
2 戚树腾;基于激光测距仪的果园移动机器人避障系统研究[D];西北农林科技大学;2015年
3 刘广保;大型复杂曲面的机器人研抛技术研究[D];沈阳理工大学;2015年
4 张贤;基于超声波测距的多机器人室内定位导航研究[D];哈尔滨工业大学;2015年
5 戴腾清;基于PROFIBUS现场总线在机器人冲压自动化线的设计与实现[D];华南理工大学;2015年
6 杨晓晓;室内机器人单目视觉同时定位与地图构建技术研究与实现[D];成都信息工程学院;2014年
7 何文甲;基于多Agent的服务机器人协作与仿真系统设计与实现[D];武汉工程大学;2015年
8 杨超;基于虚拟市场法的多机器人环境探索研究[D];齐齐哈尔大学;2015年
9 张月;清洁机器人全覆盖路径规划研究[D];重庆大学;2015年
10 郑梓均;基于ROS系统的简易服务机器人关键技术的研究[D];江南大学;2016年
本文编号：2562147
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2562147.html
