基于视觉的机器人定位研究

• 作 者: 李永佳
• 发表日期: 2011年期
• 关键词: 图像特征 立体视觉 视觉定位 视觉里程计

移动机器人是当今世界上许多科研机构和研究人员的研究热点。运动过程中精确的自主定位是实现移动机器人自主导航的关键技术。基于全球定位系统和航位推算的传统定位方法具有一定的使用局限性,利用机器人视觉系统估计车体姿态的自定位技术能够弥补传统定位方法的不足。本文研究了基于图像特征的机器人视觉自定位方法,在分析比较了几种机器人视觉定位中的特征点提取方法后,对现有机器人视觉定位方法提出了两种改进。一种是基于改进Harris特征点并融合惯导信息的机器人精确定位方法。在图像高斯金字塔中改进Harris特征点提取策略,提高其对旋转和尺度变化的适应性,实现特征点的均匀分布且数量可控；然后利用惯导先验信息预测特征点跟踪的搜索区域,提高特征点跟踪的准确性和稳定性,提高搜索效率；最后采用四元数和最小二乘方法估计车体姿态信息。实验结果表明,算法可较好地实现惯导信息与视觉信息的融合,不仅改善了传统视觉定位算法中Harris特征提取影响定位精度的问题,且定位精度几乎不会因惯导漂移而下降,可实现机器人精确定位。本文的另一种改进方法充分整合Harris角点和SIFT特征的优点,提出一种基于快速鲁棒的HSIF图像特征点及其描述符的视觉定位算法。此算法显著提高特征点的稳定性,为运动估计环节提供可靠的输入,同时采用一系列误差分析指标描述机器人定位结果,弥补传统定位算法中误差分析过于简单的不足。在实验设计和结果分析中,将本文算法的定位结果与全站仪测量的真实值进行比较。与其它算法的定位结果相比较,实验结果表明,本文算法在较短的运算耗时下获得了较精确的运动估计结果,显示了本算法的实用前景。