發(fā)布時間：2019-11-17 03:08

【摘要】：提出一種基于ORB(oriented FAST and rotated BRIEF)特征和里程計信息的移動機器人視覺導(dǎo)航方法。該方法提取輸入場景的ORB特征作為顯著路標,同時提取機器人里程計信息計算行為模式,將顯著路標和行為模式作為狀態(tài)節(jié)點進行機器人環(huán)境拓撲地圖的構(gòu)建�；谔卣髌ヅ浼夹g(shù)進行機器人的狀態(tài)定位,并選擇狀態(tài)中對應(yīng)的行為模式實現(xiàn)機器人的路徑跟蹤導(dǎo)航,且在導(dǎo)航過程中有防止偏移既定路線的調(diào)整機制。實驗表明:文中的方法能夠較好的完成機器人的導(dǎo)航任務(wù),并且對環(huán)境中的動態(tài)信息具有一定的魯棒性。
【圖文】：

?d(1)在滿足實時的基礎(chǔ)上進一步考慮精度的需求，對FAST特征點加入方向特性，OＲB采用的方法如下:對一個圖像區(qū)域定義一個矩:mpq=∑x，yxpypIx，()y(2)通過這個矩找到圖像區(qū)域的質(zhì)心。C=m10m00，m01m()00(3)其中，(x，y)為FAST角點的坐標，圓形鄰域半徑r，(x，y)的取值范圍是［－r，r］，C為圓形鄰域的質(zhì)心。這樣就得到一個向量OC，而向量OC的方向θ即為FAST特征點的方向:θ=atan2m01，m()10(4)式中，atan2表示取值區(qū)間在(－π，π］的反正切函數(shù)。圖1為機器人獲得的不同幀輸入場景及其中提取出的OＲB特征點，圖中圓內(nèi)的直線代表特征點的方向。圖1不同輸入場景中的特征點檢測2局部描述子提取在機器人視覺導(dǎo)航中，需要對提取的特征進行描述，穩(wěn)定高效的描述子是后續(xù)匹配工作的前提。OＲB特征采用的是基于BＲIEF描述子的改進算法。BＲIEF特征描述子［9］描述簡單、占用存儲空間孝速度快，它的思想是圖像特征點鄰域可以用相對少量的灰度對比來表達。在S×S大小的圖像鄰域P上定義τ測試:τp;x，()y=1，p()x＜p()y0，p()x≥p(){y(5)其中，p(x)是圖像鄰域P在x處的灰度值。選擇n個測試點對生成n維的二進制串，即為BＲIEF描述子。fn()p=∑1≤i≤n2i－1τp;xi，y()i(6)OＲB根據(jù)特征點的主方向?qū)ＲIEF描述子加入了旋轉(zhuǎn)不變性，稱為steeredBＲIEF。加入方向特征的steeredBＲIEF具有更好的區(qū)分性和不相關(guān)性，從而提高匹配的精度。3視覺導(dǎo)航方法圖2為本文移動機器人的導(dǎo)航方法，包括兩大部分，路徑學習以及狀態(tài)定位與導(dǎo)航。圖2移動機器人視覺導(dǎo)航方法流程圖第一部分:路徑學習，，在未知環(huán)境中，預(yù)先指定路徑

湫⑺俁瓤歟噫?的思想是圖像特征點鄰域可以用相對少量的灰度對比來表達。在S×S大小的圖像鄰域P上定義τ測試:τp;x，()y=1，p()x＜p()y0，p()x≥p(){y(5)其中，p(x)是圖像鄰域P在x處的灰度值。選擇n個測試點對生成n維的二進制串，即為BＲIEF描述子。fn()p=∑1≤i≤n2i－1τp;xi，y()i(6)OＲB根據(jù)特征點的主方向?qū)ＲIEF描述子加入了旋轉(zhuǎn)不變性，稱為steeredBＲIEF。加入方向特征的steeredBＲIEF具有更好的區(qū)分性和不相關(guān)性，從而提高匹配的精度。3視覺導(dǎo)航方法圖2為本文移動機器人的導(dǎo)航方法，包括兩大部分，路徑學習以及狀態(tài)定位與導(dǎo)航。圖2移動機器人視覺導(dǎo)航方法流程圖第一部分:路徑學習，在未知環(huán)境中，預(yù)先指定路徑給機器人學習，機器人通過視覺系統(tǒng)不斷檢測環(huán)境并記錄環(huán)境特征，同時記錄里程計信息計算相應(yīng)的行為模式，將環(huán)境特征和行為模式作為狀態(tài)節(jié)點來構(gòu)建拓撲地圖。第二部分是狀態(tài)定位與導(dǎo)航:機器人對比原先學習過的路徑狀態(tài)節(jié)點，即視覺系統(tǒng)檢測并保存的環(huán)境特征，實現(xiàn)狀態(tài)定位并選擇對應(yīng)的行為模式實現(xiàn)導(dǎo)航。3．1路徑學習機器人路徑學習是建立基于狀態(tài)的環(huán)境拓撲地圖的過程，每一個狀態(tài)中都記錄了相應(yīng)的環(huán)境特征信息，機器人行走于預(yù)先指定路徑時，首先進行環(huán)境特征的采樣，即視覺系統(tǒng)采集得到的圖像的OＲB描述子，隨時間的不同分割機器人路徑為離散的狀態(tài)。當兩幀圖像的相似度在一定閾值以下時，新的狀態(tài)節(jié)點被保存添加到環(huán)境拓撲地圖中。這種方法可以方便的自主選擇狀態(tài)數(shù)量以適應(yīng)不同的環(huán)境。兩幅圖像的相似度判定以圖像中匹配成功的特征點數(shù)與提取特征點總數(shù)的比值來確定。采用特征點向量的Hamming距離進行特征點的匹配，以輸入場景的特征點為基?

【相似文獻】

相關(guān)期刊論文 前10條

1 張振喜;焦國太;鄧光明;梁聰聰;;室內(nèi)清潔機器人協(xié)作技術(shù)研究[J];機械;2010年12期

2 陳陽舟;王文星;代桂平;;基于角度優(yōu)先的多機器人圍捕策略[J];北京工業(yè)大學學報;2012年05期

3 蔣新松;國外機器人的發(fā)展及我們的對策研究[J];機器人;1987年01期

4 沈慧娟;袖珍機器人別動隊[J];國外科技動態(tài);2004年02期

5 孟慶鑫,魏洪興,王立權(quán),楊青梅,王嵐;基于蠕動原理拱泥機器人方案研究[J];中國造船;2001年01期

6 程遠;機器人軟件編程方法[J];無錫職業(yè)技術(shù)學院學報;2002年02期

7 孟慶鑫,王茁,王殿君,王立權(quán),屠治國;“穿地龍”機器人總體方案分析與研究[J];哈爾濱工程大學學報;2003年03期

8 丁瀅潁;何衍;蔣靜坪;;基于個性演化的多機器人自組織[J];模式識別與人工智能;2003年02期

9 張汝波,王兢,孫世良;具有環(huán)境自適應(yīng)能力的多機器人編隊系統(tǒng)研究[J];機器人;2004年01期

10 張飛,陳衛(wèi)東,席裕庚;多機器人協(xié)作探索的改進市場法[J];控制與決策;2005年05期

相關(guān)會議論文 前10條

1 石為人;周偉;王楷;蘇士娟;;家庭清潔機器人自主充電研究[A];2010中國儀器儀表與測控技術(shù)大會論文集[C];2010年

2 李長松;孫國林;韓勝利;;機器人料箱取件形式及控制方法[A];2013中國汽車工程學會年會論文集[C];2013年

3 孟正大;戴先中;;基于神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)方法的機器人柔順性控制[A];江蘇省自動化學會七屆四次理事會暨2004學術(shù)年會青年學者論壇論文集[C];2004年

4 陳天皓;錢成;談英姿;;類人足球仿真機器人快速起身方法的實現(xiàn)[A];2007年足球機器人大會論文集[C];2007年

5 薛慧婷;羅熊;胡海東;游美玲;邱新濤;;基于顏色特征的漂浮機器人三點定位系統(tǒng)[A];2009年中國智能自動化會議論文集（第五分冊）[東南大學學報（增刊）][C];2009年

6 胡海東;趙清杰;;機器人的慣性/視覺組合定位方法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

7 顧新興;孫燕樸;馮純伯;;一種新的雙機器人協(xié)調(diào)路徑規(guī)劃方法[A];1995中國控制與決策學術(shù)年會論文集[C];1995年

8 陶軍;高翔;周全;李曉亞;;利用自學習算法為機器人選擇最優(yōu)目標點的決策設(shè)計[A];馬斯特杯2003年中國機器人大賽及研討會論文集[C];2003年

9 王大川;張輝;季秀才;鄭志強;;救援環(huán)境下基于激光傳感器的機器人環(huán)境建圖以及自定位[A];2007年足球機器人大會論文集[C];2007年

10 王淑慧;吳立成;袁海文;;一種水上行走機器人的模糊控制[A];2011年中國智能自動化學術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)重要報紙文章 前5條

1 克 軍;小小機器人軍團[N];大眾科技報;2003年

2 張勁　戚峰;變電站的“機器人骨干”[N];中國電力報;2009年

3 本報通訊員 張勁　戚峰;電力機器人的“神通”[N];工人日報;2009年

4 吳鴻;微型機器人引領(lǐng)反恐潮流[N];中國商報;2003年

5 盧家興;中科院研制出能應(yīng)付復(fù)雜地形的機器人[N];大眾科技報;2004年

相關(guān)博士學位論文 前10條

1 張玉麗;基于虛擬力的多機器人化學源定位研究[D];中國礦業(yè)大學;2015年

2 張世隆;拋投機器人翻轉(zhuǎn)越障技術(shù)研究[D];北京理工大學;2015年

3 仲朝亮;受生物啟發(fā)的移動機器人空間認知及其導(dǎo)航[D];華東理工大學;2015年

4 王東科;空間繩系機器人目標抓捕及抓捕后穩(wěn)定控制方法研究[D];西北工業(yè)大學;2015年

5 魏明生;基于低頻電磁信號的管道清堵機器人定位方法研究[D];中國礦業(yè)大學;2016年

6 王玲;未知環(huán)境中基于相對觀測量的多機器人合作定位研究[D];國防科學技術(shù)大學;2006年

7 王宏;煤礦機器人激光雷達與慣性傳感器導(dǎo)航理論及實驗研究[D];中國礦業(yè)大學（北京）;2011年

8 李飛;湍動氣流主控環(huán)境下多機器人氣味源定位[D];天津大學;2009年

9 仲宇;分布式強化學習理論及在多機器人中的應(yīng)用研究[D];哈爾濱工程大學;2003年

10 李吉功;室外時變氣流環(huán)境下機器人氣味源定位[D];天津大學;2010年

相關(guān)碩士學位論文 前10條

1 張帥;服務(wù)型機器人設(shè)計與前瞻性研究[D];浙江大學;2008年

2 戚樹騰;基于激光測距儀的果園移動機器人避障系統(tǒng)研究[D];西北農(nóng)林科技大學;2015年

3 劉廣保;大型復(fù)雜曲面的機器人研拋技術(shù)研究[D];沈陽理工大學;2015年

4 張賢;基于超聲波測距的多機器人室內(nèi)定位導(dǎo)航研究[D];哈爾濱工業(yè)大學;2015年

5 戴騰清;基于PROFIBUS現(xiàn)場總線在機器人沖壓自動化線的設(shè)計與實現(xiàn)[D];華南理工大學;2015年

6 楊曉曉;室內(nèi)機器人單目視覺同時定位與地圖構(gòu)建技術(shù)研究與實現(xiàn)[D];成都信息工程學院;2014年

7 何文甲;基于多Agent的服務(wù)機器人協(xié)作與仿真系統(tǒng)設(shè)計與實現(xiàn)[D];武漢工程大學;2015年

8 楊超;基于虛擬市場法的多機器人環(huán)境探索研究[D];齊齊哈爾大學;2015年

9 張月;清潔機器人全覆蓋路徑規(guī)劃研究[D];重慶大學;2015年

10 鄭梓均;基于ROS系統(tǒng)的簡易服務(wù)機器人關(guān)鍵技術(shù)的研究[D];江南大學;2016年

本文編號：2562147