推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于视觉里程计和自然信标融合的移动机器人定位算法

更新时间:2019-12-30 06:24:57 大小:2M 上传用户:zhiyao6查看TA发布的资源 标签:移动机器人 下载积分:1分 评价赚积分 (如何评价?) 收藏 评论(0) 举报

资料介绍

针对未知室内环境下移动机器人的定位问题,提出了一种基于单目视觉和自然信标融合的移动机器人定位算法。该方法采用普通摄像头和全景摄像头结合的方式进行定位。采用普通摄像头提取天花板特征,进行视觉里程计定位。全景普通摄像头提取周边环境及天花板信息,采用Harris-SIFT构建自然信标库,并且进行自然信标检测与识别。在两者的基础上,移动机器人进行实时定位。利用自然信标定位时,提出方向滤波器结合视觉里程计和惯导系统估计旋转角度,利用自然信标求取定位特征点,两者结合进行定位。该方法有效地结合了相对定位的快速性和绝对定位的准确性。在室内环境进行试验,其中自然信标定位在x,y方向的平均误差分别为38.66和31.54 mm。相比视觉里程计而言,结合自然信标定位的平均误差分别减小了32.53%和68.68%。融合视觉里程计的自然信标定位运算速度相比仅靠自然信标定位而言提高了约6倍左右,同时与视觉里程计定位处于同一数量级。试验结果表明相对于视觉里程计而言,所提算法大大提高了定位精度,同时不影响算法的实时性。


部分文件列表

文件名 大小
基于视觉里程计和自然信标融合的移动机器人定位算法.pdf 2M

部分页面预览

(完整内容请下载后查看)
33 10 期  
2017 5 月  
农 业 工 程 学 报  
Vol.33 No.10  
May 2017  
70  
Transactions of the Chinese Society of Agricultural Engineering  
基于视觉里程计和自然信标融合的移动机器人定位算法  
王 志,朱世强,李月华,张学群  
(浙江大学流体动力与机电系统国家重点实验室,杭州 310027)  
摘 要针对未知室内环境下移动机器人的定位问题出了一种基于单目视觉和自然信标融合的移动机器人定位算法。  
该方法采用普通摄像头和全景摄像头结合的方式进行定位。采用普通摄像头提取天花板特征,进行视觉里程计定位。全  
景普通摄像头提取周边环境及天花板信息,采Harris-SIFT 构建自然信标库,并且进行自然信标检测与识别。在两者的  
基础上,移动机器人进行实时定位。利用自然信标定位时,提出方向滤波器结合视觉里程计和惯导系统估计旋转角度,  
利用自然信标求取定位特征点,两者结合进行定位。该方法有效地结合了相对定位的快速性和绝对定位的准确性。在室  
内环境进行试验,其中自然信标定位xy 方向的平均误差分别38.66 31.54 mm。相比视觉里程计而言,结合自然  
信标定位的平均误差分别减小32.53%68.68%合视觉里程计的自然信标定位运算速度相比仅靠自然信标定位而言  
提高了约 6 倍左右,同时与视觉里程计定位处于同一数量级。试验结果表明相对于视觉里程计而言,所提算法大大提高  
了定位精度,同时不影响算法的实时性。  
关键词:机器视觉;机器人;图像处理;视觉定位;自然信标  
doi10.11975/j.issn.1002-6819.2017.10.009  
中图分类号:TP391.4  
王 志,朱世强,李月华,张学群. 基于视觉里程计和自然信标融合的移动机器人定位算法[J]. 农业工程学报,2017,  
33(10):70-77. doi10.11975/j.issn.1002-
文献标志码:A  
文章编号:1002-6819(2017)-10-0070-08  
Wang Zhi, Zhu Shiqiang, Li Yuehua, Zhang Xuequn. Mobile robot localization algorithm by combining visual odometry with  
natural landmarks[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10):  
7077. (in Chinese with English abstract)  
doi10.11975/j.issn.1002-6819.2017.10.009  
获得机器人当前变化量,然后结合上一时刻位姿得到当  
前位姿。该定位方式灵活,可用于机器人的实时定位与  
导航[15]。最常用的视觉相对定位技术主要是视觉里程计  
技术[16]。视觉里程计可分为单目视觉里程计、双目视觉  
里程计以及全方位视觉里程计[17]。但是视觉相对定位存  
在累计误差,不适合长距离定位。  
0 引 言  
定位技术是移动机器人领域研究的热点和难点之一。  
传统的定位方式主要有:电磁引导[1]、超声定位[2]、激光  
定位[3-6]、无线电定位[7]、惯导定位[8]以及 GPS 定位等。  
这些定位方式大多只能用于简单固定的环境,扩展性较  
差,需对环境进行相应改造。近年来,由于视觉定位的  
便捷性,不需对环境进行改造,在移动机器人领域得到  
了快速发展[9]觉定位通过获取环境信息测环境中  
的特征如点[10]、线[11]、特定区域[12]等获取相机的位姿估  
计。视觉定位技术可分为绝对定位和相对定位。绝对定  
位主要是在环境中人为设置已知位置的信标,根据信标  
定位机器人[13]。由于信标位置已知,因此该定位方式简  
单可靠,但是适用面窄。一旦信标被遮挡或损坏,定位  
过程将无法进行。一般情况下,信标主要设置在机器人  
周边,但也有信标设置在天花板上[14]。相对定位是指机  
器人通过对比前一时刻与当前时刻环境中特征对应关系  
基于视觉的定位需要快速、准确地提取环境特征。  
杨国国等[18]卷积神经网络来识别图像中目标特征进行害  
虫定位与识别。贺付亮等[19]利用视觉图像分割提取环境  
特征来识别桑葚。在室内环境下,可以很容易地从地面、  
周边环境以及天花板上提取。由于天花板具有不容易遮  
挡,变动小以及受光照影响小等特点,研究者多选用天  
花板作为视觉定位的参照物。韩立伟等[20]提出了一种基  
于直线和单特征点的视觉推算定位方法,主要提取天花  
板图像中 2 条垂直直线交点作为特征点,以及上下帧图  
像间特征直线的夹角作为方位角,从而进行定位。但该  
方法在每一时刻间都有累计误差,造成定位结果不准确。  
潘良晨等[21]等提出了一种基于特征跟踪的定位方法。该  
方法仍然以天花板作为参照物,采集到特征点后根据卡  
尔曼滤波方法估算机器人当前位姿。但是该方法本质上  
仍是相对定位,无法得到准确的绝对位置。Chen [22]提  
出了一种基于天花板的视觉 SLAM,该算法主要包括天  
花板特征提取,特征定位和视觉里程计三部分,同时考  
虑到几何约束。但是该算法运算复杂度高,不适用于实  
时定位。此外由于室内环境变动不大,因此也可作为定  
位参照物。马建光等[23]提出了一种基于全向摄像机的定  
位方法。该方法主要全景摄像头获取全景图像,然后进  
收稿日期:2016-11-24  
修订日期:2017-04-15  
基金项目:国家自然科学基金创新群体基金(51521064杭州市创新链产  
业链重大科技创新项目(20132111A04杭州市重大科技创新项目  
20142013A56)  
作者简介:王 志,男,博士生,主要从事双目立体视觉方面的研究。杭州  
浙江大学流体动力与机电系统国家重点实验室,310027。  
Email
※通信作者:朱世强,男,浙江义乌人,教授,博士,浙江省机器人产业技  
术联盟理事长国自动化学会机器人专委会委员要从事机器人技术研  
究。杭州 浙江大学机械工程学院,310027Email。  
10 期  
王 志等:基于视觉里程计和自然信标融合的移动机器人定位算法  
71  
行图像压缩,最后根据投影图像的特征点和特征向量进  
行定位。由于全景图像畸变大,故定位精度不高[24]。  
本文提出了一种基于视觉和自然信标融合的移动机  
器人定位方法,该方法结合环境特征与天花板特征进行  
定位。首先机器人在环境中选取特定点作为自然信标,  
存储其天花板特征以及环境特征。在定位过程中结合视  
觉里程计和自然信标进行定位。  
定的特征。办公室内的天花板一般有矩形扣板和矩形日  
光灯,具有两组直线,组内直线平行,组间直线垂直,  
可以方便地提取特征直线。初始化时选定离图像中心最  
近的直线交点作为特征点,特征直线的方向作为初始方  
向。在假定机器人不会大距离打滑的情况下根据下一帧  
图像特征点位置和特征直线方向角进行定位。其工作流  
程图如3 所示。  
1 机器人定位系统  
本论文采用的机器人平台TurtleBot 平台,试验系  
统如1 所示视觉定位系统PC 通彩色摄像  
机以及全景摄像机组成2 个摄像机光轴均垂直向上垂  
直于天花板。普通摄像机采集天花板图像,检测得到天  
花板特征点与特征直线位置信息。全景摄像头采集周边  
环境图像,通过环境图像判断机器人方位,然后结合天  
花板特征信息定位。整个定位系统流程图如2 所示。  
1 试验系统  
Fig.1 Experimental system  
3 视觉里程计定位软件流程图  
Fig.3 Software flowchart of visual odometry  
2.1 图像处理与特征检测  
天花板之间有缝隙,形成了相邻的矩形。但是由于  
光线噪声等影响,会造成边缘模糊,造成特征提取不准  
确。因此需对图像进行滤波处理。本文选用改进的导向  
滤波器进行滤波[25-26]。导向滤波器具有较好的边缘保持  
特性[27]。由于其运算复杂度与支持窗口大小无关,因此  
具有较好的实时性。滤波函数可表示为:  
ˆ
Z (q) a G(q) b , q  1 ( p)  
p
p
GI,1( p) G,1( p)I,1( p)   
p  
ˆ
G ( p)  
a   
p
1)  
2 ( p)   
G,1  
ˆ
G ( p)  
b I,1( p) ap G,1( p)  
p  
ˆ
G 为参考图像I 为输入图像滤波器输Z 可视  
为参考图G 在窗ζ1(p)下的线性变换·”  
代表两矩  
,
分别代G, I  
阵对应元素相乘;μG,ζ1(p) μI,ζ1(p) μG·I,ζ1(p)  
ˆ
2 定位系统流程图  
G·I 的平均值G (p) 定义为  
Fig.2 Flow diagram of proposed localization method  
G2,1(p)   
2
Ni  
1
ˆ
G (p)   
2)  
2 基于天花板的视觉里程计定位  
Ni  
q1 G,1(q)   
由于天花板被遮挡的可能性较小,因此可以提取稳  
q 是以p 为中心窗口的邻域点Z(p)p 处滤波  

全部评论(0)

暂无评论