论文部分内容阅读
近年来,随着人工智能的发展,丰富多样的智能家居产品已进入普通家庭。而人们对家居生活进一步智能化的渴望也越来越强烈,越来越多的人将目光聚焦于家庭服务型机器人上,渴望其能更加人性化地服务于我们的生活,带来一次新的变革。而由于技术上的难度,服务型机器人仍未得到广泛应用。因此智能家庭服务型机器人的研发已成为当前研究的热点,同时推动着整个机器人行业的发展。由于室内环境复杂,GPS(Global Positioning System,全球定位系统)信号弱等原因,定位导航成为家庭服务型机器人目前面临的一大难题。而目前对此的研究也层出不穷,其中以WLAN(Wireless LAN,无线局域网)为代表的无线信号定位中信号容易衰减,定位精度较低;以激光雷达定位为代表的主动视觉定位受环境影响较大,且成本较高;而基于被动视觉的定位在实时性方面有着较大的挑战。多种定位方式中,以模拟人眼系统进行场景定位的被动视觉最为符合人工智能的发展方向,其采集的视觉图像拥有更高的信息量,可用于后期的目标跟踪、识别等。本文主要针对家庭服务型机器人的室内定位问题,基于双目特征提取及标定自然场景的方式提出了相应的解决方案。在实时性和准确性方面对目前的方法进行了比对,综合室内定位的步骤,提出改进算法。本文完成的主要工作包括:(1)介绍家庭服务型机器人定位系统的研究背景及意义并国内外研究现状。明确目前机器人定位的流程,并进行难点分析。引出双目定位及其研究意义,并对其关键算法发展进行总结。(2)从整体上对双目室内定位流程进行分析,介绍定位各大模块并分析各模块的关键技术。针对目前常用的标定算法中人工操作导致的标定参数不准确问题,提出多次标定计算相机参数,采用多种标定参数衡量方法对标定结果进行分析从而得到最优相机参数。最后通过实验证实本文标定方法及标定结果的可用性。(3)对比当前几种特征提取及匹配算法,综合特征提取时间和恢复数量判定特征的鲁棒性。针对当前研究采用的特征提取匹配算法耗时较高的问题,提出一种补偿ORB匹配特征的立体匹配算法,采用ORB特征降低特征提取时耗,KNN算法降低立体匹配的时耗,并采用补偿特征的方式弥补ORB在匹配方面可用特征较少的现状。通过实验证明,被补偿后的ORB特征数量得到明显提升,时耗也相比其他特征算法得到明显改善。(4)在在线定位模块中,标定场景识别使用了基于特征匹配的图像识别算法,以RANSAC筛选后的局内点特征数量作为当前自然场景和标定自然场景的相似程度。本文针对自然场景识别中由RANSAC局内点占比低,和非匹配场景导致的算法迭代次数和耗时急剧增加问题,提出了一种分区迭代匹配的方式进行自然场景识别,通过提高局内点比例和严格限制迭代数提高算法运行效率,并通过实验证明了该方法的可行性,且大大降低了场景识别时间。(5)通过对实验室场景建模,针对人工路标无法融入场景的问题,提取在同一平面拥有相对集中的场景特征建立离线数据库。最后对该解决方案整体进行了验证,并给出最终数据库采样建议。