论文部分内容阅读
视觉传感器具有感知速度快、鲁棒性高、实现简单等优点,能够为移动机器人提供丰富的图像信息,对研究基于视觉系统的移动机器人定位具有重要意义。然而由于视觉传感器获取的图像信息过于复杂,同时系统自身存在不稳定性等因素,基于视觉系统的移动机器人定位仍然存在较多难点。为进一步使得机器人高效准确的定位,本文主要就单目视觉移动机器人在环境中的定位问题展开各项研究。主要研究内容如下:首先,简述本课题的国内外研究背景及意义,通过对理论知识和研究现状的分析,阐述移动机器人视觉定位算法现存在的各项技术问题,并建立基于视觉系统的移动机器人相关模型。其次,针对SURF算法提取特征点数量大,当图像发生较大视角和噪声变化时,提取特征点不稳定的问题进行改进,提出利用双树复小波变换提取图像低频内容,并将其作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,并通过MATLAB实验仿真,验证改进算法性能。再次,针对图像特征点提取与匹配实时性较差和正确匹配率低的问题,提出利用向量点积取代欧氏距离度量法衡量描述子间的相似度;为进一步提高搜索效率和精度,采用随机KD树算法对特征点进行匹配并通过PROSAC算法剔除误匹配对。最后通过仿真实验对改进算法性能进行验证分析,验证算法的有效性和实时性。最后,结合自适应粒子滤波算法,实现移动机器人在室内环境中的视觉定位。针对粒子滤波算法计算复杂,粒子集贫化的缺陷,提出利用特征匹配相似性系数不断更新自适应滤波算法中各粒子的权重系数,实时调整粒子集数目,减少算法计算量,提高系统实时性。