一種基於全景視覺成像系統的移動機器人室內快速歸航的方法與流程
2023-11-10 12:09:42 3
本發明涉及一種基於全景視覺成像系統的移動機器人室內快速歸航的方法，屬於移動機器人視覺歸航領域。
背景技術：
移動機器人的導航問題是機器人研究領域中的一項重要的研究熱點，其中，視覺歸航(visualhoming)則是控制機器人到達預計目標的一種有效手段。與傳統的機器人同時定位與地圖構建(slam)不同，視覺歸航並不需要對機器人所在環境構建地圖，而是直接獲得機器人在當前位置處的歸航向量，即可使機器人到達預先設計好的位置，從而在保證精度的前提下，大幅度地降低了運算成本。
視覺歸航需要利用全景視覺成像系統，由於全景視覺可以獲得360°的全方位視場，因此在採用全景視覺成像系統獲得全景圖像時，更多的特徵點可以被利用到，再加上視覺系統本身所具有的價格低廉，構圖直觀等優勢，因此視覺歸航可以作為機器人局部導航領域中一個非常有效而且高效的手段。
技術實現要素：
本發明的目的是為了提供一種基於全景視覺成像系統的移動機器人室內快速歸航的方法，實現了在動態室內環境下的機器人歸航功能。
本發明的目的是這樣實現的：步驟一：通過搭載在移動機器人上的全景視覺成像系統來獲得全景圖像，使移動機器人自行檢測全景圖像中的無效區域並去除；
步驟二：對傳統的sift匹配算法進行改進，增加sift特徵點匹配數量；
步驟三：根據改進後的sift匹配算法得到匹配對，依據每對匹配對的相應位置與尺度信息，判斷自然路標與當前位置/目標位置的相對距離，從而對自然路標進行分類，並獲得歸航向量。
本發明還包括這樣一些結構特徵：
1.步驟一具體為：
(1)將全景視覺成像系統搭載在移動機器人上，控制移動機器人到達指定位置，拍攝當前位置和目標位置的全景圖像；
(2)將兩幅圖像的相同位置的像素值進行做差運算，當機器人識別出有較大連通區域的像素差值為0時，自行判斷該區域為無效區域；
(3)當判斷完成後，分別將目標圖像與當前圖像的無效區域像素全部設置為255，將無效區域置黑。
2.步驟二具體為：
(1)使用去除無效區域後所剩餘的圓環型圖像進行匹配；
(2)增大sift匹配過程中的高斯金字塔層數與組數，從而增大了關鍵點檢測基數；
(3)在保證匹配精度始終保持較高水平的前提下，降低圖像特徵點匹配閾值，實現sift特徵點總數量的增加。
3.步驟三具體為：
(1)根據改進後的sift匹配算法，將目標圖像與當前圖像進行sift匹配，獲得匹配對，每個匹配對由目標圖像與當前圖像的sift匹配點構成，每個匹配點均帶有尺度值信息；
(2)對每個匹配對，比較目標圖像與當前圖像中兩個sift特徵點的尺度值，若目標圖像中的sift特徵點尺度值較大，則將該點記作收縮特徵；反之，若目標圖像中的sift特徵點尺度值較小，則將該點記作擴張特徵，將當前圖像中的特徵點被分為了收縮特徵與擴張特徵兩類；
(3)利用svm支持向量機對當前圖像中的兩類匹配點進行svm大間距二值線性分類，將收縮特徵與擴張特徵分為兩個部分，並得到線性決策邊界；
(4)畫出一條與決策邊界相互垂直的向量，其中向量的方向為由擴張特徵部分指向收縮特徵部分，該向量即為最終的歸航向量。
與現有技術相比，本發明的有益效果是：本發明利用改進的sift特徵點匹配算法，提取機器人當前位置和目標位置全景圖像中的匹配點作為自然路標，並根據路標在兩幅圖像中的尺度值差異來判斷路標距離當前位置與目標位置的相對差異，從而獲得歸航向量。
本發明涉及的方法解決了移動機器人在室內環境中的快速歸航問題，通過比對機器人在當前位置與目標位置處的兩幅全景圖像，結合改進的sift算法，對於機器人局部導航問題具有重要的借鑑意義，也可以直接應用到諸如工業機器人、服務型機器人的領域中。
具體是通過搭載在移動機器人上的全景視覺成像系統來獲得全景圖像，根據全景視覺成像系統的成像特點，通過指令使移動機器人自行檢測全景圖像中的無效區域並去除，從而提高了匹配精度；對傳統的sift匹配算法進行改進，在保證匹配精度的前提下，增加sift特徵點匹配數量，從而提高精度，更利於獲得歸航向量；根據每對sift特徵匹配對的相應位置與尺度信息，判斷自然路標與當前位置/目標位置的相對距離，從而對自然路標進行分類，並獲得歸航向量。
附圖說明
圖1是本發明中基於sift算法實現自然路標提取與匹配的示例；
圖2是本發明中改進的sift特徵提取與匹配的算法流程圖；
圖3是本發明的系統流程圖。
具體實施方式
下面結合附圖與具體實施方式對本發明作進一步詳細描述。
基於全景視覺成像系統的移動機器人室內快速歸航方法，通過利用改進的sift特徵檢測與匹配手段，分別對當前位置與目標位置處的全景圖像進行sift匹配，從而獲得自然路標，並結合svm手段得到當前位置下機器人的歸航向量。其中：
(1)利用全景成像視覺傳感器，預先記錄目標位置處的全景圖像。在實現機器人歸航的過程中，通過不斷比對機器人當前位置與目標位置處的全景圖像，同時驅動機器人自行識別全景圖像中的無效區域，獲得高質量的自然路標，並結合歸航算法使機器人得到當前位置的歸航向量；
(2)在利用基於改進的sift特徵檢測與匹配手段來獲得自然路標後，設計的路標具有光照、旋轉等不變性，並且在保證匹配精度較高的條件下，增加特徵點匹配數量，提高最終所得歸航向量的精度；
(3)根據sift特徵點檢測過程中sift特徵點的尺度與拍攝位置到該特徵點所代表的自然路標的直線距離關係，來通過兩幅圖像中sift的尺度差值對當前圖像中的所有sift特徵點進行分類，並利用svm大間距線性分類器對兩類sift特徵點進行線性分類，從而直接獲得歸航向量，控制機器人逐漸向目標位置移動。
所述獲取全景圖像並自行去除無效區域的方法具體為：
(1)將全景視覺成像系統搭載在移動機器人上，控制移動機器人到達指定位置，拍攝當前位置和目標位置的全景圖像；
(2)將兩幅圖像的相同位置的像素值進行做差運算，當機器人識別出有較大連通區域的像素差值為0時，自行判斷該區域為無效區域(即全景系統遮擋區域以及牆面、天花板等識別度極低的區域)；
(3)當區域判斷完成後，分別將目標圖像與當前圖像的無效區域像素全部設置為255，即將無效區域置黑，從而進行進一步的sift匹配。
所述改進的sift特徵匹配算法具體為：
(1)人為設置圖像檢測區域，去除掉原始全景圖像中邊緣區域以及全景系統遮擋區域，從而增大了有效匹配區域佔比，提高了自然路標的品質；
(2)增大sift匹配過程中的高斯金字塔層數與組數，從而增大了關鍵點檢測基數，最終獲得的sift特徵點也隨之增多，尺度信息也隨著高斯金字塔的擴大而更豐富化，並與此同時保證了匹配準確性；
(3)在保證匹配精度始終保持較高水平的前提下，適當降低圖像特徵點匹配閾值，從而增加sift特徵點總數量。
所述利用特徵點尺度信息來實現歸航的方法具體為：
(1)將目標圖像與當前圖像進行sift匹配，獲得匹配對，即每個匹配對由目標圖像與當前圖像的sift匹配點構成，每個匹配點均帶有尺度值信息；
(2)對每個匹配對，比較目標圖像與當前圖像中兩個sift特徵點的尺度值，若目標圖像中的sift特徵點尺度值較大，則將該點記作收縮特徵；反之，若目標圖像中的sift特徵點尺度值較小，則將該點記作擴張特徵。故在當前圖像中，特徵點被分為了收縮特徵與擴張特徵兩類。
(3)利用svm支持向量機對當前圖像中的兩類匹配點進行svm大間距二值線性分類，將收縮特徵與擴張特徵分為兩個部分，並得到線性決策邊界；
(4)畫出一條與決策邊界相互垂直的向量，其中向量的方向為由擴張特徵部分指向收縮特徵部分。該向量即為最終的歸航向量。
下面結合附圖對本發明的實施例進行描述：
(1)基於sift算法實現路標提取與匹配
選取室內中的某一位置作為目標位置，即機器人通過自我歸航預計到達的位置，記為s位置(snapshot)，然後將全景視覺成像系統搭載在移動機器人上，拍攝s位置處的全景目標圖像is並保存。
當機器人室內某一位置向預設的目標位置進行歸航任務時，記當前機器人位置為c位置(current)，並拍攝當前位置下的全景圖像ic。獲得兩幅全景圖像後，利用sift算法分別對兩幅圖像進行特徵提取，獲得特徵點後再對兩幅圖像進行匹配，獲得匹配對i＝1,2,...,ns，j＝1,2,...,nc，k＝1,2,...,n，其中為目標圖像中的某一特徵點，總數為ns；為當前圖像中的某一特徵點，總數為nc；k為某一匹配對；n為匹配對總個數。這些匹配點在世界坐標系下即為自然路標，具有光照、旋轉等不變性。在獲得匹配對後，分別記錄下這些點在各自圖像中的坐標位置以及相應的尺度值如圖1所示即為目標位置與任意位置下兩幅圖像的sift特徵點匹配情況。
(2)改進的sift特徵點提取與匹配的算法
圖2是本發明中改進的sift特徵提取與匹配的算法流程圖。當利用搭載在移動機器人上的全景視覺成像系統獲得目標位置與當前位置的兩幅全景圖像is、ic後，利用改進後的sift特徵點提取與匹配算法對兩幅圖像的穩健特徵點進行匹配。
首先，根據全景圖像的尺寸與成像特點，自行設計檢測區域，將圖像中的邊緣區域以及移動機器人系統的遮擋區域置黑，設置移動機器人遮擋區域半徑為n，邊緣有效區域外環半徑為m，則在幹擾部分去除後，剩餘的有效部分為一個內環半徑為n，外環半徑為m的圓環。
然後，根據sift特徵檢測與匹配算法的特點，為了獲得關鍵點，需要對原始圖像進行多次的高斯模糊與降採樣，得到不同尺度的圖像組。即為高斯金字塔，因此本發明在其基礎上，人為地增大sift匹配過程中的高斯金字塔的層數s與組數o，從而增大了關鍵點的檢測數量，並使得特徵點的尺度信息更豐富化。
最後，適當降低圖像特徵點的peakthreshold匹配閾值，使在保證匹配精度的前提下，適當提高特徵點總數量。
(3)利用特徵點尺度信息來實現移動機器人歸航的方法
圖3為本發明的系統流程圖。在利用改進的sift特徵提取與匹配算法後，得到多個帶有尺度信息的sift匹配對。根據高斯模糊的性質，當拍攝位置與sift特徵點所代表的實際位置的距離越大時，sift算法需要用更大尺度的高斯模糊對圖像進行處理才能將該sift特徵點檢測出來，因此將匹配對中的兩個匹配點的尺度信息進行比較，可以推斷出該匹配點所代表的實際位置與目標位置/當前位置的距離關係。因此對任意一個sift匹配對可通過如下公式進行判斷：
若δσk＞0，則說明移動機器人當前位置c到該匹配對所代表的自然路標位置的距離dc比目標位置s到該自然路標位置的距離ds小，記目標圖像中的此類點為擴張特徵點，代表當前機器人需要增大其與此路標的距離才能到達目標位置；反之亦然，並記作收縮特徵點。因此對於當前圖像，特徵點被分為了收縮特徵與擴張特徵兩類，總結如下：
根據幾何學的知識，我們可以輕易地判斷，如果作出c位置與s位置的垂直平分線將當前圖像切割成兩部分，理論上靠近c位置一側的特徵點應均為擴張特徵點，靠近s位置一側的特徵點應均為收縮特徵點。因此利用svm支持向量機，以收縮特徵與擴張特徵作為訓練樣本，採取大間隔二值線性分類手段，將訓練樣本進行二值分類，並獲得線性決策邊界：
ωx+b＝0
最後，畫出一條與該線性決策邊界向垂直的一條向量其中方向為由擴張特徵部分指向收縮特徵部分，此向量即為最終的歸航向量。
綜上，本發明設計了一種基於自然路標的移動機器人室內快速歸航的方法，包括機器人當前位置與目標位置的全景圖像獲取與自動檢測優化、自然特徵匹配手段以及機器人歸航算法。針對一般機器人導航手段運算量較大的問題，採用機器人視覺歸航方法，通過計算機器人目標位置到當前位置的運動向量，省略了機器人建圖、定位等具有較大計算量的過程，並通過自行比對圖像差異獲得無效區域的手段，提出一種獲得高質量全景圓環的方法；針對複雜的動態環境問題，採用改進的圖像特徵提取手段提取自然路標，從而在保證匹配精度的同時，增大匹配點基數；根據特徵匹配手段中的尺度信息與性質，並引入機器學習中的分類手段，提出了一種高魯棒性的歸航算法。本發明實現了移動機器人室內局部歸航，適用於動態環境下機器人的導航任務，並可以廣泛的應用於家庭型或工業型的服務機器人局部導航中，較高的精確性與較好的快速性使得移動機器人可以很好地完成歸航任務。