基于单目视觉的移动机器人全局定位

基于单目视觉的移动机器人全局定位作者：厉茂海，洪炳镕，罗荣华，蔡则苏，LIMao-hai，HONGBing-rong，LUORong-hua，CAIZe-su作者单位：厉茂海,洪炳镕,蔡则苏,LIMao-hai,HONGBing-rong,CAIZe-su(哈尔滨工业大学计算机科学与技术学院,黑龙江,哈尔滨,150001)，罗荣华,LUORong-hua(华南理工大学计算机科学与工程学院,广东,广州,510640)刊名：机器人英文刊名：ROBOT年，卷(期)：2007，29(2)被引用次数：10次参考文献(5条)1.ThrunS.BennewitzM.BurgardWMinerva:Asecond-generationmuseumtour-guiderobot19992.LoweDGDistinctiveimagefeaturesfromscale-invariantkeypoints2004(02)3.MooreAWAnIntroductoryTutorialonKD-trees19914.马颂德.张正友计算机视觉--计算理论与算法基础19985.FischlerMA.BollesRCRandomsampleconsensus:Aparadigmformodelfittingwithapplicationtoimageanalysisandautomatedcartography1981(06)相似文献(10条)1.学位论文罗颖基于SSPF算法的移动机器人全局定位研究2008粒子滤波(particlefilter,PF)算法是一种基于贝叶斯推理和蒙特卡罗方法的实时在线推理算法，因其具有并行化、易于实现以及有效处理非线性问题等特点，受到了越来越广泛的重视，成为统计学、自动控制、机器人学等领域新的研究热点，同时伴随着计算机计算能力的超指数增长以及应用统计学、概率论等一些学科的不断进步，使该领域的研究得到了迅速发展。虽然目前己在理论和应用方面取得了一些研究成果，但粒子滤波器的发展仍处于初级阶段，其中许多关键技术至今仍没有公认有效的解决方法。传统粒子滤波算法在移动机器人全局定位时会出现粒子退化及粒子耗尽问题，导致定位失败。本文研究了提高粒子滤波器性能的关键技术及其在移动机器人全局定位中应用。在提高性能方面主要对粒子滤波器中存在的粒子退化和粒子耗尽问题进行了研究。实验结果表明改进的粒子滤波算法提高了移动机器人全局定位的准确性。主要研究工作和取得的工作成果主要体现在以下几个方面：首先，提出了一种智能采样粒子滤波(smartsamplingparticlefilter,SSPF)算法。相比于基本的PF算法，SSPF算法在以下三个方面做了改进：第一，在采样阶段，采用了无迹卡尔曼滤波算法来产生重要性提议分布，从而使采样点同实际分布更为接近，较好的解决了粒子退化问题。第二，在重采样阶段，采用了基于相关熵的自适应重采样方法，该方法可有效减少重采样的执行步骤，使PF算法更具智能性，并在一定程度上可缓解重采样步骤损失粒子多样性的问题。第三，由于重采样有可能会产生粒子耗尽这一极端情况，采用了Metropolis-Hastings(MH)算法较好的解决了粒子耗尽问题，使得定位更加准确。通过仿真结果对比，SSPF算法的估计性能最优。其次，研究了移动机器人的全局定位。移动机器人全局定位是自治式智能机器人领域中的一个基本但又非常重要的问题。研究了基于SSPF算法的移动机器人的全局定位研究，仿真实验表明该方法可以实现准确性较高的移动机器人全局定位。2.学位论文房芳室内环境下移动机器人定位与环境建模方法的研究2006机器人定位问题在移动机器人智能行为研究中有着非常重要的意义，是实现匀主导航、在未知环境中完成复杂智能任务的关键，也集中体现了机器人的感知能力和智能水平。本文以室内环境下移动机器人开发应用为背景，对移动机器人在基于特征的室内环境中实现高性能的自主定位和环境建模等问题进行了深入研究。本文的主要研究成果有：(1)针对室内结构化环境下的移动机器人应用，提出了一种融合改进声纳模型与Hough变换的位姿跟踪算法。该算法采用改进的声纳模型，并将经典的Hough变换引入移动机器人自定位，将由Hough变换提取的直线特征组成的局部地图，与全局地图在Hough空间进行匹配，更新机器人的位姿信息。并借助扩展卡尔曼滤波器将此信息与里程计测得的数据进行融合，从而最终实现机器人位姿跟踪。不同于一般的地图匹配定位方法，该算法的整个匹配过程是在Hough空间而不是在笛卡儿空间进行的，因而与一般方法相比具有更高的计算效率。仿真与真实环境中的实验验证了该位姿跟踪算法的有效性。(2)为了解决移动机器人的绝对定位问题，实现初始位姿完全未知下的全局定位，介绍了一种将基于扩展卡尔曼滤波器的多假设跟踪方法与贝叶斯概率估计相结合的混合的机器人全局定位方法并将其应用于室内多边形环境中。该方法用高斯和表示系统状态分布，对可能的匹配产生位置假设，利用扩展卡尔曼滤波器来跟踪每一个状态假设，更新状态估计和协方差矩阵，并采用贝叶斯概率公式估计假设的正确性，将正确性低于某一阈值的假设删掉以确保计算效率。由于这一方法具有多模态性，因而能够解决全局定位问题。实验验证了该算法处理全局定位问题的能力。(3)为了增强在不确定性条件下机器人定位的抗干扰性能，同时解决机器人被绑架问题，以MonteCarlo方法为基础并进行改进，提出了一种改进的MonteCarlo定位算法。该算法同时采用运动模型与感知模型作为重要性函数并从中进行采样，避免了采样集不包含真实位姿采样的情况，能够有效地解决全局定位与绑架问题。同时在重采样过程中引入了额外的两个检验过程，即采样过收敛和均匀性验证，用于判断采样与感知信息的匹配程度，以适时的进行重采样，节省了计算资源并提高了定位效率。通过常规MonteCarlo算法、加入随机采样MonteCarlo算法与改进MonteCarlo算法的定位性能比较，验证了改进MonteCarlo算法的有效性。(4)针对未知模型环境下在线建模-SLAM(同时定位与环境建模)这一移动机器人实现自主能力中的重要问题，本文研究了一种基于贝叶斯法则的栅格地图创建方法，对多个声纳传感器信息进行融合，解决信息间冲突问题，提高地图创建的准确性；并在此基础上介绍了一种基于混合地图的融合声纳传感器观测信息与里程计信息的室内环境下SLAM方法。该方法用混合模型表示环境地图，即栅格地图模型和直线特征地图模型，同时引入Hough变换提取直线特征创建直线特征地图，利用直线特征以及扩展卡尔曼滤波器估计机器人位姿信息，从而实现机器人同时定位与环境地图构建。仿真与真实环境中的建模实验验证了该SLAM算法的可行性和有效性。3.期刊论文魏芳.董再励.孙茂相.王晓蕾用于移动机器人的视觉全局定位系统研究-机器人2001,23(5)本文叙述了用于移动机器人自主导航定位的一种视觉全局定位系统技术.该视觉定位系统由LED主动路标、全景视觉传感器和数据处理系统组成.本文主要介绍了为提高全景视觉图像处理速度和环境信标识别可靠性、准确性的应用方法,并给出了实验结果.实验表明,视觉定位是具有明显研究价值和应用前景的全局导航定位技术.4.学位论文云晓网络移动机器人粒子滤波定位研究2006基于互联网的移动机器人(本文也简称网络移动机器人)是网络技术与移动机器人技术相结合的产物。由于目前互联网带宽等条件的限制，对网络机器人的远程测控问题还没有根本解决。当前切实可行的方法之一是基于监督模式的测控方式，此种方式要求机器人具有较高的自主性能。自定位是实现移动机器人自主能力的最基本也是最关键的问题，特别是在初始位姿未知情况下的机器人全局定位问题。本文的主要研究工作可概括为以下几个方面：1．给出了基于旋转超声测距传感器的贝叶斯网格地图的构建过程；通过数据融合改进了地图，且该地图被成功地用于机器人全局定位。2．研究了粒子滤波定位算法的具体实施方法，并将其成功地用于解决小型低成本移动机器人的全局定位问题。将直方图匹配引入到定位算法的传感器更新阶段，实验表明它非常适合大量低精度的传感器数据情况，从而提高了粒子滤波算法的效率和鲁棒性。3．使用Java语言，基于B/S结构，开发了基于Intemet的移动机器人远程测控系统。将在线测量、离线计算的思想引入到机器人定位中，有效地弥补了低端机器人数据处理能力不足的缺陷，从而成功地解决了基于监督模式下的低端网络移动机器人的全局定位问题。5.期刊论文房芳.马旭东.戴先中基于霍夫空间模型匹配的移动机器人全局定位方法-机器人2005,27(1)提出了一种基于霍夫(Hough)空间模型匹配的全局定位方法.该方法将经典Hough变换引入移动机器人全局定位,利用摄像机获取外界环境的局部地图特征,与给定环境模型(全局地图)在Hough空间进行匹配,由Hough变换可分解性及环境模型相关性分别获取机器人可能的位姿信息,并用一系列高斯值表示,借助求取的位姿方差及其概率分布以及给定环境模型信息剔除不可能位姿,从而最终实现移动机器人全局定位.该方法尤其适用于室内结构化环境.实验结果表明该方法具有良好的性能.6.学位论文陈军基于静态摄像机的室内移动机器人全局定位研究2004本文详细研究了基于静态CCD摄像机的室内移动机器人全局定位方法及其应用，并结合Pioneer2-DX移动机器人进行了实验研究。本文建立了室内移动机器人全局定位环境模型。所用CCD摄像机固定在墙上，对移动机器人的工作空间拍摄彩色图像，并利用计算机对其进行数字采集。为了简化图像处理，提高识别机器人的精度，将一单色小球固定于移动机器人上方，作为移动机器人的标识;详细研究了图像分割方法。在分析比较多种图像分割方法的基础上，本文采用HSI颜色空间，以色调H信息为主以饱和度S信息为辅的方法对彩色图像进行分割。同时针对目标区域中心点的求取，提出了实时性和准确性相对较高的最大面积动态匹配法;研究了摄像机标定问题。针对摄像机标定问题的复杂性，本文引入了能够直接确定像平面和空间平面映射关系的多项式拟合方法，避开了传统摄像机标定的烦琐，实现移动机器人的全局位置定位。同时，本文采用了电子罗盘这一传感器确定移动机器人方向角。在上述基础上，结合Pioneer2DX移动机器人研究了基于全局定位系统引导的移动机器人导航控制算法;最后本文将移动机器人全局定位系统构建成开放式视觉智能体结构，并将其应用于移动机器人抓球过程中。同时针对抓球过程中避碰问题提出了一种简便有效的圆形避障算法。7.期刊论文罗颖.谭冠政.LUOYing.TANGuan-zheng基于SSPF算法的移动机器人全局定位研究-传感器与微系统2008,27(5)传统粒子滤波器(PF)算法在移动机器人全局定位时会出现粒子退化和粒子耗尽问题,导致定位失败.提出了一种改进的PF算法即智能采样PF(SSPF)算法,该方法采用Unscented卡尔曼滤波器(UKF)算法和基于相关熵的自适应重采样算法相结合的方法,较好解决了传统PF算法所引起的粒子退化问题.由于重采样的一种极端情况会带来粒子耗尽问题,采用MH(metropolishastings)算法,较好地解决了粒子耗尽问题.与以往方法相比,该方法可以实现准确性较高的移动机器人全局定位.8.学位论文徐则中移动机器人的同时定位和地图构建2004随着社会信息化技术的发展,工业、农业、科研、国防等各个领域越来越需要高性能的自动化系统.特别是在机器人与自动化领域,更是引起了很多人的兴趣.眼下,世界各地的机器人公司和科研机构正加紧开发研制各种智能移动服务机器人,代替人类工作.开发研制各种自主车系统,用于安全驾驶或者军事.根据机器人的工作环境,可以分为室内移动机器人和室外自主车系统(ALV,AutonomousLandVehicle).在所有这些应用中,自主导航是一个最基本的需求,而机器人定位又是自主导航的最基本内容,并且现代定位方法是结合内、外部传感器的基于环境地图的定位方法.所以本文就围绕着移动机器人研究中的环境地图构建、移动机器人定位