基于视觉的家居服务机器人物体感知研究

摘要

随着社会的发展和老龄化问题的日益严峻，人们对家居服务机器人的需求越来越迫切。良好的物体感知能力是家居服务机器人实现智能作业的前提，也是机器视觉领域的研究热点。家居环境的非结构化、物体种类的繁多、物体不同姿态的任意摆放、多个物体间的相互接触与遮挡，机器人运动带来的图像模糊性，以及实时性要求等都为机器人的物体感知带来了诸多困难。
　　本研究主要内容包括：⑴基于SURF特征设计并实现了一套完整的家居服务机器人物体识别系统。主要包括特征点检测、特征点描述、特征点匹配三个过程，并且针对误匹配问题进行改进，采用RANSAC算法进行匹配提纯，有效消除了误匹配。搭建机器人硬件平台，在室内非结构化环境下进行识别实验，验证了该方法具有良好的鲁棒性，但是实时性有待提高。⑵为了进一步提高系统性能，提出了一种基于显著性区域指导的机器人物体识别算法。通过视觉选择性注意机制选择图像中显著区域，提取显著性区域SURF特征，通过特征点匹配，实现场景中目标物体的识别。实验证明，和传统SURF算法相比，本文改进算法的识别率和识别速度均得到有效提高。⑶为解决传统Camshift算法需要手动选取跟踪目标的问题，提出一种基于检测的无监督的家居服务机器人物体跟踪算法，利用SURF特征匹配自动寻找目标物体，实现了全自动跟踪。针对传统Camshift算法容易受相似颜色干扰的问题，将SURF特征融入到Camshift算法框架之中，提出一种结合SURF特征的Camshift物体跟踪算法。实验证明，该算法可以有效解决传统Camshift算法在与目标颜色相似的背景下跟踪失败的问题。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 本文主要内容及安排

第二章 视频目标识别跟踪原理与算法

2.1 目标识别算法

2.2 目标跟踪算法

2.3 本章小结

第三章 基于局部SURF特征的机器人物体识别算法

3.1 引言

3.2 基于SURF特征匹配的物体识别算法

3.3 实验结果与分析

3.4 本章小结

第四章 基于显著性区域指导的机器人物体识别算法

4.1 引言

4.2 基于显著性区域指导的物体识别算法

4.3 实验结果与分析

4.4 本章小结

第五章 基于改进的Camshift机器人物体跟踪算法

5.1 引言

5.2 Camshift算法原理

5.3 改进的Camshift跟踪算法

5.4 实验及结果分析

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 工作展望

参考文献

致谢

攻读学位期间所取得的相关科研成果