基于全景视觉的移动机器人粒子滤波定位方法研究

摘要

在移动机器人导航中，实现机器人自身的准确定位是一项最基本、最重要的功能，也是移动机器人研究中备受关注、富有挑战性的一个研究主题。近年来，基于视觉传感器的移动机器人定位是计算机视觉及移动机器人导航领域非常活跃的一个课题。本文主要研究基于全景视觉的移动机器人粒子滤波定位方法，并对如何处理全景传感器带来的丰富视觉信息及如何减少其处理时间提出了改进算法。 首先从软件角度介绍了基于全景视觉的移动机器人粒子滤波定位系统的功能与组成，从硬件角度分析了系统体系结构的设计。并详细讨论了基于折反射全景成像的成像原理及确定双曲面折反射全景反射镜的尺寸及面形的方法。 对全景图像的特征提取算法进行了研究与改进。尺度不变特征SIFT具有对平移、旋转、尺度缩放、亮度变化具有不变性的优点，但特征点的提取与匹配耗费了大量的时间，且提取的特征点数量远大于机器人定位所必需的数量。因此提出一种改进算法，将原SIFT遍历式的特征检测方法改为基于采样的迭代检测方法，有效的减少了特征提取及匹配的时间。由于改进的SIFT算法保留了原SIFT算法的特征描述方法，从而在减少特征提取与匹配时间的同时保证了匹配的准确性。通过实验，我们确定了改进SIFT算法的重要参数的选取，并验证了方法的有效性与实时性。 机器人定位问题是一个系统状态随时间变化的问题。贝叶斯滤波把系统的动态不确定状态的预测与不准确的观测值结合起来，进而通过迭代得到准确的系统状态的估计，能够对机器人定位问题提供一个框架，是基于概率的定位方法的理论基础。在贝叶斯滤波的基础上，我们研究了粒子滤波的基本算法、改进算法及其重采样算法。并将其应用于基于全景视觉传感器的移动机器人定位系统中，利用改进SIFT算法提取当前图像特征，使用少量的特征点达到了满意的定位精度。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的背景及意义

1.1.1移动机器人定位的研究背景及意义

1.1.2基于全景视觉的移动机器人定位

1.2国内外研究现状

1.2.1 移动机器人定位国内外研究现状

1.2.2 图像特征提取国内外现状

1.2.3粒子滤波定位的国内外现状

1.3本论文的关键技术及主要工作

第2章 基于全景视觉的移动机器人粒子滤波定位系统设计

2.1基于全景视觉的移动机器人粒子滤波定位系统功能与组成

2.2.1全景视觉图像采集系统功能与组成

2.1.2全景图像处理级功能与组成

2.1.3数据分析级功能与组成

2.1.4输出控制级功能与组成

2.2基于全景视觉的移动机器人粒子滤波定位系统体系结构

2.2.1智能层

2.2.2协调层

2.2.3运动控制层

2.3全景视觉成像原理及全景视觉传感器设计

2.3.1摄像机成像几何模型

2.3.2折反射全景成像原理

2.3.3双曲面折反射全景成像系统设计

2.4.本章小结

第3章全景图像特征提取及匹配

3.1尺度不变特征变换(SIFT)

3.1.1尺度空间的生成

3.1.2空间极值点检测

3.1.3关键点方向分配

3.1.4特征点描述子生成

3.1.5利用KD树进行特征匹配

3.2利用SIFT算法进行全景图像特征提取及匹配

3.2.1算法流程

3.2.2实验结果

3.3基于不同特征描述符的改进SIFT

3.3.1基于圆形特征描述符的改进SIFT[66]

3.3.2基于圆形特征描述符的改进SIFT的简化算法

3.4基于采样邻域的改进SIFT

3.5基于采样邻域的改进SIFT算法特征提取及匹配

3.5.1重要参数的确定

3.5.2改进SIFT所提取特征的分布

3.5.3改进SIFT算法的图像匹配

3.6本章小结

第4章移动机器人粒子滤波定位理论基础

4.1粒子滤波原理基础

4.1.1贝叶斯滤波原理

4.1.2蒙特卡洛方法

4.2粒子滤波器基本算法

4.2.1贝叶斯重要性采样

4.2.2序列重要性采样(SIS)

4.2.3重要性密度分布

4.2.4重采样方法(SIR)

4.2.4粒子滤波基本流程

4.3粒子滤波器常用改进算法

4.3.1辅助粒子滤波

4.3.2正则粒子滤波

4.3.3高斯粒子滤波

4.4本章小结

第5章基于全景视觉的移动机器人粒子滤波定位

5.1移动机器人粒子滤波定位基本要素

5.1.1运动模型

5.1.2感知模型

5.1.3环境地图的获取

5.2关键因素的影响分析

5.2.1粒子数目

5.2.2重采样方法

5.3基于全景视觉的移动机器人粒子滤波定位实验

5.4本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢