基于图像兴趣点的移动机器人目标识别技术研究

摘要

目标识别是机器人学最基本的问题之一。视觉传感器获取的信息比较丰富，采样周期短，受磁场影响小，此外视觉传感器质量轻，体积小，成本低。人类可以在极短时间内从环境中提取有效的特征进而识别目标，但是对于机器视觉而言非常困难。通过图像处理、理解等技术从图像中提取能够代表景物的特征对于视觉目标识别来说，是至关重要的。兴趣点是图像的局部特征点，具有计算量小，特征重复性高，在视觉目标识别领域应用非常广泛。本文主要研究基于图像兴趣点的移动机器人目标识别技术。主要完成工作有：
　　首先，简单介绍移动机器人基于视觉的目标识别方法及其研究现状。对基于兴趣点方法进行详细介绍，介绍国内外在兴趣点检测与识别方面的研究现状。为了实现机器人的智能化，自主充电是最基本的功能之一，自主充电时的首要问题就是识别电源插座。结合实验室现有机器人项目，考虑用视觉技术识别插座。
　　其次，本文研究了使用最广泛的Harris和SIFT算法，详细阐述其原理。结合对电源插座的兴趣点检测与描述，分析两种算法优缺点，选择鲁棒性较好的SIFT算法作为目标检测与识别算法。通过实验比较选择合适的参数，在匹配环节通过理论分析和实验比较，选择合适的相似性度量和兴趣点检索方法。通过实验统计，选择合适的匹配阈值。最终通过对离线采集视频的处理，实现对目标的匹配识别。
　　最后，针对SIFT算法匹配时，单向匹配精度不高，存在错匹配，影响识别效果这一问题，分析原因，提出双向匹配方法，并验证双向匹配的优越性。对于采用SIFT算法识别目标时，实时性较差问题，借鉴人类的认知过程，提出由粗识别到细识别的方法，通过不同阶段采用不同匹配模板的方法实现这一思想，从而提高识别的实时性，并验证方法的可行性。利用GPU加速，将计算量大的环节放到GPU中处理，实现在线识别。使用论文中的识别方法，对其他目标进行识别。

目录

封面

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题来源及研究目的和意义

1.2 国内外研究现状及分析

1.3 主要研究内容

1.4 论文结构

第2章 预处理和兴趣点算法

2.1 预处理

2.2 Harris算法

2.3 SIFT算法

2.4 本章小结

第3章 基于SIFT算法的目标识别

3.1 兴趣点匹配

3.2 消除错匹配

3.3 基于SIFT算法的目标识别

3.4 本章小结

第4章 识别方法的改进与实现

4.1 角度计算与轮廓检测

4.2 匹配策略和识别方法的改进

4.3 在线的目标识别

4.4 对其他目标的识别

4.5 本章小结

结论

参考文献

声明

致谢