面向室内环境的服务机器人物体检测与识别研究

摘要

作为体现服务机器人智能化水平的重要功能之一，物体检测与识别是机器人视觉领域一个开放的研究课题。由于问题的复杂性，在机器人上实现实时可靠的物体检测与识别系统仍然是一个具有挑战性的任务。
　　 本文针对服务机器人的物体检测问题，提出一种基于点云数据进行目标物体检测和定位的方法;针对物体识别问题，探讨并研究了基于图像局部特征匹配的物体识别方法。总结起来，本文的主要工作内容如下:
　　 (1)服务机器人在室内环境中执行物体抓取操作时，需要视觉感知系统能够提供目标物体准确的空间位置信息。为了弥补基于二维图像的方法易受场景杂乱、光照变化等干扰的缺点，提出采用一种基于点云数据的三维物体检测方法。在人们日常生活和工作的室内环境中，机器人可操作的目标物体通常置于水平支撑面上。根据这一先验知识，将三维物体检测的过程分为水平面检测和物体分割两个步骤。通过利用估计出的点云表面法向量，获得了比传统的基于随机采样一致性的方法更加准确有效的水平面检测结果，从而使得目标物体的检测更为可靠。
　　 (2)基于图像局部特征提取和匹配的物体识别方法是当前研究的热点，本文详细介绍并研究了两种典型的和使用最为广泛的局部特征提取算法。在不同情形下，分别使用SIFT算法和SURF算法进行图像匹配的实验。结果验证了这两种算法提取出的局部特征都具有很好的特异性，并且对图像的旋转和缩放不变，对光照变化、视角变化、部分遮挡等都具有一定的稳定性。此外，两者相比，SURF算法具有更快的计算速度，因此可更好的满足服务机器人物体识别任务的实时性要求。
　　 (3)结合三维点云分割和局部特征匹配，设计实现了一种适用于服务机器人的实时物体检测和识别系统。利用有序点云数据的完整结构特点，借助积分图像实现快速的表面法向量估计，并采用区域增长的方法进行聚类分割，最终实现了实时有效的三维物体检测。然后，利用物体检测的结果准确定位出目标物体在彩色图像中的物体区域，并采用基于SURF特征匹配的方法识别目标物体的标识。为了提高物体识别的速度，将特征匹配的过程分为由粗到细两步进行。在室内环境的不同场景中采集实验数据，对本文的物体检测和识别系统进行了测试。实验结果证明了该系统能够较好地满足服务机器人物体检测与识别的实时性和可靠性要求。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和研究意义

1．2 服务机器人物体检测与识别的研究现状

1．2．1 服务机器人的物体检测

1．2．2 服务机器人的物体识别

1．3 本文研究内容与论文结构

第2章 基于点云数据的三维物体检测

2．1 点云基本概念

2．1．1 数据获取

2．1．2 数据表示

2．2 水平面检测

2．2．1 基于随机采样一致性的方法

2．2．2 基于聚类分割的方法

2．3 物体分割

2．4 实验

2．4．1 物体检测结果

2．4．2 时间性能

2．5 本章小结

第3章 基于局部特征匹配的物体识别方法

3．1 SIFT特征提取算法

3．1．1 尺度空间极值检测

3．1．2 特征点精确定位

3．1．3 特征点方向分配

3．1．4 特征描述子生成

3．2 SURF特征提取算法

3．2．1 基于Hessian矩阵的特征点检测

3．2．2 特征点的描述

3．3 特征点匹配和去除误匹配点对

3．3．1 特征点匹配

3．3．2 去除误匹配点对

3．4 实验

3．4．1 图像缩放与旋转

3．4．2 光照强度变化和噪声

3．4．3 视角变化

3．4．4 两种算法的物体识别性能对比

3．5 本章小结

第4章 结合三维点云分割和局部特征匹配的实时物体识别系统

4．1 系统结构

4．2 基于有序点云的物体检测

4．2．1 水平面分割

4．2．2 物体分割

4．3 基于特征匹配的物体识别

4．3．1 特征提取

4．3．2 特征匹配

4．4 实验

4．4．1 实验平台

4．4．2 实验数据

4．4．3 实验及分析

4．5 本章小结

第5章 总结和展望

5．1 工作内容总结

5．2 未来工作展望

参考文献

致谢

在读期间发表的学术论文与取得的研究成果