基于Xtion攝像機(jī)的室內(nèi)機(jī)器人視覺里程計(jì)實(shí)現(xiàn)方法
【專利摘要】本發(fā)明涉及一種基于Xtion攝像機(jī)的室內(nèi)機(jī)器人里程計(jì)實(shí)現(xiàn)方法，該方法為：首先通過安裝在機(jī)器人上的Xtion攝像機(jī)對(duì)機(jī)器人前方的視場(chǎng)進(jìn)行信息采集，獲取空間點(diǎn)的RGB信息和三維坐標(biāo)信息。然后基于SIFT特征匹配算法并結(jié)合空間點(diǎn)的PFH（點(diǎn)特征直方圖）三維特征，對(duì)采集的序列圖像進(jìn)行粗特征點(diǎn)匹配，并使用RANSAC（隨機(jī)采樣一致性）剔除粗匹配中的誤匹配點(diǎn)，得到精確匹配點(diǎn)。最后建立方程組，利用最小二乘法求解出機(jī)器人的運(yùn)動(dòng)參數(shù)。本方法使用Xtion攝相機(jī)進(jìn)行信息采集，能夠直接獲取空間點(diǎn)的三維信息，并且利用空間點(diǎn)的紋理特征和三維特征進(jìn)行特征提取和匹配，從而顯著提高了機(jī)器人定位的效率和精度。
【專利說明】基于Xtion攝像機(jī)的室內(nèi)機(jī)器人視覺里程計(jì)實(shí)現(xiàn)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及室內(nèi)移動(dòng)機(jī)器人自主導(dǎo)航【技術(shù)領(lǐng)域】，尤其是一種應(yīng)用于室內(nèi)環(huán)境中輪 驅(qū)動(dòng)式移動(dòng)機(jī)器人自主導(dǎo)航技術(shù)中的視覺里程實(shí)現(xiàn)方法。

【背景技術(shù)】
[0002] 在室內(nèi)移動(dòng)機(jī)器人的研究中，實(shí)時(shí)獲得機(jī)器人高精度的運(yùn)動(dòng)參數(shù)是極其重要的， 關(guān)系到機(jī)器人導(dǎo)航、避障和路徑規(guī)劃等任務(wù)的實(shí)現(xiàn)。由于機(jī)器人行進(jìn)過程中碰到障礙物輪 子存在長(zhǎng)期磨損打滑現(xiàn)象，使得光電碼盤測(cè)速電機(jī)等設(shè)備不能準(zhǔn)確測(cè)定機(jī)器人的位移準(zhǔn)確 信息；采用GPS定位，存在分辨率低，且在室內(nèi)的信號(hào)弱，不適合于室內(nèi)移動(dòng)機(jī)器人。
[0003] 視覺里程計(jì)通過采集分析相關(guān)圖像序列，來確定機(jī)器人位置和朝向，可以彌補(bǔ)上 述的問題，增強(qiáng)了機(jī)器人在任何表面以任何方式移動(dòng)時(shí)的導(dǎo)航精度。傳統(tǒng)的視覺里程計(jì)通 過單目照相機(jī)、雙目照相機(jī)或者全向照相機(jī)獲取圖像，通過坐標(biāo)系的轉(zhuǎn)換獲取空間點(diǎn)的三 維信息，并通過圖像RGB信息對(duì)兩幀圖像進(jìn)行特征提取和匹配從而獲取機(jī)器人的運(yùn)動(dòng)參 數(shù)。在獲取空間點(diǎn)的三維信息時(shí)，由于照相機(jī)鏡片誤差和坐標(biāo)系的轉(zhuǎn)換，使得計(jì)算過程復(fù) 雜、效率低并且精度不高。在對(duì)圖像特征提取、匹配時(shí)由于只利用了圖像的RGB信息，丟失 了三維信息，常常出現(xiàn)錯(cuò)誤匹配的情況。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是提供一種基于xtion攝像機(jī)的室內(nèi)移動(dòng)機(jī)器人視覺里程計(jì)實(shí)現(xiàn) 方法，該方法利用Xtion攝相機(jī)，能夠直接獲取空間點(diǎn)的三維信息和RGB信息，并且利用提 取空間點(diǎn)的紋理特征和三維特征進(jìn)行匹配，從而顯著提高了機(jī)器人定位的效率和精度。
[0005] 為實(shí)現(xiàn)上述目的，本發(fā)明采用以下方案實(shí)現(xiàn)：該方法包括以下步驟：
[0006] 步驟S01 :通過安裝在機(jī)器人上的Xtion攝像機(jī)對(duì)機(jī)器人前方的視
[0007] 場(chǎng)進(jìn)行信息采集，獲取空間點(diǎn)的RGB信息和三維坐標(biāo)信息；
[0008] 步驟S02 :利用SIFT特征匹配算法并結(jié)合空間點(diǎn)的Ρ--三維特征，對(duì))(tion所采 集到相鄰兩幅圖像間的特征點(diǎn)進(jìn)行匹配；
[0009] 步驟S03 :使用RANSAC剔除匹配中的誤匹配點(diǎn)；
[0010] 步驟S04 :獲得前后相鄰兩幀圖像的匹配點(diǎn)

【權(quán)利要求】
1. 一種基于xtion攝像機(jī)的室內(nèi)機(jī)器人視覺里程計(jì)實(shí)現(xiàn)方法，其特征在于包括以下步 驟： 步驟S01 :通過安裝在機(jī)器人上的Xtion攝像機(jī)對(duì)機(jī)器人前方的視場(chǎng)進(jìn)行信息采集，獲 取空間點(diǎn)的RGB /[目息和二維坐標(biāo)彳目息； 步驟S02 :利用SIFT特征匹配算法并結(jié)合空間點(diǎn)的Ρ--三維特征，對(duì)Xtion所采集到 相鄰兩幅圖像間的特征點(diǎn)進(jìn)行匹配； 步驟S03 :使用RANSAC剔除匹配中的誤匹配點(diǎn)； 步驟S04 :獲得前后相鄰兩幀圖像的匹配點(diǎn)
，其中上角 標(biāo)P代表前一幀圖像，c代表后一幀圖像，i為匹配點(diǎn)數(shù)目；建立方程組
其中R為旋轉(zhuǎn)矩陣，T為平移矢量；利用最小二乘法即可求解出機(jī)器人的運(yùn)動(dòng)參數(shù)。
2. 根據(jù)權(quán)利要求1所述的基于Xtion攝像機(jī)的室內(nèi)機(jī)器人視覺里程計(jì)實(shí)現(xiàn)方法，其特 征在于：所述特征點(diǎn)匹配具體包括如下步驟 ： 1) 特征點(diǎn)檢測(cè)：在圖像二維平面空間和DoG尺度空間中同時(shí)檢測(cè)局部極值以作為特征 點(diǎn)，DoG算子定義為兩個(gè)不同尺度的高斯核的差分，DoG算子如式（1)所示：
其中，G(x，y，〇 )為尺度可變高斯函數(shù)，
（X，y)為空間坐 標(biāo)，〇為尺度坐標(biāo)，I (X，y)為原圖像，L(x, y, σ )為尺度空間。 在檢測(cè)尺度空間極值時(shí)，某個(gè)像素需要跟同一尺度的周圍領(lǐng)域的8個(gè)像素以及相鄰尺 度對(duì)應(yīng)位置的領(lǐng)域9X2個(gè)像素總共26個(gè)像素進(jìn)行比較，以確保在尺度空間和2維圖像空 間都能檢測(cè)到局部極值； 2) 特征點(diǎn)描述，即建立特征向量，其中包括SIFT特征向量和Ρ--三維特征向量； SIFT特征向量：每個(gè)關(guān)鍵點(diǎn)由2X2共4個(gè)種子點(diǎn)構(gòu)成，每個(gè)種子點(diǎn)包含8個(gè)方向向量 信息；對(duì)每個(gè)關(guān)鍵點(diǎn)采用4X4共16個(gè)種子點(diǎn)來描述，以產(chǎn)生128個(gè)數(shù)據(jù)，即最后每個(gè)關(guān)鍵 點(diǎn)建立128維的SIFT特征向量； Ρ--三維特征向量：利用KD數(shù)尋找每個(gè)關(guān)鍵點(diǎn)附近K個(gè)點(diǎn)，并求出這些點(diǎn)在空間坐標(biāo) 系中的法線向量η ;對(duì)于關(guān)鍵點(diǎn)與其附近K個(gè)點(diǎn)，取其所有互相兩個(gè)點(diǎn)組合，根據(jù)判定 〈叫，Ρ』-Ρ，與〈η』，的大小來設(shè)置原點(diǎn)Ps和目標(biāo)點(diǎn)P t，其中叫和η』分別為對(duì)應(yīng)Pi和Ρ」 的法向量，若前者大則記Ps = Pi, Pt = Ρ」，反之記Ps = Ρ」，Pt = Pi ; 根據(jù)上述各點(diǎn)建立局部坐標(biāo)系
在這個(gè)坐標(biāo)系下計(jì)算三個(gè)參數(shù)：
，將每個(gè)參數(shù)化分為5個(gè)子區(qū)間并建立35個(gè)區(qū)間的直方圖中，每對(duì) 點(diǎn)的三個(gè)參數(shù)（α，Φ，Θ)為所對(duì)的應(yīng)直方圖區(qū)間加一，統(tǒng)計(jì)所有點(diǎn)后所產(chǎn)生的直方圖進(jìn) 行歸一化，即為125維Ρ--三維特征向量； 3) 進(jìn)行特征匹配以獲取候選匹配點(diǎn)：當(dāng)兩幀圖像的SIFT特征向量和FPH三維特征向 量生成后，下一步采用關(guān)鍵點(diǎn)特征向量間的歐式距離來作為兩幀圖像中關(guān)鍵點(diǎn)的相似性判 定度量；取兩幀圖像歐式距離最近的前兩對(duì)關(guān)鍵點(diǎn)，在這兩對(duì)關(guān)鍵點(diǎn)中，如果最近的距離除 以次近的距離少于某個(gè)比例閾值，則接受這一對(duì)匹配點(diǎn)； 4) 消除誤匹配：采用RANSAC算法去除外點(diǎn)，RANSAC算法是通過多次隨機(jī)抽取一定的樣 本對(duì)參數(shù)進(jìn)行估計(jì)，先得出初始參數(shù)模型，然后根據(jù)估計(jì)參數(shù)將所有數(shù)據(jù)進(jìn)行分類，一部分 數(shù)據(jù)在設(shè)定誤差范圍內(nèi)，則稱為內(nèi)點(diǎn)，反之稱為外點(diǎn)，經(jīng)過多次迭代計(jì)算出最優(yōu)模型參數(shù)。
3.根據(jù)權(quán)利要求1所述的基于Xtion攝像機(jī)的室內(nèi)機(jī)器人視覺里程計(jì)實(shí)現(xiàn)方法，其特 征在于：所述最小二乘法求解出機(jī)器人的運(yùn)動(dòng)參數(shù)方法如下： 求解最小二乘解使得I iLHRPpi+T) | |2最小，其中Ppi和乙為相鄰兩序列 圖像中的前一幀圖像和后一幀圖像，i為對(duì)應(yīng)匹配點(diǎn)數(shù)；首先建立協(xié)方差矩陣
對(duì)應(yīng)匹配點(diǎn)數(shù)；然后 對(duì)矩陣Σ ep進(jìn)行特征值分解Σ ep = UDV，其中U，V為酉矩陣，
為奇異值矩陣，式中屯為非零奇異值，記
；最后求解旋轉(zhuǎn)矩 陣R = USV，帶入原方差即可求解平移矢量T。
【文檔編號(hào)】G01C21/00GK104121902SQ201410301943
【公開日】2014年10月29日 申請(qǐng)日期:2014年6月28日 優(yōu)先權(quán)日:2014年6月28日
【發(fā)明者】何炳蔚, 鄒誠(chéng), 林昌, 劉麗萍 申請(qǐng)人:福州大學(xué)