基于視覺信息的移動機(jī)器人目標(biāo)識別算法研究.pdf

1、利用視覺傳感器進(jìn)行目標(biāo)識別是移動機(jī)器人學(xué)研究的熱點(diǎn)問題之一，關(guān)鍵問題是如何從信息量巨大的視頻圖像中提取有效特征，即如何利用一種快速有效的目標(biāo)識別算法，實(shí)現(xiàn)移動機(jī)器人在復(fù)雜自然環(huán)境中的目標(biāo)識別任務(wù)，并能同時(shí)滿足機(jī)器人自身運(yùn)動中實(shí)時(shí)性和靈活性的要求。
　　 本論文研究了基于單目視覺的移動機(jī)器人目標(biāo)識別問題。在研究大量目標(biāo)識別算法的基礎(chǔ)上，從如何提取不同的圖像特征出發(fā)，實(shí)現(xiàn)了基于改進(jìn)的彩色圖像分割算法的特定顏色目標(biāo)識別和地面約束的目標(biāo)

2、定位;并研究了基于局部特征提取和匹配的目標(biāo)識別算法，利用基于ORB（OrientedFASTandRotatedBRIEF）特征的目標(biāo)識別算法，快速實(shí)時(shí)識別特定目標(biāo);針對紋理不豐富物體的識別問題，本文提出一種改進(jìn)的利用主導(dǎo)梯度方向作為模板特征進(jìn)行匹配的目標(biāo)識別算法，在線實(shí)時(shí)多角度識別同一個(gè)物體并能同時(shí)識別多個(gè)不同物體。完成的主要工作如下:
　　 首先，分析了移動機(jī)器人目標(biāo)識別問題的研究背景和意義，綜述了目前基于視覺信息的目標(biāo)識別

3、問題的國內(nèi)外研究現(xiàn)狀以及存在的主要問題，簡單介紹了本論文的主要內(nèi)容和章節(jié)框架;
　　 第二，針對研究的初始階段需求，提出利用圖像全局特征中簡單的顏色特征，采用一種改進(jìn)的基于HSV模型的彩色圖像分割算法，并融入形態(tài)學(xué)開閉運(yùn)算，完成了對彩色圖像中特定顏色目標(biāo)的分割，并選取目標(biāo)所在區(qū)域最低點(diǎn)代表待識別目標(biāo)，進(jìn)一步利用基于地平面約束的攝像機(jī)模型，完成了對目標(biāo)的定位工作。此種目標(biāo)識別方法算法過程簡單，適用于精度要求不高、背景相對簡單、待識

4、別物體顏色突出的場合。
　　 第三，針對目前目標(biāo)識別領(lǐng)域應(yīng)用廣泛的基于局部特征的SIFT特征提取和匹配算法運(yùn)算量大、特征維數(shù)較高、特征向量匹配復(fù)雜，并且在硬件資源有限的條件下不能滿足實(shí)時(shí)性要求高的移動機(jī)器人視覺系統(tǒng)的缺點(diǎn)，提出利用一種快速興趣點(diǎn)檢測算子FAST與改進(jìn)的基于二進(jìn)制位的興趣點(diǎn)描述算子BRIEF相結(jié)合的高性能的算法—ORB算法作為局部特征提取算法，通過相似場景在發(fā)生旋轉(zhuǎn)、存在高斯噪聲情況下的實(shí)驗(yàn)，驗(yàn)證了ORB、SIFT

5、、SURF三種算法的特征匹配性能;并通過ORB與SURF算法特征匹配對比實(shí)驗(yàn)驗(yàn)證了ORB運(yùn)行速度能達(dá)到SURF算法的5～10倍，并且該算法可以通過控制提取特征點(diǎn)的數(shù)目滿足實(shí)時(shí)高效識別要求，為移動機(jī)器人目標(biāo)識別問題提供了一種嶄新的方法。
　　 第四，針對基于局部特征提取的目標(biāo)識別算法存在的對紋理不豐富物體識別效果差、并不能同時(shí)多角度識別同一物體的問題，提出利用一種改進(jìn)的基于模板匹配的在線目標(biāo)識別算法，該算法利用梯度特征作為模板特征

6、，通過相似性度量完成聚類分析，能夠完成在實(shí)時(shí)視頻中快速學(xué)習(xí)獲得模板匹配結(jié)果，完成對雜亂背景下不同物體特別是紋理不豐富物體的識別。本文在研究該算法的過程中，加入仿射投影變換，使得算法能夠在同一次模板匹配學(xué)習(xí)過程中，將同一個(gè)模板生成多個(gè)角度范圍內(nèi)的不同仿射變換模板，從而達(dá)到在匹配識別階段多視角匹配并識別同一個(gè)物體的目的。通過實(shí)驗(yàn)證實(shí)，該算法運(yùn)算速度快，實(shí)時(shí)性強(qiáng)，物體識別率高。
　　 最后，對本論文所做工作進(jìn)行總結(jié)，并提出了下一步的研