城市環(huán)境中移動機器人視覺定位研究.pdf

1、自主定位技術是移動機器人自主導航的基礎和關鍵。近年來，隨著圖像傳感器生產成本的降低，以及圖像處理、模式識別等相關技術的迅速發(fā)展，視覺定位受到越來越多的關注。移動機器人視覺定位是指借助于攝像機采集的視覺信息，確定機器人的當前位置。近年來，移動機器人在戶外環(huán)境下，特別是城市區(qū)域中的應用越來越廣泛。因此，城市環(huán)境中的移動機器人視覺定位研究具有非常重要的理論意義和極其廣泛的應用前景。
　　 論文圍繞城市環(huán)境中的移動機器人視覺定位問題展開

2、研究，實現(xiàn)了城市環(huán)境中無準確GPS數(shù)據(jù)情況下的移動機器人精確定位。論文提出了利用機器人工作區(qū)域的衛(wèi)星地圖和移動機器人車載相機所采集的圖像二者相結合的視覺定位策略。其中，衛(wèi)星地圖用來提取周圍建筑物的俯視輪廓，而攝像機圖像用于重建圖像中的建筑物輪廓，通過對二者進行匹配來確定移動機器人在二維衛(wèi)星地圖中的絕對位置。
　　 為了實現(xiàn)上述定位過程，論文設計了基于線特征的場景三維重建方法。傳統(tǒng)的進行場景三維重建的方法主要是利用點特征。基于點特

3、征的三維重建方法存在著精度低、計算量大以及無法準確地表示當前場景等問題。與點特征相比，線特征存在諸多優(yōu)點：在同樣的噪聲強度下，線特征受噪聲影響更??；線特征對光照情況和陰影都不敏感；線特征的數(shù)量較少，從中確定有用線段并利用其進行三維重建的計算量較小。然而，不同視圖間的線特征匹配一直都是計算機視覺領域的一大難點，至今仍缺乏能夠準確、全面地查找線對應的方法。為此，論文首次提出了多層特征圖(Multilayer Feature Graph，MF

4、G)結構。MFG借助于多種特征之間的幾何關系和約束，可以有效地確定不同視圖間線特征的對應關系，并最終確定線特征和建筑物平面(豎直平面)的三維信息。同時，MFG還是一種有效的場景表達的方式，將周圍場景表示為多種相互關聯(lián)的主要特征，包括點特征、線段特征、直線特征和豎直平面特征，更有助于對場景的理解。
　　 論文的主要研究內容包括MFG的設計與構建、基于MFG的視覺定位算法兩部分。MFG的設計與構建部分主要包括MFG的結構設計以及基于

5、特征融合的MFG的構建方法。視覺定位算法部分主要討論了如何利用高分辨率的衛(wèi)星地圖以及MFG確定移動機器人在衛(wèi)星地圖中的準確位置。首先設計并實現(xiàn)了利用衛(wèi)星地圖自動提取俯視的建筑物二維輪廓的方法。然后提出了利用單個MFG和建筑物俯視輪廓的特征加權視覺定位方法，實現(xiàn)了移動機器人的簡單、快速定位。但該方法的缺點是無法保證定位解的唯一性和正確性，特別是在機器人所處的環(huán)境中存在很多相似建筑的情況下。為此，論文又設計了基于投票的視覺定位方法?；谕镀?/p>

6、的定位方法同時利用了多個MFG，每個MFG提供若干個候選解，最后根據(jù)候選解的一致性來確定最終解。論文的整體工作概述如下：
　　 (1)MFG的設計與構建。給出了MFG的模型結構以及特征的提取方法。利用MFG中多層特征之間的幾何關系，提出了基于特征融合的MFG的構建方法。通過構建MFG實現(xiàn)兩視圖間線對應的查找，并實現(xiàn)了基于線對應的場景重建與理解。
　　 (2)基于高分辨率衛(wèi)星地圖的建筑物輪廓自動提取。針對高分辨率衛(wèi)星地圖中

7、建筑物以及非建筑物區(qū)域的特點，同時借助相應的普通的城市電子地圖，提出了一種自動、快速的建筑物二維輪廓信息提取方法。利用Google衛(wèi)星地圖對該方法進行了實驗驗證。實驗結果表明，該方法可以快速、準確、自動地完成建筑物輪廓提取。
　　 (3)基于單個MFG的特征加權視覺定位。利用單個MFG以及二維的建筑物俯視輪廓信息，提出了基于特征加權的視覺定位方法。該方法將定位問題轉化為一個優(yōu)化問題，通過求解該優(yōu)化問題來定位機器人。實驗表明，該方

8、法在大多情況下能夠實現(xiàn)移動機器人的快速自主定位。然而，理論分析和物理實驗均表明，當機器人所處的環(huán)境較復雜，特別是周圍存在很多相似的建筑物時，該方法無法保證定位解的唯一性，甚至可能出現(xiàn)錯誤定位。
　　 (4)基于投票的視覺定位。該方法是對基于單個MFG的特征加權視覺定位方法的改進?；谕镀钡囊曈X定位方法利用在相同位置采集的多組兩視圖構建的多個MFG，根據(jù)特征加權的方法，每個MFG可以提供若干個候選解，最終由所有的候選解進行投票來確