高精度實時視覺定位的關鍵技術研究.pdf

1、基于機器視覺的定位算法是智能移動機器人領域內(nèi)的熱點問題，通過分析包含在圖像序列中的靜態(tài)場景一致性信息，視覺定位可以幫助移動機器人更準確地獲得當前位置與姿態(tài)信息，保證移動機器人安全、高效地完成指定任務。
　　本文以大范圍復雜環(huán)境中移動機器人的高精度實時定位為目標，圍繞精度、實時性、魯棒性三個關鍵問題進行研究。為了準確估計機器人6個自由度的位姿信息，首先構建了基于特征點匹配的雙目立體視覺里程計(Visual Odometry,VO)。

2、為了提高定位精度，第二章提出了兩階段局部雙目光束法平差（Two-stagelocal binocular bundle adjustment，TLBBA），充分利用雙目圖像序列中的信息和約束，對運動估計結(jié)果進行優(yōu)化。第三章通過合理設計系統(tǒng)中的算法模塊，充分利用計算資源和算法的可并行性，實現(xiàn)了可以實時工作的雙目立體VO。為了提高復雜環(huán)境中局部運動估計的魯棒性，第四章提出了一種基于自適應多特征表觀模型的壓縮特征，通過跟蹤移動機器人前進方向的

3、圖像片（圖像中的子窗口區(qū)域），獲得航向角增量的魯棒估計值，防止不可靠的運動估計結(jié)果對定位結(jié)果造成影響。為了抑制移動機器人在大范圍環(huán)境中漫游時定位誤差的累積，提出了基于在線全景圖像路標的全局位姿校正算法，有效解決了路徑漂移問題。本文的主要工作和創(chuàng)新性研究成果如下:
　　1)提出了一種兩階段局部雙目光束法平差優(yōu)化算法，充分利用圖像序列中的一致性信息，提高了基于特征點匹配的雙目立體VO的定位精度。在該算法的第一階段，對單步運動估計結(jié)果進

4、行優(yōu)化，相比基于三維點不確定度的最大似然估計優(yōu)化，該算法使用誤差分布更加均勻的二維特征點不確定度，而且引入了約束更加豐富合理的雙目模型;在該算法的第二階段，同樣基于雙目模型和特征點不確定度權重，同時優(yōu)化滑動窗口內(nèi)的運動參數(shù)與三維結(jié)構。與傳統(tǒng)單目模型LBA相比，TLBBA優(yōu)化時的參數(shù)初始值更加準確，目標函數(shù)的構成更加科學，優(yōu)化精度高。
　　2)提出并實現(xiàn)了一種實時雙目VO系統(tǒng)，為了在保證定位精度的前提下盡量提高處理速度，該VO系統(tǒng)基

5、于GPGPU提取SIFT特征點，基于網(wǎng)格匹配法進行特征控制，在運動估計時基于GPGPU實現(xiàn)RanSaC結(jié)合HORN最小二乘方法。最后，把整個系統(tǒng)劃分為兩個線程，進行流水線處理:特征匹配線程負責特征點提取、匹配和三維點對重建;運動估計線程負責運動估計、兩階段局部雙目光束法平差(TLBBA)優(yōu)化、累積單步運動參數(shù)得到機器人全局位姿。
　　3)提出了一種基于自適應多特征圖像片壓縮跟蹤的局部航向角計算方法，可以在雙目圖像序列缺少一致性特征

6、時，更魯棒地計算出移動機器人的航向角變化。為了提高圖像片跟蹤的精度和實時性，提出了一種壓縮空間中的自適應多特征表觀建模方法:構造了稀疏的二級隨機測量矩陣對SURF特征進行壓縮，使原來單純基于亮度特征的視覺表達更加豐富準確，描述能力更強;通過分析特征對目標和背景的區(qū)分能力，自適應地調(diào)整統(tǒng)計模型內(nèi)特征之間的權重，抑制冗余、無用的特征，提高了統(tǒng)計模型的效率和準確性。
　　4)提出了一種基于在線全景圖像路標的全局位姿校正方法。該方法使用兩