基于双目立体视觉的移动机器人自主导航方法
基于双目立体视觉的移动机器人自主导航方法
【专利摘要】本发明公开了一种基于双目立体视觉的移动机器人自主导航方法，该方法包括图像处理和运动估计两个过程：图像处理环节中设计了特征提取、立体匹配、特征跟踪等具体处理算法，分析了图像处理过程中的误差；运动估计环节通过鲁棒运动估计方法和非线性运动估计两步估计算法，具有针对性地消除了图像处理中的误匹配及噪声等误差影响，估计了机器人移动过程中的运动状态，提高了机器人在复杂环境下进行自主导航的性能。
【专利说明】基于双目立体视觉的移动机器人自主导航方法
【技术领域】
[0001] 本发明涉及图像处理、计算机视觉和自主导航【技术领域】，尤其是一种应用于表面 复杂环境的自主导航技术实现方法。
【背景技术】
[0002] 定位是机器人自主移动过程中的关键技术，其任务就是要确定机器人在地表参考 坐标系中的姿态和位置信息，随着计算机图像处理技术的高速发展，利用视觉系统进行运 动估计逐步成为了机器人进行导航的首选，机器人自运动估计就是通过分析环境图像信息 的变化来估计其自身的运动参数，从某些意义上来说，基于视觉序列图像的自运动估计也 可称之为视觉里程计运动估计技术，基于立体视觉的导航定位技术可靠性较高，逐步成为 了机器人导航定位发展的趋势，根据机器人对于环境的了解情况，当机器人在视野范围内 进行巡游探测时，用车上安装的立体视觉相机对其所处的周围环境进行成像，根据图像中 的视觉特征，来实时对机器人的位置进行估计。
【发明内容】
[0003] 本发明公开了一种基于双目立体视觉的机器人自主导航方法，该方法包括图像处 理和运动估计两个过程：图像处理环节中设计了特征提取、立体匹配、特征跟踪等具体处理 算法，分析了图像处理过程中的误差；运动估计分为鲁棒运动估计和非线性运动估计两个 过程。
[0004] 本发明的基本原理如下： 机器人立体视觉自运动估计是一套自主定位方案，整个部分分为两大部分，第一部分 主要是相机标定、图像采集与预处理过程，需要首先对原始图像进行噪声过滤、灰度校正等 图像预处理，最后输出立体图像对；第二部分主要由视觉图像处理和运动估计两个模块组 成，由运动估计模块处理图像中特征点位置变化，来估计机器人自身的导航参数，具体如 下： 1.图像处理与分析过程： 1) 图像噪声处理：本专利利用一种该进的中值滤波算法，像素灰度计算如下： pixh\= medianlpii^UpUaJxKdwq) pi?:k2 = median(pixJulJu2JdlJd2,m l>ru2?rdl>rd2) pixie =騰 dian(pix,pixi 成 pix!e2) 其中：ΛΚ為,分别为像素沖C的5x5邻域上、左、下、右上的像素， 为像素 ρ?τ的5x5邻域对角方向上的像素，为取中值 运算符. 2) 特征点提取，本发明采用Harris算子模型中gGJ)表示像元灰度值，并分别用 g.v表示像元/(U)在X和Y方向的梯度，Harris算子将角点响应函数表示为该像元的协 方差矩阵行列式与方阵的迹： R = DetN-k* (trace (Λ1))2 (1) 3) 立体匹配，本发明采用相关匹配的方法进行匹配，该方法是根据两幅图像中特征点 的相关程度来确定其匹配关系，相关值定义为：
【权利要求】
1. 本发明提出一种机器人立体视觉自运动估计是一套自主定位方案，可满足复杂地形 情况下机器人自主巡游过程中导航定位的需要，不仅如此，此算法可大大实现机器人的智 能化需求，整个部分分为两大部分，第一部分主要是相机标定、图像采集与预处理过程，需 要首先对原始图像进行噪声过滤、灰度校正等图像预处理，最后输出立体图像对；第二部分 主要由视觉图像处理和运动估计两个模块组成，由运动估计模块处理图像中特征点位置变 化，来估计机器人自身的导航参数。
2. 本发明在特征点提取和立体匹配过程中【权利要求】
1)特征点提取算法采用Harris算子模型，用gaj)表示像元灰度值，并分别用仏； 表示像元在X和Y方向的梯度，Harris算子将角点响应函数表示为该像元的协方差矩阵行 列式与方阵的迹，即
3)立体匹配：采用相关匹配的方法进行匹配，该方法是根据两幅图像中特征点的相关 程度来确定其匹配关系，相关值定义为：
相关值从-1到1，两个相关窗口极度相似时为1，极度不相似时为-1。
3. 本发明在环境特征深度信息提取中【权利要求】
双目视觉测量是根据视差原理来计算距离，设双目相机间的基线距离为B，相机的焦距 为f，空间中任意一点P(x，y，z)在左右图像上的像点分别为i?和巧，根据三角形的相似关 系可推导出点P在摄像机坐标系中的距离信息：
像点巧和石，其对应的像素坐标分别为(％ A),(心，义），由以上关系可得两个像点在像 平面坐标系中的坐标分别为（％，乃），（4，万）
机器人
运动前空间点右以及对应运动后的#可建立匹配环境特征点对集合
4. 本发明在机器人运动估计过程权利要求如下： 定义忍、#分别表示空间特征点4在运动前后两个摄像机坐标系下的位置信息，则可 建立运动估计模型：
其中巧为第J次运动前后的坐标旋转矩阵，5为第J次运动前后的平移矩阵，士为观 测误差向量，
由上述观测误差向量可得到运动参数估计。
5. 本发明权利要求一种鲁棒运动参数估计 从空间特征点集
中随机选取三组不共线的特征点
，利用奇异值分解方法求出&，7}，对求得的&回代求每个特征 点对应的误差平方
重复采样m次，求出m个中值的最小值：
6. 本发明要求一种奇异值分解法确定运动参数 选择三个不共线特征点对，令：
奇异值分解5 = 005^，可以得到旋转矩阵4 :
7. 本发明权利要求一种非线性运动参数估计 旋转矩阵用四元数来表示，g = ft % 运动估计就是利用匹配点集
I过对以下目标函数最小化来估计运动参数：
S代求解上式来计算的最小值： (19) 由此可得到双目立体测距条件下的自运动参数。
【文档编号】G05D1/02GK104281148SQ201310281695
【公开日】2015年1月14日 申请日期:2013年7月7日 优先权日:2013年7月7日
【发明者】张泽旭, 刘燎 申请人:哈尔滨点石仿真科技有限公司
【专利摘要】本发明公开了一种基于双目立体视觉的移动机器人自主导航方法，该方法包括图像处理和运动估计两个过程：图像处理环节中设计了特征提取、立体匹配、特征跟踪等具体处理算法，分析了图像处理过程中的误差；运动估计环节通过鲁棒运动估计方法和非线性运动估计两步估计算法，具有针对性地消除了图像处理中的误匹配及噪声等误差影响，估计了机器人移动过程中的运动状态，提高了机器人在复杂环境下进行自主导航的性能。
【专利说明】基于双目立体视觉的移动机器人自主导航方法
【技术领域】
[0001] 本发明涉及图像处理、计算机视觉和自主导航【技术领域】，尤其是一种应用于表面 复杂环境的自主导航技术实现方法。
【背景技术】
[0002] 定位是机器人自主移动过程中的关键技术，其任务就是要确定机器人在地表参考 坐标系中的姿态和位置信息，随着计算机图像处理技术的高速发展，利用视觉系统进行运 动估计逐步成为了机器人进行导航的首选，机器人自运动估计就是通过分析环境图像信息 的变化来估计其自身的运动参数，从某些意义上来说，基于视觉序列图像的自运动估计也 可称之为视觉里程计运动估计技术，基于立体视觉的导航定位技术可靠性较高，逐步成为 了机器人导航定位发展的趋势，根据机器人对于环境的了解情况，当机器人在视野范围内 进行巡游探测时，用车上安装的立体视觉相机对其所处的周围环境进行成像，根据图像中 的视觉特征，来实时对机器人的位置进行估计。
【发明内容】
[0003] 本发明公开了一种基于双目立体视觉的机器人自主导航方法，该方法包括图像处 理和运动估计两个过程：图像处理环节中设计了特征提取、立体匹配、特征跟踪等具体处理 算法，分析了图像处理过程中的误差；运动估计分为鲁棒运动估计和非线性运动估计两个 过程。
[0004] 本发明的基本原理如下： 机器人立体视觉自运动估计是一套自主定位方案，整个部分分为两大部分，第一部分 主要是相机标定、图像采集与预处理过程，需要首先对原始图像进行噪声过滤、灰度校正等 图像预处理，最后输出立体图像对；第二部分主要由视觉图像处理和运动估计两个模块组 成，由运动估计模块处理图像中特征点位置变化，来估计机器人自身的导航参数，具体如 下： 1.图像处理与分析过程： 1) 图像噪声处理：本专利利用一种该进的中值滤波算法，像素灰度计算如下： pixh\= medianlpii^UpUaJxKdwq) pi?:k2 = median(pixJulJu2JdlJd2,m l>ru2?rdl>rd2) pixie =騰 dian(pix,pixi 成 pix!e2) 其中：ΛΚ為,分别为像素沖C的5x5邻域上、左、下、右上的像素， 为像素 ρ?τ的5x5邻域对角方向上的像素，为取中值 运算符. 2) 特征点提取，本发明采用Harris算子模型中gGJ)表示像元灰度值，并分别用 g.v表示像元/(U)在X和Y方向的梯度，Harris算子将角点响应函数表示为该像元的协 方差矩阵行列式与方阵的迹： R = DetN-k* (trace (Λ1))2 (1) 3) 立体匹配，本发明采用相关匹配的方法进行匹配，该方法是根据两幅图像中特征点 的相关程度来确定其匹配关系，相关值定义为：
【权利要求】
1. 本发明提出一种机器人立体视觉自运动估计是一套自主定位方案，可满足复杂地形 情况下机器人自主巡游过程中导航定位的需要，不仅如此，此算法可大大实现机器人的智 能化需求，整个部分分为两大部分，第一部分主要是相机标定、图像采集与预处理过程，需 要首先对原始图像进行噪声过滤、灰度校正等图像预处理，最后输出立体图像对；第二部分 主要由视觉图像处理和运动估计两个模块组成，由运动估计模块处理图像中特征点位置变 化，来估计机器人自身的导航参数。
2. 本发明在特征点提取和立体匹配过程中【权利要求】
1)特征点提取算法采用Harris算子模型，用gaj)表示像元灰度值，并分别用仏； 表示像元在X和Y方向的梯度，Harris算子将角点响应函数表示为该像元的协方差矩阵行 列式与方阵的迹，即
3)立体匹配：采用相关匹配的方法进行匹配，该方法是根据两幅图像中特征点的相关 程度来确定其匹配关系，相关值定义为：
相关值从-1到1，两个相关窗口极度相似时为1，极度不相似时为-1。
3. 本发明在环境特征深度信息提取中【权利要求】
双目视觉测量是根据视差原理来计算距离，设双目相机间的基线距离为B，相机的焦距 为f，空间中任意一点P(x，y，z)在左右图像上的像点分别为i?和巧，根据三角形的相似关 系可推导出点P在摄像机坐标系中的距离信息：
像点巧和石，其对应的像素坐标分别为(％ A),(心，义），由以上关系可得两个像点在像 平面坐标系中的坐标分别为（％，乃），（4，万）
机器人
运动前空间点右以及对应运动后的#可建立匹配环境特征点对集合
4. 本发明在机器人运动估计过程权利要求如下： 定义忍、#分别表示空间特征点4在运动前后两个摄像机坐标系下的位置信息，则可 建立运动估计模型：
其中巧为第J次运动前后的坐标旋转矩阵，5为第J次运动前后的平移矩阵，士为观 测误差向量，
由上述观测误差向量可得到运动参数估计。
5. 本发明权利要求一种鲁棒运动参数估计 从空间特征点集
中随机选取三组不共线的特征点
，利用奇异值分解方法求出&，7}，对求得的&回代求每个特征 点对应的误差平方
重复采样m次，求出m个中值的最小值：
6. 本发明要求一种奇异值分解法确定运动参数 选择三个不共线特征点对，令：
奇异值分解5 = 005^，可以得到旋转矩阵4 :
7. 本发明权利要求一种非线性运动参数估计 旋转矩阵用四元数来表示，g = ft % 运动估计就是利用匹配点集
I过对以下目标函数最小化来估计运动参数：
S代求解上式来计算的最小值： (19) 由此可得到双目立体测距条件下的自运动参数。
【文档编号】G05D1/02GK104281148SQ201310281695
【公开日】2015年1月14日 申请日期:2013年7月7日 优先权日:2013年7月7日
【发明者】张泽旭, 刘燎 申请人:哈尔滨点石仿真科技有限公司
最新回复(0)