基于Xtion攝像機的室內(nèi)機器人視覺里程計實現(xiàn)方法
【專利摘要】本發(fā)明涉及一種基于Xtion攝像機的室內(nèi)機器人里程計實現(xiàn)方法，該方法為：首先通過安裝在機器人上的Xtion攝像機對機器人前方的視場進行信息采集，獲取空間點的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)合空間點的PFH（點特征直方圖）三維特征，對采集的序列圖像進行粗特征點匹配，并使用RANSAC（隨機采樣一致性）剔除粗匹配中的誤匹配點，得到精確匹配點。最后建立方程組，利用最小二乘法求解出機器人的運動參數(shù)。本方法使用Xtion攝相機進行信息采集，能夠直接獲取空間點的三維信息，并且利用空間點的紋理特征和三維特征進行特征提取和匹配，從而顯著提高了機器人定位的效率和精度。
【專利說明】基于Xtion攝像機的室內(nèi)機器人視覺里程計實現(xiàn)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及室內(nèi)移動機器人自主導(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)動式移動機器人自主導(dǎo)航技術(shù)中的視覺里程實現(xiàn)方法。

【背景技術(shù)】
[0002] 在室內(nèi)移動機器人的研究中，實時獲得機器人高精度的運動參數(shù)是極其重要的， 關(guān)系到機器人導(dǎo)航、避障和路徑規(guī)劃等任務(wù)的實現(xiàn)。由于機器人行進過程中碰到障礙物輪 子存在長期磨損打滑現(xiàn)象，使得光電碼盤測速電機等設(shè)備不能準確測定機器人的位移準確 信息；采用GPS定位，存在分辨率低，且在室內(nèi)的信號弱，不適合于室內(nèi)移動機器人。
[0003] 視覺里程計通過采集分析相關(guān)圖像序列，來確定機器人位置和朝向，可以彌補上 述的問題，增強了機器人在任何表面以任何方式移動時的導(dǎo)航精度。傳統(tǒng)的視覺里程計通 過單目照相機、雙目照相機或者全向照相機獲取圖像，通過坐標(biāo)系的轉(zhuǎn)換獲取空間點的三 維信息，并通過圖像RGB信息對兩幀圖像進行特征提取和匹配從而獲取機器人的運動參 數(shù)。在獲取空間點的三維信息時，由于照相機鏡片誤差和坐標(biāo)系的轉(zhuǎn)換，使得計算過程復(fù) 雜、效率低并且精度不高。在對圖像特征提取、匹配時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攝像機的室內(nèi)移動機器人視覺里程計實現(xiàn) 方法，該方法利用Xtion攝相機，能夠直接獲取空間點的三維信息和RGB信息，并且利用提 取空間點的紋理特征和三維特征進行匹配，從而顯著提高了機器人定位的效率和精度。
[0005] 為實現(xiàn)上述目的，本發(fā)明采用以下方案實現(xiàn)：該方法包括以下步驟：
[0006] 步驟S01 :通過安裝在機器人上的Xtion攝像機對機器人前方的視
[0007] 場進行信息采集，獲取空間點的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)合空間點的Ρ--三維特征，對)(tion所采 集到相鄰兩幅圖像間的特征點進行匹配；
[0009] 步驟S03 :使用RANSAC剔除匹配中的誤匹配點；
[0010] 步驟S04 :獲得前后相鄰兩幀圖像的匹配點

【權(quán)利要求】
1. 一種基于xtion攝像機的室內(nèi)機器人視覺里程計實現(xiàn)方法，其特征在于包括以下步 驟： 步驟S01 :通過安裝在機器人上的Xtion攝像機對機器人前方的視場進行信息采集，獲 取空間點的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)合空間點的Ρ--三維特征，對Xtion所采集到 相鄰兩幅圖像間的特征點進行匹配； 步驟S03 :使用RANSAC剔除匹配中的誤匹配點； 步驟S04 :獲得前后相鄰兩幀圖像的匹配點
，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器人的運動參數(shù)。
2. 根據(jù)權(quán)利要求1所述的基于Xtion攝像機的室內(nèi)機器人視覺里程計實現(xiàn)方法，其特 征在于：所述特征點匹配具體包括如下步驟 ： 1) 特征點檢測：在圖像二維平面空間和DoG尺度空間中同時檢測局部極值以作為特征 點，DoG算子定義為兩個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。 在檢測尺度空間極值時，某個像素需要跟同一尺度的周圍領(lǐng)域的8個像素以及相鄰尺 度對應(yīng)位置的領(lǐng)域9X2個像素總共26個像素進行比較，以確保在尺度空間和2維圖像空 間都能檢測到局部極值； 2) 特征點描述，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：每個關(guān)鍵點由2X2共4個種子點構(gòu)成，每個種子點包含8個方向向量 信息；對每個關(guān)鍵點采用4X4共16個種子點來描述，以產(chǎn)生128個數(shù)據(jù)，即最后每個關(guān)鍵 點建立128維的SIFT特征向量； Ρ--三維特征向量：利用KD數(shù)尋找每個關(guān)鍵點附近K個點，并求出這些點在空間坐標(biāo) 系中的法線向量η ;對于關(guān)鍵點與其附近K個點，取其所有互相兩個點組合，根據(jù)判定 〈叫，Ρ』-Ρ，與〈η』，的大小來設(shè)置原點Ps和目標(biāo)點P t，其中叫和η』分別為對應(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)上述各點建立局部坐標(biāo)系
在這個坐標(biāo)系下計算三個參數(shù)：
，將每個參數(shù)化分為5個子區(qū)間并建立35個區(qū)間的直方圖中，每對 點的三個參數(shù)（α，Φ，Θ)為所對的應(yīng)直方圖區(qū)間加一，統(tǒng)計所有點后所產(chǎn)生的直方圖進 行歸一化，即為125維Ρ--三維特征向量； 3) 進行特征匹配以獲取候選匹配點：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)鍵點特征向量間的歐式距離來作為兩幀圖像中關(guān)鍵點的相似性判 定度量；取兩幀圖像歐式距離最近的前兩對關(guān)鍵點，在這兩對關(guān)鍵點中，如果最近的距離除 以次近的距離少于某個比例閾值，則接受這一對匹配點； 4) 消除誤匹配：采用RANSAC算法去除外點，RANSAC算法是通過多次隨機抽取一定的樣 本對參數(shù)進行估計，先得出初始參數(shù)模型，然后根據(jù)估計參數(shù)將所有數(shù)據(jù)進行分類，一部分 數(shù)據(jù)在設(shè)定誤差范圍內(nèi)，則稱為內(nèi)點，反之稱為外點，經(jīng)過多次迭代計算出最優(yōu)模型參數(shù)。
3.根據(jù)權(quán)利要求1所述的基于Xtion攝像機的室內(nèi)機器人視覺里程計實現(xiàn)方法，其特 征在于：所述最小二乘法求解出機器人的運動參數(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為對應(yīng)匹配點數(shù)；首先建立協(xié)方差矩陣
對應(yīng)匹配點數(shù)；然后 對矩陣Σ ep進行特征值分解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】G01C21/00GK104121902SQ201410301943
【公開日】2014年10月29日 申請日期: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, 林昌, 劉麗萍 申請人:福州大學(xué)