，通過位姿推算算法計(jì)算機(jī)器人的當(dāng)前 位姿。
[0036] 本發(fā)明克服了已有方法的實(shí)時(shí)性和魯棒性差的問題，借鑒了現(xiàn)有方法參數(shù)估計(jì)的 精度優(yōu)勢(shì)和實(shí)時(shí)性差的瓶頸問題，將昆蟲蜂眼結(jié)構(gòu)和全向快速運(yùn)動(dòng)感知能力的生物特征與 計(jì)算機(jī)視覺理論有機(jī)融合，設(shè)計(jì)出的視覺里程計(jì)方法屬于非接觸式被動(dòng)測(cè)量，具有響應(yīng)速 度快、魯棒性好、參數(shù)估計(jì)精度高、能耗低、隱蔽性好和使用方便等優(yōu)點(diǎn)，完全可W滿足機(jī)器 人在非結(jié)構(gòu)環(huán)境下對(duì)自主定位導(dǎo)航方法的實(shí)時(shí)性和魯棒性的要求。具體具有如下優(yōu)點(diǎn)和有 益效果：
[0037] 1.本發(fā)明W小尺寸圖象作為輸入，通過底層并行計(jì)算的高速視覺測(cè)量單元陣列， 實(shí)現(xiàn)了高速處理，解決了由于對(duì)整峽大尺寸圖像逐點(diǎn)計(jì)算的低效串行計(jì)算方式和計(jì)算機(jī)處 理能力不足所導(dǎo)致的現(xiàn)有視覺里程計(jì)方法實(shí)時(shí)性差的瓶頸問題。
[0038] 2.本發(fā)明通過多個(gè)高速視覺測(cè)量單元組成陣列、各測(cè)量單元定向敏感和測(cè)量單元 間的數(shù)據(jù)融合，實(shí)現(xiàn)在大幅提高視覺里程計(jì)實(shí)時(shí)性的同時(shí)，保證其高精度的參數(shù)估計(jì)輸出， 解決了現(xiàn)有視覺里程計(jì)方法通過減小圖像大小提高實(shí)時(shí)所導(dǎo)致的精度下降的問題。
[0039] 3.由于非結(jié)構(gòu)化環(huán)境下存在各種導(dǎo)致視覺里程計(jì)失效的不確定因素，而現(xiàn)有視覺 里程計(jì)方法僅采用單目或雙目結(jié)構(gòu)，當(dāng)某一相機(jī)失效時(shí)，整個(gè)視覺里程計(jì)就完全失效，魯棒 性差。在本發(fā)明中，由多個(gè)高速視覺測(cè)量單元組成的陣列為方法的魯棒性提供了硬件實(shí)現(xiàn) 條件，通過在數(shù)據(jù)采集和處理過程中，建立故障診斷和陣列重構(gòu)機(jī)制，從而即使出現(xiàn)多個(gè)相 機(jī)同時(shí)失效的極端條件下，仍可W保證視覺里程計(jì)底層數(shù)據(jù)輸出的有效性，具有很好的魯 棒性。
[0040] 4.在本發(fā)明中，多個(gè)高速視覺測(cè)量單元的陣列分布設(shè)計(jì)不局限于實(shí)例中所示的圓 周分布，理論上可W為任意分布。在應(yīng)用中，由于測(cè)量單元的定向敏感，用戶僅需要將高速 視覺測(cè)量單元盡可能地在各個(gè)方向上均勻分布，即可很好地保證系統(tǒng)精度。因此，用戶的使 用十分方便。
[0041] 5.本發(fā)明是一種H維視覺里程計(jì)，并且不依賴環(huán)境先驗(yàn)知識(shí)（已知的環(huán)境信息)， 屬于被動(dòng)式非接觸測(cè)量方法，不受環(huán)境地質(zhì)地貌條件的限制，非常適用于環(huán)境信息動(dòng)態(tài)變 化或復(fù)雜未知的非結(jié)構(gòu)化環(huán)境。
[0042] 6.本發(fā)明精度高、誤差累積小，既可不依賴GI^S獨(dú)立使用，也可與GPS、碼盤、慣導(dǎo) 和測(cè)角儀等設(shè)備組合使用，應(yīng)用靈活且不受環(huán)境空間的限制(如GPS尚無法應(yīng)用于外太空 星球探測(cè)等)。
[0043] 7.本發(fā)明為模塊化設(shè)計(jì)，系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，通用性好，適用于各種機(jī)器人平臺(tái)，具有 能耗低、成本低廉和維護(hù)保養(yǎng)方便等突出的性價(jià)比優(yōu)勢(shì)。
[0044] 8.本發(fā)明的底層硬件設(shè)備，如高速CCD相機(jī)、數(shù)據(jù)采集卡等已有成熟的技術(shù)產(chǎn)品， 無需獨(dú)立研制，因此，可W大大降低制造成本，便于迅速產(chǎn)業(yè)化。
【附圖說明】
[0045] 圖1為本發(fā)明的系統(tǒng)結(jié)構(gòu)示意圖；
[0046] 圖2為本發(fā)明的系統(tǒng)硬件結(jié)構(gòu)示意圖；
[0047] 其中，1為工控機(jī)，2為數(shù)據(jù)采集電路板，3為多個(gè)視覺測(cè)量單元組成的陣列，4為固 化算法的專用電路板，5為相機(jī)；
[0048] 圖3為本發(fā)明的視覺測(cè)量單元算法結(jié)構(gòu)示意圖；
[0049] 圖4a為本發(fā)明實(shí)施實(shí)例的視覺測(cè)量單元的陣列分布俯視圖；
[0050] 圖4b為本發(fā)明實(shí)施實(shí)例的視覺測(cè)量單元的陣列分布右視圖；
[0051] 圖5為本發(fā)明實(shí)施實(shí)例的視覺測(cè)量單元定向敏感的圖像采集示意圖。
【具體實(shí)施方式】
[0052] 下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明。
[0053] 本發(fā)明的原理是受昆蟲復(fù)眼特性的啟發(fā)。蜜蜂等具有復(fù)眼結(jié)構(gòu)的昆蟲具有梅人的 自主導(dǎo)航能力和運(yùn)動(dòng)敏感性，如蜜蜂飛行4. 5X105km卻不會(huì)迷路，對(duì)移動(dòng)目標(biāo)的反應(yīng)時(shí)間 僅為0.01s。生物神經(jīng)學(xué)家Wehner等人對(duì)蒼禍等昆蟲復(fù)眼（CompoundEye)的研究成果表 明，該種復(fù)眼屬于陣列式結(jié)構(gòu)，由數(shù)目不等的小眼依次排列組成，其視覺系統(tǒng)分為視網(wǎng)膜層 和中樞神經(jīng)層，其中視網(wǎng)膜層由許多面向不同方向的視神經(jīng)感桿組成，每個(gè)視神經(jīng)感桿由8 個(gè)單向垂直交叉的感光器（Photoreceptor)組成，而且該些感光器僅對(duì)與其同向的偏振光 (PolarizedLi曲t)敏感。該就在視網(wǎng)膜上形成了一個(gè)偏振敏感陣列，最后由中樞神經(jīng)進(jìn) 行處理，從而為昆蟲帶來了全向快速的運(yùn)動(dòng)感知能力。根據(jù)昆蟲復(fù)眼視覺系統(tǒng)的結(jié)構(gòu)和特 性，本發(fā)明W底層硬件并行計(jì)算、視覺單元單向敏感和集中處理的思想作為框架，建立故障 診斷和陣列重構(gòu)機(jī)制，W計(jì)算機(jī)視覺理論為基礎(chǔ)，形成一種新的高速魯棒視覺里程計(jì)方法。
[0054]本發(fā)明是一種陣列式高速魯棒H維視覺里程計(jì)，：主要貢獻(xiàn)（創(chuàng)新）有W下四個(gè) 方面（1)由多個(gè)算法硬件化高速測(cè)量單元組成的陣列，各個(gè)測(cè)量單元W小尺寸圖像作為輸 入，并行計(jì)算，獨(dú)立輸出，實(shí)現(xiàn)高速的視覺處理過程；（2)如圖5所示，根據(jù)昆蟲復(fù)眼偏振敏 感的特點(diǎn)，在本發(fā)明中的高速視覺測(cè)量單元設(shè)計(jì)中，將測(cè)量單元陣列分布，通過設(shè)置圖像的 不同長(zhǎng)寬比和提取的特征點(diǎn)在圖像中均勻分布，使每個(gè)視覺測(cè)量單元對(duì)某一方向上的機(jī)器 人姿態(tài)和位置參數(shù)變化估計(jì)具有很高的精度，從而實(shí)現(xiàn)測(cè)量單元的定向敏感性；（3)通過 多個(gè)測(cè)量單元間的數(shù)據(jù)融合，實(shí)現(xiàn)機(jī)器人全部姿態(tài)和位置變化參數(shù)的精確估計(jì)，有效解決 了小尺寸圖像對(duì)單一視覺測(cè)量單元精度的影響，保證了高速視覺里程計(jì)方法的終端輸出精 度；（4)在本發(fā)明中，多個(gè)視覺測(cè)量單元組成的陣列為提高視覺里程計(jì)方法的魯棒性提供 了硬件實(shí)現(xiàn)條件，在此基礎(chǔ)上，我們?cè)跍y(cè)量單元數(shù)據(jù)采集過程中，將引入故障診斷和陣列重 構(gòu)的機(jī)制，W保證高速視覺里程計(jì)方法的底層數(shù)據(jù)輸出有效性，從而實(shí)現(xiàn)方法的魯棒性。
[00巧]如圖1所示，本實(shí)施例包括H個(gè)部分；（1)由8個(gè)高速視覺測(cè)量單元組成圓周陣 列，各測(cè)量單元并行計(jì)算、獨(dú)立輸出；（2)陣列數(shù)據(jù)集中采集，在數(shù)據(jù)采集過程中對(duì)各測(cè)量 單元進(jìn)行輸出數(shù)據(jù)校驗(yàn)和故障診斷，并關(guān)閉失效的測(cè)量單元數(shù)據(jù)通道，進(jìn)行陣列分布重構(gòu)； (3)對(duì)各測(cè)量單元的進(jìn)行數(shù)據(jù)融合，并反饋陣列信息，對(duì)陣列信息進(jìn)行校正。具體為：
[0056] (1) 8個(gè)高速視覺測(cè)量單元組成的圓周陣列。
[0057] 本實(shí)施例中，視覺里程計(jì)的高速視覺測(cè)量單元陣列分布俯視及右視圖如圖4所 示，可實(shí)現(xiàn)實(shí)時(shí)精確估計(jì)機(jī)器人本體6個(gè)自由度的姿態(tài)參數(shù)變化和空間H維位置變化。該 樣的陣列設(shè)計(jì)來源于我們從昆蟲復(fù)眼結(jié)構(gòu)獲得的啟發(fā)。與昆蟲小眼類似，每個(gè)測(cè)量單元偏 重于某一姿態(tài)參數(shù)的精度，因此，該樣的設(shè)計(jì)非常有利于提高數(shù)據(jù)融合的精度。同時(shí)該樣 做的另一個(gè)好處是可在圓也建立一個(gè)平面坐標(biāo)系，僅由半徑rW及各測(cè)量單元和圓也的連 線與坐標(biāo)軸所成的夾角0兩個(gè)參數(shù)，就可W表示各個(gè)測(cè)量單元的平面坐標(biāo)（即陣列分布 信息)，該樣陣列分布信息的重構(gòu)和校正過程就變成了對(duì)兩個(gè)參數(shù)的調(diào)整過程，十分簡(jiǎn)單方 便。
[0058] 每個(gè)高速視覺測(cè)量單元的硬件組成主要包括：一個(gè)高速圖像采集相機(jī)，采集的圖 像大小不大于10000像素，相機(jī)數(shù)據(jù)傳輸速率不低于2Mbps;固化算法的專用電路板。在高 速測(cè)量單元的算法方面，每個(gè)測(cè)量單元將獨(dú)立計(jì)算其圖像特征點(diǎn)的空間H維位置，通過設(shè) 置相機(jī)鏡頭方向（如圖2所示）和均勻提取特征，使其對(duì)設(shè)定方向的參數(shù)估計(jì)精確；其中每 個(gè)視覺測(cè)量單元的算法流程如圖3所示；在相機(jī)已經(jīng)標(biāo)定的條件下，在高頻圖像序列中用 Harris算子提取特征點(diǎn)，通過MNCC相關(guān)性對(duì)特征點(diǎn)進(jìn)行跟蹤；然后根據(jù)相機(jī)標(biāo)定后得到的 基礎(chǔ)矩陣和本質(zhì)矩陣來計(jì)算相機(jī)的旋轉(zhuǎn)矩陣R和平移向量T;最后利用結(jié)合特征點(diǎn)跟蹤的 結(jié)果進(jìn)行特征點(diǎn)的H維重建。
[0059] 通過3峽圖像來優(yōu)化計(jì)算圖像中的特征點(diǎn)空間H維位置，計(jì)算過程實(shí)際上是H個(gè) H角測(cè)量值的最小二乘加權(quán)平均，算法復(fù)雜度很低；根據(jù)測(cè)量單元的陣列分布位置，為每一 個(gè)測(cè)量單元設(shè)置相應(yīng)的精度加權(quán)系數(shù)，加權(quán)系數(shù)將隨陣列分布校正或重構(gòu)同步進(jìn)行校正和 重置，并與特征點(diǎn)的H維空間位置信息一起