基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法
【專利摘要】本發(fā)明公開(kāi)了一種基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，包括智能機(jī)器人等裝置：智能機(jī)器人的攝像頭將實(shí)時(shí)采集的圖像信息傳輸?shù)轿⑻幚砥?，微處理器通過(guò)內(nèi)置轉(zhuǎn)向角度計(jì)算方法對(duì)機(jī)器人進(jìn)行轉(zhuǎn)向角度的計(jì)算；基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法包括以下步驟：①設(shè)定轉(zhuǎn)向角度閾值；②根據(jù)SURF算法獲取特征點(diǎn)；③將特征點(diǎn)進(jìn)行匹配，獲取匹配特征點(diǎn)；④求取匹配特征點(diǎn)之間水平移動(dòng)的距離；⑤計(jì)算轉(zhuǎn)向角度，將計(jì)算的角度與轉(zhuǎn)向角度閾值比較，若達(dá)到閾值范圍，就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，就進(jìn)行下一步驟；⑥提取新的圖像，重復(fù)步驟③至步驟⑤；⑦將每次計(jì)算的角度值相互累加，再與轉(zhuǎn)向角度閾值進(jìn)行比較。
【專利說(shuō)明】基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域與自動(dòng)設(shè)備領(lǐng)域，尤其是一種能夠根據(jù)環(huán)境圖像信息、 基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制的自動(dòng)行走設(shè)備。

【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)和人工智能技術(shù)的不斷進(jìn)步，類似于智能機(jī)器人的自動(dòng)行走設(shè)備 已經(jīng)開(kāi)始慢慢的走進(jìn)人們的生活。
[0003] 現(xiàn)有的智能機(jī)器人，僅依靠先驗(yàn)知識(shí)、自繪電子地圖以及傳感器進(jìn)行行走避障，其 簡(jiǎn)單的轉(zhuǎn)彎和避障動(dòng)作，缺乏自我的運(yùn)動(dòng)狀態(tài)檢測(cè)能力，存在一定的風(fēng)險(xiǎn)性，容易被困死 區(qū)，很難適應(yīng)于各種復(fù)雜的環(huán)境。復(fù)雜的環(huán)境需要更加智能的動(dòng)作加以配合，因而轉(zhuǎn)向控制 和角度反饋?zhàn)兊糜葹橹匾Ｈ绻贿M(jìn)行角度信息反饋，其開(kāi)環(huán)的運(yùn)動(dòng)，容易產(chǎn)生偏差。傳統(tǒng) 的光電編碼器由于在運(yùn)動(dòng)時(shí)容易打滑存在一定誤差，而電子羅盤由于機(jī)器人本生電機(jī)磁場(chǎng) 和周圍地磁線的干擾不能工作。
[0004] 基于視覺(jué)特征點(diǎn)的轉(zhuǎn)彎角度控制方法，利用反饋的轉(zhuǎn)向角度信息對(duì)智能機(jī)器人的 轉(zhuǎn)向角度進(jìn)行糾正，使其能夠更加準(zhǔn)確的控制路徑規(guī)劃、避障時(shí)轉(zhuǎn)向的角度。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問(wèn)題是提供一種基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法。
[0006] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供一種基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法， 包括智能機(jī)器人，所述的智能機(jī)器人內(nèi)部設(shè)置進(jìn)行集中控制的微處理器，所述的智能機(jī)器 人前端設(shè)置進(jìn)行圖像采集的攝像頭；所述的微處理器分別與攝像頭和智能機(jī)器人的運(yùn)動(dòng)控 制系統(tǒng)信號(hào)連接；所述攝像頭將實(shí)時(shí)采集的圖像信息傳輸?shù)轿⑻幚砥?，所述微處理器通過(guò) 內(nèi)置轉(zhuǎn)向角度計(jì)算方法對(duì)機(jī)器人進(jìn)行轉(zhuǎn)向角度的計(jì)算；所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度 控制方法包括以下步驟：①根據(jù)需要設(shè)定一個(gè)轉(zhuǎn)向角度閾值；②采集連續(xù)兩幀圖像，并根 據(jù)SURF算法對(duì)兩幀圖像進(jìn)行特征點(diǎn)檢測(cè)，獲取兩幀圖像的特征點(diǎn)；③選擇兩幀圖像的特征 點(diǎn)進(jìn)行匹配，獲取匹配特征點(diǎn)；④繪制匹配特征點(diǎn)，并且求取匹配特征點(diǎn)之間水平移動(dòng)的距 離；⑤利用轉(zhuǎn)向角度計(jì)算公式計(jì)算轉(zhuǎn)向角度，將計(jì)算的角度與轉(zhuǎn)向角度閾值比較，若達(dá)到閾 值范圍，就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，就進(jìn)行下一步驟；⑥提取下一幀圖像與前一幀圖像， 并重復(fù)步驟③至步驟⑤的過(guò)程；⑦將步驟⑥中每次計(jì)算的角度值相互累加后，再與轉(zhuǎn)向角 度閾值進(jìn)行比較，若達(dá)到閾值范圍，就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，轉(zhuǎn)到步驟⑥，直到角度相 加的值達(dá)到事先設(shè)定的閾值。
[0007] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的改進(jìn)：在步驟①中， 所述的轉(zhuǎn)向角度閾值根據(jù)不同智能機(jī)器人的工作需要進(jìn)行設(shè)定。
[0008] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的進(jìn)一步改進(jìn)：在步驟 ②中，所述的SURF算法通過(guò)如下步驟實(shí)現(xiàn)：首先、選擇連續(xù)兩幀圖像內(nèi)不同大小的盒子型 濾波器建立圖像的尺度空間；其次、使用Hession矩陣檢測(cè)出各層圖像上的極值點(diǎn)；最后、 對(duì)與極值點(diǎn)相相鄰的26個(gè)像素點(diǎn)進(jìn)行比較，獲取極大值點(diǎn)和極小值點(diǎn)，并對(duì)極大值點(diǎn)和極 小值點(diǎn)精確定位后獲取穩(wěn)定的特征點(diǎn)。
[0009] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的進(jìn)一步改進(jìn)：26個(gè) 像素點(diǎn)為極值點(diǎn)同層相鄰的8個(gè)像素點(diǎn)、極值點(diǎn)上層的9個(gè)像素點(diǎn)以及極值點(diǎn)下層的9個(gè) 像素點(diǎn)。
[0010] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的進(jìn)一步改進(jìn)：在步驟 ③ 中，匹配特征點(diǎn)的選擇步驟如下：首先、選取兩幀圖像中心區(qū)域的特征點(diǎn)進(jìn)行歐氏距離計(jì) 算；其次、選擇其中一幀圖像中的一個(gè)特征點(diǎn)，計(jì)算該特征點(diǎn)到另一幀圖像中心區(qū)域所有特 征點(diǎn)之間的歐氏距離，當(dāng)該特征點(diǎn)的最近歐氏距離和次近距離小于0. 6時(shí)，確定該點(diǎn)為匹 配特征點(diǎn)；最后、確定中心區(qū)域中所有的匹配特征點(diǎn)。
[0011] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的進(jìn)一步改進(jìn)：在步驟 ④ 中，將步驟③的匹配特征點(diǎn)所求的最小歐氏距離從小到大排序；取距離的中位數(shù)作為圖 像水平移動(dòng)的距離，即匹配特征點(diǎn)視角在橫坐標(biāo)X上的移動(dòng)偏差d x。
[0012] 作為對(duì)本發(fā)明所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法的進(jìn)一步改進(jìn)：在步驟 ⑤ 中，通過(guò)線性算法公式

【權(quán)利要求】
1. 一種基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，包括智能機(jī)器人（I)，所述的智能機(jī)器 人（1)內(nèi)部設(shè)置進(jìn)行集中控制的微處理器（2)，所述的智能機(jī)器人前端設(shè)置進(jìn)行圖像采集 的攝像頭⑶；所述的微處理器⑵分別與攝像頭⑶和智能機(jī)器人⑴的運(yùn)動(dòng)控制系統(tǒng) 信號(hào)連接；其特征是：所述攝像頭（3)將實(shí)時(shí)采集的圖像信息傳輸?shù)轿⑻幚砥鳎?)，所述微 處理器（2)通過(guò)內(nèi)置轉(zhuǎn)向角度計(jì)算方法對(duì)機(jī)器人進(jìn)行轉(zhuǎn)向角度的計(jì)算； 所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法包括以下步驟： ① 根據(jù)需要設(shè)定一個(gè)轉(zhuǎn)向角度閾值； ② 采集連續(xù)兩幀圖像，并根據(jù)SURF算法對(duì)兩幀圖像進(jìn)行特征點(diǎn)檢測(cè)，獲取兩幀圖像的 特征點(diǎn)； ③ 選擇兩幀圖像的特征點(diǎn)進(jìn)行匹配，獲取匹配特征點(diǎn)； ④ 繪制匹配特征點(diǎn)，并且求取匹配特征點(diǎn)之間水平移動(dòng)的距離； ⑤ 利用轉(zhuǎn)向角度計(jì)算公式計(jì)算轉(zhuǎn)向角度，將計(jì)算的角度與轉(zhuǎn)向角度閾值比較，若達(dá)到 閾值范圍，就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，就進(jìn)行下一步驟； ⑥ 提取下一幀圖像與前一幀圖像，并重復(fù)步驟③至步驟⑤的過(guò)程； ⑦ 將步驟⑥中每次計(jì)算的角度值相互累加后，再與轉(zhuǎn)向角度閾值進(jìn)行比較，若達(dá)到閾 值范圍，就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，轉(zhuǎn)到步驟⑥，直到角度相加的值達(dá)到事先設(shè)定的閾 值。
2. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟① 中，所述的轉(zhuǎn)向角度閾值根據(jù)不同智能機(jī)器人的工作需要進(jìn)行設(shè)定。
3. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟② 中，所述的SURF算法通過(guò)如下步驟實(shí)現(xiàn)： 首先、選擇連續(xù)兩幀圖像內(nèi)不同大小的盒子型濾波器建立圖像的尺度空間； 其次、使用Hession矩陣檢測(cè)出各層圖像上的極值點(diǎn)； 最后、對(duì)與極值點(diǎn)相相鄰的26個(gè)像素點(diǎn)進(jìn)行比較，獲取極大值點(diǎn)和極小值點(diǎn)，并對(duì)極 大值點(diǎn)和極小值點(diǎn)精確定位后獲取穩(wěn)定的特征點(diǎn)。
4. 根據(jù)權(quán)利要求3所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：26個(gè)像素 點(diǎn)為極值點(diǎn)同層相鄰的8個(gè)像素點(diǎn)、極值點(diǎn)上層的9個(gè)像素點(diǎn)以及極值點(diǎn)下層的9個(gè)像素 點(diǎn)。
5. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟③ 中，匹配特征點(diǎn)的選擇步驟如下： 首先、選取兩幀圖像中心區(qū)域的特征點(diǎn)進(jìn)行歐氏距離計(jì)算； 其次、選擇其中一幀圖像中的一個(gè)特征點(diǎn)，計(jì)算該特征點(diǎn)到另一幀圖像中心區(qū)域所有 特征點(diǎn)之間的歐氏距離，當(dāng)該特征點(diǎn)的最近歐氏距離和次近距離小于〇. 6時(shí)，確定該點(diǎn)為 匹配特征點(diǎn)； 最后、確定中心區(qū)域中所有的匹配特征點(diǎn)。
6. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟④ 中，將步驟③的匹配特征點(diǎn)所求的最小歐氏距離從小到大排序； 取距離的中位數(shù)作為圖像水平移動(dòng)的距離，即匹配特征點(diǎn)視角在橫坐標(biāo)X上的移動(dòng)偏 差dx。
7. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟⑤ 中，通過(guò)線性算法公式
進(jìn)行角度檢測(cè)； 式中，dx為步驟④中特征點(diǎn)視角在橫坐標(biāo)X上的移動(dòng)偏差，W為采集圖像的顯示寬度，cP為攝像頭鏡頭的視野寬度，n為修正系數(shù)。
8. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟⑥ 中，當(dāng)轉(zhuǎn)向角度還未達(dá)到步驟①設(shè)定的轉(zhuǎn)向角度閾值時(shí)，再提取下一幀的圖像，對(duì)下一幀圖 像進(jìn)行特征點(diǎn)的提取，并將下一幀圖像與其上一幀圖像進(jìn)行匹配特征點(diǎn)的提取，再進(jìn)行匹 配特征點(diǎn)水平移動(dòng)距離的計(jì)算，最后再計(jì)算這兩幀圖像的轉(zhuǎn)向角度。
9. 根據(jù)權(quán)利要求1所述的基于視覺(jué)特征點(diǎn)的轉(zhuǎn)向角度控制方法，其特征是：在步驟⑦ 中，將每次計(jì)算的轉(zhuǎn)向角度相加，再與轉(zhuǎn)向角度閾值進(jìn)行比較，若達(dá)到閾值范圍，智能機(jī)器 人就停止轉(zhuǎn)向，若還沒(méi)達(dá)到閾值，智能機(jī)器人繼續(xù)轉(zhuǎn)向，直到轉(zhuǎn)向角度達(dá)到事先設(shè)定的閾 值。
【文檔編號(hào)】G06K9/46GK104268551SQ201410512457
【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年9月29日 優(yōu)先權(quán)日:2014年9月29日
【發(fā)明者】杜慧江, 陸溪, 劉瑜, 胡軒, 章思恩 申請(qǐng)人:浙江理工大學(xué)