视觉里程计在移动机器人中的应用Word格式文档下载.docx

视觉里程计在移动机器人中的应用Word格式文档下载.docx

《视觉里程计在移动机器人中的应用Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《视觉里程计在移动机器人中的应用Word格式文档下载.docx（64页珍藏版）》请在冰豆网上搜索。

近年来，随着计算机视觉技术的发展，其在机器人定位领域的使用得到不断深化。

通过对单摄像机得到的图像序列进行计算的视觉里程计技术可以作为传统里程计的重要补充，获得更为精确的定位信息。

本文提出了一种单目视觉里程计的实现方法。

该视觉里程计的实现利用固定在机器人车体上的单个摄像机完成。

首先，通过实验，比较了Harris（强角点）和SIFT（尺度不变特征变换）提取及匹配算法，并采用SIFT方法来提取相邻图像帧间的特征点匹配点对。

再讨论了摄像机标定的相关原理和实现方法，使用张正友标定方法将图像坐标系与世界坐标系关联，并得到摄像机参数。

最后介绍了单目视觉里程计的实现思想及基本矩阵、本质矩阵的相关内容，阐述了根据坐标变换求解相邻图像帧间的坐标系变换关系，获得机器人车体的移动距离和旋转角度的方法。

关键词：

移动机器人；

定位；

视觉里程计；

单目视觉

VisualOdometryforMobileRobot

Abstract

Author：

LinZhenfeiTutor：

GaoYuan

TheabilitiesoflocalizationandmappingareveryimportantforRobotautonomousnavigationinunknownenvironment.LocalizationisthebasisforMobileRobotsnavigation.Odometermethodisthemostcommonmethodformobilerobotnavigation.Recently,withthedevelopmentofcomputervision,visionbasedlocalizationtechniquesofMobileRobotsaredevelopingrapidly.VisualOdometerfromseriesimageframeshasbeendescribedasanimportantassistantofconventionalodometertoobtainmoreaccurateresultofnavigationandlocalization.

Inthispaper,therealizationofaMonocularvisionodometerisproposed.ItneedsonlyonecamerawhichmountedontheMobileRobot.Firstly,throughtheexperiment,comparedwithHarrisandSIFTextractionandmatchingalgorithms,weadoptSIFTalgorithmtoextractmatchingpointpairsbetweentheseriesimageframes.Then,theprinciplesandimplementationmethodsofcalibrationhadbeendiscussed.ThroughtheZhangcalibrationmethod,weobtaintherelationshipofcoordinatesystembetweenimageandrealworld,figureoutthecameraparameters.Finally,therealizationideas,theFundamentalmatrixandtheEssentialmatrixofmonocularvisualodometerwereintroduced,weelaboratethesolutionofcoordinatetransformationbetweentheserieseimageframes,accesstheestimationofthedistanceandrotationanglesoftherobotbody.

Keywords:

mobilerobot;

location;

VisualOdometry;

Monocularvision;

第V

目 录

1绪论 1

1.1研究的背景及意义 1

1.2国内外研究现状 2

1.3本文主要工作 4

2图像特征点的提取与匹配 6

2.1数字图像的基本概念 6

2.1.1图像颜色模式 6

2.1.2数字图像表示 6

2.2特征点的提取方法概述 7

2.3Harris角点检测算法 8

2.3.1Harris角点检测算法原理 8

2.3.2Harris角点检测算法实验结果 9

2.4SIFT角点检测算法 10

2.4.1宽基线特征匹配概述 10

2.4.2图像多尺度表示 11

2.4.3SIFT角点检测算法原理 12

2.4.4SIFT角点检测算法实验结果 15

2.5特征点的匹配 17

2.5.1特征点的匹配方法概述 17

2.5.2Harris特征点匹配 18

2.5.3SIFT特征点的匹配 19

3摄像机标定技术 21

3.1摄像机标定的原理 21

3.1.1透视投影 21

3.1.2刚体变换 22

3.1.3计算机视觉中的几个坐标系及相互关系 23

3.2摄像机标定方法的分类 26

3.2.1Tsai标定方法 27

3.2.2张正友标定方法 28

4单目视觉里程计模型的建立 31

4.1关于运动图像的检测问题 31

4.2单目视觉里程计实现思想 32

4.3车体里程信息获取方法 34

4.3.1基本矩阵F 34

4.3.2本质矩阵E 34

4.3.3里程信息的获取及结果分析 35

结 论 37

致 谢 38

参考文献 39

附 录 41

附录A 摄像机标定代码 41

附录B 英文文献及中文翻译 45

第2

1 绪论

1.1研究的背景及意义

移动机器人是机器人学中的一个重要分支，早在60年代，人们就已经开始了移动机器人的研究。

其主要目标是研究在复杂环境下机器人的实时控制问题，涉及到任务规划、运动控制与导航、目标识别与定位、机器视觉、多传感器信息处理与融合以及系统集成等多项关键技术。

随着技术的发展和应用领域的不断扩展，移动机器人正朝着多功能化、智能化、大众化的方向发展[1]。

作为传感器、执行器、运动规划密切结合的活动载体，移动机器人具有广泛的应用前景和商业价值，其研究也越来越受到人们的重视。

要实现机器人的自主导航就要解决三个问题，即：

WhereamI?

WhereamIgoing?

HowshouldIgetthere?

这第一个问题就是移动机器人的自定位[2]。

只有确定了自己的位置，机器人才能够谈得上完成其它的功能。

因此机器人定位问题有着显而易见的重要性。

图1.1沙地场景行使状况

里程计法是移动机器人导航技术中最为广泛采用的定位方法。

传统里程计是基于对车轮旋转次数或角速度信息的测定来估计运行距离，但这种方式存在着很大的缺陷，特别在一些特殊环境下（如地面松软，摩擦力弱，或是颠簸） ，如图1.1。

此外，在战场环境下,GPS信号也会因为干扰等原因而变得不可靠,而工作在月表的月球车则完全没有GPS信息的辅助[3] [4]。

传统里程计就有可能出现较大偏差，甚至导致定位任务的

失败。

因此，里程计的改进也就成为研究的一个热点。

现在很多里程计的改进都是关于提高传统里程计的精度，主要通过在传统里程计的设计上加入一些误差消除的办法，或是定期纠正偏差来提高精度，去除测量错误，但特殊环境的影响还是无法去除，仅是精度的提高或是修正非线型累计误差。

随着计算机视觉技术的发展，基于视觉的机器人定位方法由于信息量大、适应范围广而受到人们的普遍重视，已经成为机器人导航技术的研究热点。

所以视觉里程计一经提出就受到广泛的关注。

视觉里程计是介于相对定位和绝对定位之间的一种辅助定位方法。

利用机器人摄像机采集到的立体序列图像，通过特征提取、特征匹配与跟踪和运动估计得出机器人自身的运动参数（即位姿（x,y,q）），由于类似于里程计的航位推算，所以这种基于图像信息的自运动估计方法被称之为视觉里程计（Visualodometry）定位技术。

与其他传感器相比，视觉里程计主要有以下优点：

1、它依靠视觉输入信息，因此不存在因编码器读数不准、传感器精度降低或惯导漂移等因素造成的误差。

2、无需场景及运动的先验信息。

3、结合车轮编码器及惯导设备定期校正误差，可获得更精确的车体定位，是传统方法的有效补充。

4、它是VSLAM（视觉同时定位与地图重建）等基于视觉的复杂导航算法的前期基础。

5、采用被动视觉传感器，信息量大，结构简单，功耗小。

1.2国内外研究现状

早在1976年，HansMoravecandDonaldGennery使用特征跟踪算法发明了“斯坦福推车”（StanfordCart）——第一架具有视觉能力而且能够自动导航的移动机器人，如图1.2。

这可以看做视觉里程计的雏形。

自那时以来，许多研究机构开始探索用更先进的视觉传感器技术去指导机器人移动。

到了19世纪80年代，Matthies在卡耐基梅隆大学继续就这一问题进行研究，并提出了视觉里程计的概念并进行了室内短距离的实验，取得了良好的效果。

视觉里程计

第4

技术主要有基于特征（feature）的离散处理方法和基于光流（opticalflow）的连续处理方法。

而对应的图像序列可以单目或双目立体序列。

早期的研究主要是基于光流场的，利用

摄像机拍摄的时间序列图像来估计光流。

当摄像机与场景目标间有相对运动时，在图像平面上所观察到的亮度模式运动称为光流，或者说物体带光学特征部位的移动投影到图像平面上就形成了光流。

根据光流可以恢复场景中物体的运动和形状参数。

1996年Amidi在卡耐基梅隆大学无人直升机项目中开发了基于光流场的视觉里程计定位导航系统。

视觉里程计利用高速的帧频和低延迟技术来估计直升机的位置信息和速度信息。

J.Campbell同样利用光流场技术，结合OpenCV计算机视觉库，采用单目摄像机得到机器人运动时在环境中的位置和方向信息。

但它的前提条件是假设地面平坦，相机相对于机器人和地面是固定的。

然而，在实际应用中，由于遮挡性、多光源、透明性和噪声等原因，使得光流场基本方程的灰度守恒假设条件达不到满足，不能求解出正确的光流场，同时大多数的光流计算方法相当复杂，计算量巨大。

因此，本文没有