双目立体视觉栅格地图构建方法

本文基于立体视觉定位技术,提出了基于双目立体视觉的栅格地图构建方法,用以解决目前视觉SLAM技术构建的稀疏特征地图难以直接用于自主导航的问题。本文提出的方法仅以视觉信息作为输入实时完成移动机器人自定位与外界环境栅格地图的构建。首先采用双目立体视觉定位获取机器人运动参数,利用稠密匹配估算空间点云分布,在考虑机器人实际高度的情况下将三维点云投影成二维数据,最后通过二值贝叶斯滤波器在线构建栅格地图。本文所构建的栅格地图包含环境几何信息,可直接应用于机器人路径规划与导航。实验结果验证了本文所以出的定位与地图构建方法的可行性。     

基于虚拟高度投影线的三维重建及误差补偿

针对传统三维重建方法计算复杂度高的问题,提出一种基于虚拟高度投影线的三维重建方法。该方法将场景栅格化,在栅格中引入虚拟高度线,把虚拟高度线投影到二维图像上形成投影线,并在投影线上找到对应点得到三维场景信息,以反映场景的真实信息。分析引起误差的主要来源,针对误差来源结合摄像机内外参数提出补偿方法。通过实验验证了该方法的有效性。     

基于遗传算法的多机器人协作建图方法*

现有多机器人协作构建地图的方法对环境和机器人位置信息有着较高要求,因而在实际应用中存在一定局限性。针对这一问题,提出了一种基于遗传算法的改进方法。该方法采用独立探索、集中建图的探索策略,对环境建立局部栅格地图并予以融合。在地图融合过程中,无须考虑机器人位置信息,而是以栅格地图相似度为度量标准,利用改进的遗传算法快速、高效地搜索各局部地图之间的最大重叠部分,进而予以融合。实验结果验证了该方法的可行性和有效性。     

基于地面视差分布的栅格地图建立方法

针对使用立体视觉建立环境地图方法存在信息不完整的问题,提出一种基于地面视差分布的栅格地图建立方法。利用地面视差分布在视差图中进行障碍物和地面点的检测,通过统一但参数值不同的投影模型将障碍物像素和地面点像素投影到栅格地图中,同时考虑立体视觉的量化和匹配误差、地面视差和栅格占据概率的空间分布。通过在非结构化环境中的实验表明,该方法可以实时地建立信息完整且准确的栅格地图。     

基于视差平面分割的移动机器人障碍物地图构建方法

作为自主移动机器人地表障碍物探测（GPOD）技术的一部分,提出了一种利用双目摄像机的视差图像 获取信息来构建机器人前方障碍物栅格地图的方法. 该方法融合了3 维立体视觉技术以及2 维图像处理技术,前者 依据视差图的直方图信息对视差图像进行自适应平面分割,把每个平面看作是3 维场景中的实物切片进而提取障碍 物3 维信息,后者通过计算各平面上的障碍物信息曲线来提取障碍物信息,把立体视觉数据从视差图像空间变换到 2 维的障碍物地图空间. 给出了该方法构建障碍物地图的整体过程,试验结果证明了该算法的有效性和精确性.     

基于视觉注意的移动机器人环境3D建模

人类的视觉注意具有高度的选择性.模仿这些机制可以使得机器人对其周围环境建模更具高效、智能和鲁棒特性.本文采用视觉注意提出了一种移动机器人环境3D建模方法.该方法采用障碍物距离势函数的变化率作为显著度的度量函数,利用移动机器人提取到的场景中的特征点并结合快速均值漂移算法,实现了移动机器人周围环境中物体显著性检测,并以其为栅格先验模型,结合传感器模型、投影方法采用贝叶斯估计方法构建了环境的栅格模型.建立的模型在室内和室外环境进行了实验验证和性能评估.     

基于点线相合的机器人增量式地图构建

提出基于测量数据点和已构建地图线的最佳相合性增量式构建未知环境地图的方法,将机器人地图构建过程分解为局部地图构建、机器人位姿估计和地图合并3个循环步骤,在局部地图构建中,采用哈夫变换拟合、同线性判断和最小二乘拟合相结合的方法从测量数据点中拟合得到局部线段集合,在位姿估计时,首先利用点线匹配寻找测量数据和已构建地图之间的匹配关系,然后通过去除不当匹配和引入加权矩阵来减小测量误差和已构建地图中的不确定性对位姿估计的影响,最后利用加权最小二乘法估计机器人的位姿,使得匹配部分达到最佳相合,同时提出虚拟线和虚拟点的方法解决由伪相合条件所引起的错误位姿估计问题,实验结果证明了算法的有效性和鲁棒性,适于构建室内环境地图。     

温室移动机器人复合栅格地图构建方法研究

针对温室环境中机器人依靠自身携带的传感器无法获取全面的环境信息,从而常导致路径规划错误的问题,提出了一种结合外部传感器系统获取温室环境信息,构建复合栅格地图的方法。首先,利用无线传感器网络定时采集对机器人通过性有影响的温度、湿度环境信息,并发送给机器人;其次,当温度或湿度数据的变化率达到设定阈值时,机器人利用阈值分割和插值法分别建立温度和湿度栅格地图;最后,将温度栅格地图、湿度栅格地图和室内障碍物物栅格地图相结合,构建动态更新的复合栅格地图。经测试,采用常规A*算法规划路径时,基于环境数据变化率阈值设定为±10%的复合栅格地图的成功率和完成时间,分别是基于普通栅格地图成功率的2.5倍,和1.05倍。结果表明,复合栅格地图能提高路径规划的成功率,并且不会由于动态更新复合栅格地图,导致机器人响应时间明显增加,实时性能满足系统的实际需求。     

多机器人地图融合方法研究

多机器人建图是实现机器人自主导航,完成复杂智能任务的关键.其中如何将不同机器人采集的数据融合到全局地图中,成了多机器人建图中的一个核心问题.文中采用独立探索、集中建图的探索策略,提出一种基于改进差异进化算法的多机器人概率栅格地图的融合.该算法在地图相似度的概念基础上,建立相异度函数,利用改进的进化算法搜索策略快速地搜索各局部地图之间的最大重叠部分,实现了多机器人系统栅格地图的融合,有效的解决了相对位置未知情况下的地图创建问题.通过实验验证了该方法正确、可行.     

基于机器人服务任务导向的室内未知环境地图构建

针对室内移动机器人的服务任务,提出一种包括全局语义层、区域规划层、局部空间层的3 级室内环 境地图,使机器人不仅掌握面向导航的环境平面结构,而且还了解局部复杂空间的3 维栅格地图及描述房间和物品 功能及关联、归属关系的语义信息．首先,机器人依据视觉获得的深度信息及QR 码标签提供的物品操作功能信息 进行3 维栅格地图和物品功能图的构建,形成局域层空间描述．其次,基于贝叶斯估计算法构建区域层的2 维栅格 地图,同时形成无向加权图,构成区域规划层．最后,基于谱聚类算法构建具有房间分割功能的拓扑地图,结合物 品功能图,获得房间功能及房间之间关联关系、物品与房间归属关系等的语义信息,形成全局语义拓扑地图．仿真 试验表明,环境地图的3 级结构适用于室内机器人的服务任务,可以理解人的语义命令,生成合理的服务路径,并 确保机器人在复杂环境中安全运行．     

An active trinocular vision system of sensing indoor navigation environment for mobile robots

Intelligent autonomous mobile robots must be able to sense and recognize 3D indoor space where they live or work. However, robots are frequently situated in cluttered environments with various objects hard to be robustly perceived. Although the monocular and binocular vision sensors have been widely used for mobile robots, they suffer from image intensity variations, insufficient feature information and correspondence problems. In this paper, we propose a new 3D sensing system, in which the laser-structured-lighting method is basically utilized because of the robustness on the nature of the navigation environment and the easy extraction of feature information of interest. The proposed active trinocular vision system is composed of the flexible multi-stripe laser projector and two cameras arranged with a triangular shape. By modeling the laser projector as a virtual camera and using the trinocular epipolar constraints, the matching pairs of line features observed into two real camera images are established, and 3D information from one-shot image can be extracted on the patterned scene. For robust feature matching, here we propose a new correspondence matching technique based on line grouping and probabilistic voting. Finally, a series of experimental tests is performed to show the simplicity, efficiency, and accuracy of this proposed sensor system for 3D environment sensing and recognition.     

利用立体视觉的室内场景分类

场景分类的目标是为各种视觉处理任务建立语义上下文,尤其是为目标识别。双目视觉系统现已广泛配备在智能机器人上,然而场景分类的任务大多只是使用单目图像。由于室内场景的复杂性,使用单目图像进行场景分类的性能很低。提出了一种基于双目视觉的室内场景分类方法,使用在一些特定区域里拟合出的若干平面的参数作为场景的特征。采用层级的分类方法,依据视差图,场景被分为开放场所类和封闭场所类,利用提出的场景特征和Gist特征对上述两类进行细分。为了验证提出的方法,建立了一个包含四种场景类别的图像数据集。实验结果表明提出的方法取得了较好的分类性能。     

A Bioinspired Neural Network for Real-Time Concurrent Map Building and Complete Coverage Robot Navigation in Unknown Environments

Complete coverage navigation (CCN) requires a special type of robot path planning, where the robots should pass every part of the workspace. CCN is an essential issue for cleaning robots and many other robotic applications. When robots work in unknown environments, map building is required for the robots to effectively cover the complete workspace. Real-time concurrent map building and complete coverage robot navigation are desirable for efficient performance in many applications. In this paper, a novel neural-dynamics-based approach is proposed for real-time map building and CCN of autoxnomous mobile robots in a completely unknown environment. The proposed model is compared with a triangular-cell-map-based complete coverage path planning method (Oh , 2004) that combines distance transform path planning, wall-following algorithm, and template-based technique. The proposed method does not need any templates, even in unknown environments. A local map composed of square or rectangular cells is created through the neural dynamics during the CCN with limited sensory information. From the measured sensory information, a map of the robot's immediate limited surroundings is dynamically built for the robot navigation. In addition, square and rectangular cell map representations are proposed for real-time map building and CCN. Comparison studies of the proposed approach with the triangular-cell-map-based complete coverage path planning approach show that the proposed method is capable of planning more reasonable and shorter collision-free complete coverage paths in unknown environments.      

人眼立体视觉空间与虚拟三维空间的几何映射关系理论分析

虚拟三维空间是现实世界的数字化三维空间,而人眼立体视觉空间则是人眼视觉系统对于现实世界或虚拟世界所形成的三维立体构象。传统上人眼直接观察现实世界,确立了人眼立体视觉空间与现实世界之间的几何对应关系。而人眼立体视觉空间与虚拟三维空间是否也存在对应的几何关系？以人眼立体视觉和虚拟三维场景为研究对象,根据双目视差原理,论述了人眼立体视觉的几何模型及视觉三维模型的表示形式。通过分析虚拟空间三维点元、屏幕视差及网膜视差等三者之间的内在几何关系,利用矩阵代数建立了虚拟空间与视觉空间之间的几何映射关系。这一映射关系表明视觉三维模型与虚拟三维模型之间存在一一对应关系,也反映了人眼视觉系统在虚拟空间中的可测量性质。本文创新性之处在于得到了视觉三维模型的完整表示,突破了传统上立体显示的定性感知,提供了定量分析的基础。这一工作对于在虚拟空间中的立体体验、虚拟交互以及立体测量等实践活动具有一定理论参考价值。     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

基于栅格模型的双目移动机器人三维场景重建

以投影几何学以及双目立体视觉原理为理论基础,对移动机器人的三维重建技术进行研究,对移动机器人漫道过程中所在的兴趣区域的场景进行较为精确的建模.设计了机器人的快速建模方法,利用迭代最近点算法(ICP),完成了多个局部三维场景模型的融合.同时,结合栅格投射理论,完成了对全局三维场景模型的更新.利用栅格模型重建的三维场景,具有环境信息丰富,模型描述精确的特点,可以应用于移动机器人导航领域.     

移动机器人基于激光测距和单目视觉的室内同时定位和地图构建

该文研究了部分结构化室内环境中自主移动机器人同时定位和地图构建问题.基于激光和视觉传感器模型的不同,加权最小二乘拟合方法和非局部最大抑制算法被分别用于提取二维水平环境特征和垂直物体边缘.为完成移动机器人在缺少先验地图支持的室内环境中的自主导航任务,该文提出了同时进行扩展卡尔曼滤波定位和构建具有不确定性描述的二维几何地图的具体方法.通过对于SmartROB-2移动机器人平台所获得的实验结果和数据的分析讨论,论证了所提出方法的有效性和实用性.     

基于生物认知的移动机器人路径规划方法

针对移动机器人在非结构环境下的导航任务,受哺乳动物空间认知方式的启发,提出一种基于生物认知进行移动机器人路径规划的方法．结合认知地图特性,模拟海马体的情景记忆形成机理,构建封装了场景感知、状态神经元及位姿感知相关信息的情景认知地图,实现了机器人对环境的认知．基于情景认知地图,以最小事件距离为准则,提出事件序列规划算法用于实时导航过程．实验结果表明,该控制算法能使机器人根据不同任务选择最佳规划路径．     

基于建筑特征及二维地图的复杂城市场景中移动机器人视觉定位算法

针对城市环境中全球定位系统(GPS)信号易受到高层建筑遮挡而无法提供准确位置信息的问题,提出了一种基于建筑物竖直侧平面特征及建筑物二维轮廓地图的移动机器人定位方法。该方法利用车载视觉,首先对两视图间的竖直直线特征进行匹配;然后基于匹配的竖直线特征对建筑物的竖直侧平面进行重建;最后,利用建筑物竖直侧平面特征及建筑物二维俯视轮廓地图,设计了一种基于随机采样一致性(RANSAC)的移动机器人视觉定位算法,从而解决了在建筑物方向任意的复杂城市环境中的机器人定位问题。实验结果表明,算法的平均定位误差约为3.6m,可以有效地提高移动机器人在复杂城市环境中自主定位的精度及鲁棒性。     

室内非结构化环境三维栅格语义地图的构建

针对室内复杂的非结构化环境和机器人动态变化的服务任务,提出基于快速识读码(QR code)技术的室内环境空间认知手段。在双目视觉获得深度信息的前提下,基于DSmT证据理论构建信息不确定数学模型,形成描述体素占有/空闲概率的三维栅格地图。在构建三维地图的同时,利用粘贴在大物品上的基于QR code技术的人工物标,为环境中的大物品添加语义标签,并基于大物品的尺寸更新对应的体素占空值,形成含大物品功能属性和归属关系描述的三维栅格语义地图。通过实验与其它信息融合算法进行对比,并对人工物标的识读准确性进行分析,证明该方法的有效性和可行性。