基于单目视觉的移动机器人测距方法

本文针对多机器人编队过程中的跟踪控制,提出了一种跟踪机器人采用单目视觉技术获取前方被跟踪机器人距离信息的方法.该方法首先对跟踪机器人摄像机进行内参数标定,并在目标机器人背部设置视觉标记.然后系统获取目标机器人的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的目标区域,用Hu氏不变矩计算该区域形心.最后推导出单目测距算法,利用图像信息和其它参数可以计算出两机器人之间的距离.实验结果表明,所设计的单目测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.     

用于移动机器人的视觉全局定位系统研究

本文叙述了用于移动机器人自主导航定位的一种视觉全局定位系统技术．该视觉定 位系统由LED主动路标、全景视觉传感器和数据处理系统组成．本文主要介绍了为提高全景 视觉图像处理速度和环境信标识别可靠性、准确性的应用方法,并给出了实验结果．实验表 明,视觉定位是具有明显研究价值和应用前景的全局导航定位技术．     

基于超声波测距和单目视觉跟踪的移动机器人系统

在移动机器人的发展过程中,对周围环境的感知能力变得愈加重要。本论文介绍了一种新的移动机器人跟踪目标的方法,该方法结合了超声波测距和单目视觉技术,可以实现对目标物的安全跟踪。通过该方法,移动机器人不仅能够跟踪目标,还能够与目标保持设定的距离,从而提高跟踪效率。本论文详细介绍了该方法的设计和实现,并对实验结果进行了分析和讨论。实验结果表明,该方法能够有效地实现对目标的安全迅速跟踪。本论文的主要贡献在于提出了一种新的移动机器人跟踪目标的方法,为进一步提高移动机器人的感知能力和实用价值提供了参考和借鉴。     

基于单目视觉的室内移动机器人障碍检测研究

为了满足移动机器人室内实时导航的需要,在单目视觉障碍检测中引入了LVQ神经网络分类器,在HSV空间内分割图像,有效地消除了环境因素对障碍检测的影响;然后从摄像机模型几何关系出发,推导出图像坐标与机器人坐标的转换关系,实现对障碍物的快速准确定位;该方法具有准确度高和实时性强的优点,并且对环境光线变化和阴影有较强的自适应能力,实际环境中的实验结果证明了该方法的有效性.     

基于直线和单特征点的移动机器人视觉推算定位法

提出了一种基于直线和单特征点的视觉推算定位方法．将摄像机固定安装在移动机器人上,并使摄像机的方向垂直于天花板．提取天花板图像中的两条相交直线及其交点作为特征,利用直线的方向估计机器人的方位,再结合相交点的像素坐标变化量推算出机器人的位置．机器人运动过程中,用作特征的交点接近图像边缘时,更换新的交点作为特征点．室内定位实验结果验证了该方法的有效性．     

基于单目视觉的机器人Monte Carlo自定位方法

针对单目视觉机器人定位问题,提出一种基于改进的尺度不变特征变换(SIFT)的Monte Carlo自定位方法.应用改进的SIFT方法提取特征,既能保证对图像光强变化、尺度缩放、三维视角和噪声具有不变性,又能减少SIFT算法产生的特征点及其抽取和匹配的时间.在机器人移动过程中,环境特征点的观测信息和里程计信息通过粒子滤波相融合,获得了更准确的环境标志点坐标.仿真实验结果验证了该方法的有效性.     

单目视觉定位方法研究综述

根据单目视觉定位所用图像帧数不同把定位方法分为基于单帧图像的定位和基于双帧或多帧图像的定位两类。单帧图像定位常利用已知的点特征、直线特征或曲线特征与其在图像上的投影关系进行定位,其中用点特征和直线特征的定位方法简单有效而应用较多;基于双帧或多帧图像的定位方法因其操作复杂、精度不高而研究的还较少。通过对各方法的介绍和评述,为单目视觉定位问题的研究提供参考。     

基于AprilTag视觉定位的移动机器人设计

为提高移动机器人的定位可靠性与准确性,设计了一种基于AprilTag标签的视觉定位机器人。首先采用AprilTag标签作为视觉定位标志符获得视觉定位信息,其次融合视觉定位、IMU以及避障信息实现移动机器人的准确定位,再利用改进A^*算法完成路径规划,最终实现移动机器人的指定任务。实践表明,移动机器人定位可靠稳固,可满足移动机器人的机能需求。     

移动机器人前向单目视觉的建模研究

为了实现目标对象的快速、精确识别,对移动机器人前向单目视觉进行了建模.首先,给出了前向单目视觉成像模型,包括软、硬件设计,并结合目标特征属性得到目标中心在图像上的坐标;然后,通过视觉标定模型实现前向单目视觉的目标定位,得到目标对象在机器人体坐标系中的坐标;最后,利用参数估计的方法计算真实检测结果与理想检测结果的误差分布模型的参数,得到前向单目视觉的观测模型.实验结果表明,前向单目视觉模型建立精确,且实时性好.     

基于视觉的移动机器人同时定位与建图研究进展

同时定位与建图(SLAM)是实现移动机器人真正自治的必要前提, 视觉传感器由于能够提供丰富的环境信息而在SLAM研究中受到重视, 本文从视觉传感器配置方式、视觉特征提取方法、视觉SLAM实现机制、地图表示类型以及环境对视觉SLAM的影响五个方面综述基于视觉传感器的同时定位与建图研究的发展现状, 对已有的典型视觉SLAM方法进行分析和比较, 并展望了未来的发展趋势.     

一种新颖的基于两个特征点的室内移动机器人定位方法

提出了一种新颖的基于两个特征点的室内移动机器人定位方法。与已有的几何位姿估计方法或航标匹配方法不同,该方法不需要人工航标,也不需要准确的环境地图,只需一幅由传统的CCD相机拍摄的图像。从机器人接近的目标上选取相对于地面等高的两个点作为两个特征点。基于这两点建立一个目标坐标系。在相机平视且这两个特征点与相机投影中心相对于地面不是恰好等高的条件下,就可以根据这两个特征点在图像中的坐标确定机器人相对于目标坐标系的位置和运动方向。该方法非常灵活,适用范围广,可以大大简化机器人定位问题。试验结果表明这一新的方法不仅简单灵活而且具有很高的定位精度。     

基于特征点分类策略的移动机器人运动估计

为解决移动机器人视觉导航系统在进行机器人运动估计时使用传统运动估计算法计算时间较长而导致实时性较差的问题,提出了一种基于特征点分类策略的移动机器人运动估计方法。根据移动机器人视觉导航系统提供的特征点三维坐标计算出特征点与机器人的距离,从而将特征点分为远点与近点。远点对于机器人的旋转运动是敏感的,因此可用于计算移动机器人的旋转矩阵;近点对于机器人的平移运动是敏感的,因此可用于计算机器人的平移矩阵。仿真实验中,当远点与近点数为原特征点数目的30%时,基于特征点分类策略的运动估计计算精度与传统RANSAC算法相当,并能减少60%的计算时间。仿真结果表明,基于特征点分类策略的运动估计方法能在不降低计算精度的前提下有效减少计算时间,在特征点数目较多时也能很好地适应实时性要求。     

室内移动机器人的视觉定位方法研究

针对地图未知的室内环境下的定位问题,提出了一种基于特征跟踪的视觉里程计方法．利用单目摄像头提取和跟踪环境特征点集,进而根据观测模型利用扩展卡尔曼滤波算法估算出机器人的位姿．办公室环境中的定位实验证明了方法的有效性．     

基于霍夫空间模型匹配的移动机器人全局定位方法

提出了一种基于霍夫（Hough）空间模型匹配的全局定位方法．该方法将经典Hough变换引入移动机器人全局定位,利用摄像机获取外界环境的局部地图特征,与给定环境模型（全局地图）在Hough空间进行匹配,由Hough变换可分解性及环境模型相关性分别获取机器人可能的位姿信息,并用一系列高斯值表示,借助求取的位姿方差及其概率分布以及给定环境模型信息剔除不可能位姿,从而最终实现移动机器人全局定位．该方法尤其适用于室内结构化环境. 实验结果表明该方法具有良好的性能．     

基于运动视的移动机器人定位方法

提出了一种新颖的基于运动视的定位方法．该方法从机器人接近的目标上选取两个特征点并根据它们的图像坐标确定机器人运动前后相对于目标的位姿．本文还提出了一种能够更准确地找出特征点图像坐标的搜索算法．试验结果表明该方法有较高的定位精度和较强的鲁棒性．     

Monocular Vision for Mobile Robot Localization and Autonomous Navigation

This paper presents a new real-time localization system for a mobile robot. We show that autonomous navigation is possible in outdoor situation with the use of a single camera and natural landmarks. To do that, we use a three step approach. In a learning step, the robot is manually guided on a path and a video sequence is recorded with a front looking camera. Then a structure from motion algorithm is used to build a 3D map from this learning sequence. Finally in the navigation step, the robot uses this map to compute its localization in real-time and it follows the learning path or a slightly different path if desired. The vision algorithms used for map building and localization are first detailed. Then a large part of the paper is dedicated to the experimental evaluation of the accuracy and robustness of our algorithms based on experimental data collected during two years in various environments.     

采用双重采样的移动机器人Monte Carlo定位方法

移动机器人Monte Carlo定位效率受限于大量粒子的权值更新运算. 本文提出一种实现粒子集规模自适应调整的双重采样方法: 第一层基于粒子权重的固定粒子数重采样, 有效减轻粒子权值退化并保证预测阶段粒子多样性; 第二层粒子稀疏化聚合重采样, 基于粒子空间分布合理性将粒子加权聚合, 从而减少参与权值更新粒子数. 该方法通过提高粒子预测能力保证滤波精度, 通过减少权值更新运算提高了粒子滤波效率. 仿真实验表明, 双重采样方法能够有效实现粒子集规模自适应调整,采用双重采样的移动机器人Monte Carlo定位方法是高效、鲁棒的.     

基于场景识别的移动机器人定位方法研究

提出了一种基于场景识别的移动机器人定位方法．对CCD采集的工作环境的系列场景图像,用多通道Gabor 滤波器提取场景图像的全局纹理特征,然后通过SVM分类器来识别场景图像,实现机器人的逻辑定位．在移动机器人CASIA-I 上对该算法进行了实验．实验结果表明,该定位方法可达到91.11%的定位准确率,对光照、对比度等因素有较强的鲁棒性,并且满足机器人实时定位的要求．     

嵌入式移动机器人视觉定位及地图构建系统设计

设计了一种具有定位和导航功能的嵌入式移动机器人,采用双控制器协同工作模式并具有多种感知模块;在设计的嵌入式平台上进行了单目视觉定位和导航研究;通过彩色路标和电子罗盘实现对机器人的定位,分析了摄像机成像原理,给出了世界坐标系和图像坐标系的映射关系,简化了机器人定位的难度;通过超声波传感器旋转测距获得周围环境信息,对环境信息处理后建立地图的栅格模型;实验表明该定位方法能够准确提取路标的重心,具有较好的定位精度,减少了计算时间;通过超声波数据可以比较准确的建立环境模型,能够满足避障要求。