图像尺寸对机器人视觉定位实时性的影响研究

尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法由于具有尺度、旋转和光照不变等特性,被广泛应用到移动机器人视觉定位领域。由于定位计算中使用的特定标示物图像及背景图像的尺寸对定位计算时间影响较大,为提高移动机器人视觉定位的实时性能,分别改变待识别图像以及背景图像的尺寸,进行了图像匹配实时性测试实验。实验结果表明,特定标示物图像和背景图像的尺寸缩小到40%～60%时,移动机器人视觉定位实时性提高30%～40%左右,特征点数减少20%～30%左右。在满足定位精度要求的情况下,大大提高了定位的实时性。由此可知,通过合理选择图像的尺寸不仅可以满足匹配精度,还能提高移动机器人的视觉定位效率,对于类似该实验使用的移动机器人视觉定位具有广泛的指导意义。     

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。     

基于增强转移网络（ATN）的室外移动机器人道路图像理解

道路图像理解是室外移动机器人视觉导航自主驾驶研究中的一个关键技术 ,由于基于视觉导航的室外移动机器人自主驾驶时 ,对实时性和鲁棒性要求很高 ,因此 ,为了满足室外移动机器人自主驾驶的实时性和鲁棒性要求 ,将人工智能研究句法分析中的一个形式体系——增强转移网络 (ATN )成功地应用于室外移动机器人的道路理解中 ,进而提出了基于 ATN的室外移动机器人道路图像理解算法 ,该算法在统一的 ATN构建思想指导下 ,针对不同的道路情况 ,不仅可以灵活地构建出不同的道理理解 ATN网络 ,还可达到本质上的统一及应用上的灵活。经实验检验 ,该算法在满足系统要求的鲁棒性条件下 ,具有非常高的实时性 ,即能充分地满足自主移动机器人高速自主导航的需要     

基于人脸识别与光流追踪的移动机器人视觉导航方法

针对移动机器人视觉导航中跟踪目标丢失的问题,提出了基于人脸识别与稀疏光流算法(KLT)结合的移动机器人视觉导航方法(FR-KLT视觉导航方法)。采用OpenCV库中的Haar特征提取人脸识别算法实时检测识别目标人脸,通过Harris角点检测获取目标人体特征点,对目标人体进行精准定位;KLT光流追踪法测算目标移动趋势,并预测目标下一刻大致位置。目标人体位置变动时移动机器人对目标进行实时追踪导航。通过Pioneer-LX机器人在真实环境下试验,验证了该方法准确识别并跟踪目标的实时性和有效性。     

基于单应性矩阵的移动机器人视觉伺服切换控制

针对具有单目视觉的移动机器人,本文提出了一种基于单应性矩阵的视觉伺服控制算法,在缺乏深度信息的情况下利用视觉反馈实现了移动机器人的控制目标,即给定机器人目标位姿下拍摄得到的图像,通过视觉伺服使机器人从初始位姿准确到达目标位姿.视觉反馈环节采用单应性矩阵中的元素构造状态变量,而非利用常见的单应性分解,此外,考虑到视野约束,本文提出的算法在计算单应性矩阵时结合了单应性的传递特性,从而避免了参考目标的实时可见性.伺服环节设计了切换控制器,在满足非完整约束的同时可驱动机器人到达期望位姿.理论分析及实物仿真验证了该算法的可行性和有效性.     

基于深度相机的移动机器人视觉跟踪控制研究

基于视觉利用移动机器人进行运动目标跟踪,该文提出一种基于二自由度云台和RGB-D相机的运动目标视觉跟踪及移动机器人路径实时规划、跟踪方法。该方法利用核相关滤波算法在图像中实时追踪目标,控制二自由度云台使深度相机实时对准目标,并根据深度相机得到目标的深度信息,利用坐标转换得到目标相对于机器人的位置信息;其后移动机器人根据目标的位置信息,基于五次多项式进行路径规划;最后采用李雅普诺夫控制律对移动机器人进行轨迹跟踪控制,使得机器人能够平稳地跟踪目标运动。该算法在阿克曼移动机器人上进行了实验,实验结果验证了算法的有效性和实时性。     

基于GPU的高效图像协方差矩阵算法与实现

为提高图像处理领域协方差矩阵的计算效率,满足其在实时要求下的应用,借助GPU通用计算技术,结合CUDA编程模型,对协方差矩阵的计算进行有针对性的并行化优化,设计并实现一种高效的并行图像协方差矩阵算法。为在通用PC平台上使用协方差矩阵并满足实时性需求的各种图像处理应用提供了一个可行的解决方法,对其它领域涉及到协方差矩阵的实时计算也有良好的借鉴作用。与原有的CPU实现方法相比,GPU的效率有了平均数千倍的提升。     

基于平面单应性的单目视觉里程计设计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF（Speeded Up Robust Features）特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。     

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。     

基于深度学习的移动机器人目标跟踪系统

针对当前智能移动机器人在跟踪过程中常因目标发生外观形态上的变化而丢失跟踪目标的问题,利用Caffe深度学习框架和ROS机器人操作系统作为开发平台,设计一个高准确度及高实时性的移动机器人目标跟踪系统并进行了研究.使用对于目标形变、视角、轻微遮挡及光照变化具有鲁棒性的基于孪生卷积神经网络的GOTURN目标跟踪算法,通过ROS系统为桥梁使离线训练的跟踪模型实时应用于TurtleBot移动机器人上,并开展了详细的测试.实验结果表明,该目标跟踪系统不仅设计方案可行,实现了移动机器人在各种复杂场景下有效地跟踪目标,还具有成本低、性能高和易扩展等特点.     

单目视觉人工路标辅助的移动机器人导航方法

室内机器人在采用里程计法长距离导航时,定位精度下降很快,以及以往人工路标定位方案的识别准确率低,又难以满足导航实时性的要求. 针对这些问题,本文设计了能快速准确识别的人工路标,从而来修正机器人里程计法导航的累计误差,并通过卡尔曼滤波将人工路标和里程计法的定位信息有效地融合起来. 实验结果表明,数字人工路标的识别准确率高,且识别速度满足导航实时性的要求,该方法有效地提高了移动机器人里程计法导航时的精度和鲁棒性.     

一种景物平面法向已知条件下的单应矩阵快速分解算法

针对机器人混合视觉伺服控制中的摄像机位姿估计问题,分析欧氏单应矩阵的基本性质,提出一种景物平面法向已知情况下的欧氏单应矩阵快速分解算法.仿真实验结果表明,所提出的算法实现简单,避免了矩阵奇异值分解运算和从多组分解结果中确定惟一解的过程,能够较好地满足视觉伺服控制系统的实时性要求.     

未知环境下移动机器人实时路径规划

针对在未知环境下实现移动机器人实时的路径规划问题,提出了一种将快速扩展随机树（RRT）算法与视野域自适应的滚动窗口相结合的路径规划算法。该方法实时获取滚动窗口内的局部环境信息,根据环境的变化,滚动窗口视野域进行自适应调整,通过分析滚动窗口内传感器获取的信息,结合改进后的RRT算法筛选出可行的路径,控制移动机器人到达子目标点,在此过程中动态监测规划好的路径,确保路径合理,并重复上述过程,直至到达目标区域。实验对比分析表明,该方法能实时并有效实现未知环境下移动机器人的路径规划。     

移动机器人实时目标跟踪系统设计与实现

针对单目视觉移动机器人目标跟踪的实时性和鲁棒性要求,提出了基于Kalman滤波器的改进Camshift算法检测和定位目标.将Kalman预测值作为目标初始位置,补偿摄像头和目标相对运动导致的目标在图像中的偏移.在系统“跟丢”后判断目标丢失的原因,根据原因自适应拓展搜索窗口作为Cam-shift算法的下一帧初始搜索窗口.为了验证改进算法的有效性,自主研制了一种应用该算法的履带式机器人实时目标跟踪系统.实验结果表明:该系统具有很好的鲁棒性和实时性.     

基于改进在线多示例学习算法的机器人目标跟踪

提出基于改进的在线多示例学习算法(Improved multiple instance learning, IMIL)的移动机器人目标跟踪方法. 该方法利用射频识别系统(Radio frequency identification, RFID)粗定位IMIL算法的搜索区域, 然后应用IMIL算法实现目标跟踪. 该方法保证了机器人跟踪系统的连续性, 解决了目标突然转弯时的跟踪问题. IMIL算法采用从低维空间提取的压缩特征描述包中示例, 以降低算法耗时. 通过最大化弱分类器与极大似然概率的内积, 选择判别能力强的弱分类器, 避免了弱分类器选择过程中多次计算包概率和示例概率, 进一步提高算法的实时处理能力. 计算包概率时该算法平等对待各示例, 保证概率高的示例对包概率的贡献度, 克服跟踪漂移问题. 跟踪过程中, 结合当前跟踪结果与目标模板间的相似性分数在线实时调整分类器, 提高了算法的自适应能力. 最后将本文方法在视频和移动机器人上进行实验. 实验结果表明, 该方法在目标运动突变及外观改变时具有较强的鲁棒性和准确性, 并满足系统的实时性要求.     

纯方位角目标跟踪及移动平台可观性控制方法

为了解决未知环境下的单目视觉移动机器人目标跟踪问题,提出了一种将目标状态估计与机器人可观性控制相结合的机器人同时定位、地图构建与目标跟踪方法。在状态估计方面,以机器人单目视觉同时定位与地图构建为基础,设计了扩展式卡尔曼滤波框架下的目标跟踪算法;在机器人可观性控制方面,设计了基于目标协方差阵更新最大化的优化控制方法。该方法能够实现机器人在单目视觉条件下对自身状态、环境状态、目标状态的同步估计以及目标跟随。仿真和原型样机实验验证了目标状态估计和机器人控制之间的耦合关系,证明了方法的准确性和有效性,结果表明:机器人将产生螺旋状机动运动轨迹,同时,目标跟踪和机器人定位精度与机器人机动能力成正比例关系。     

基于虚拟现实技术的移动机器人视觉伺服控制系统设计

为了有效确保移动机器人视觉伺服控制效果,提高移动机器人视觉伺服控制精度,设计了基于虚拟现实技术的移动机器人视觉伺服控制系统。通过三维视觉传感器和立体显示器等虚拟环境的I/O设备、位姿传感器、视觉图像处理器以及伺服控制器元件,完成系统硬件设计。从运动学和动力学两个方面,搭建移动机器人数学模型,利用标定的视觉相机,生成移动机器人实时视觉图像,通过图像滤波、畸变校正等步骤,完成图像的预处理。利用视觉图像,构建移动机器人虚拟移动环境。在虚拟现实技术下,通过目标定位、路线生成、碰撞检测、路线调整等步骤,规划移动机器人行动路线,通过控制量的计算,实现视觉伺服控制功能。系统测试结果表明,所设计控制系统的位置控制误差较小,姿态角和移动速度控制误差仅为0.05°和0.12m/s,移动机器人碰撞次数较少,具有较好的移动机器人视觉伺服控制效果,能够有效提高移动机器人视觉伺服控制精度。     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。