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．     

基于改进ORB算法的视觉里程计定位方法

针对环境亮度变化导致V-SLAM视觉里程计定位精度不准确的问题,提出一种基于改进ORB算法的视觉里程计定位方法。使用自适应阈值ORB算法提取特征点,提高特征提取的稳定性,通过FLANN进行粗匹配并采用PROSAC算法进行误匹配剔除,同时利用ICP方法进行图像配准求解位姿,使用光束法平差对轨迹图进行优化,采用TUM标准数据集和移动机器人验证算法的有效性。实验结果表明,该方法在大部分情况下定位精度优于其它算法,满足移动机器人的实际定位需求。     

基于局部熵的SLAM视觉里程计优化算法

针对移动机器人视觉同步定位与地图创建中由于相机大角度转动造成的帧间匹配失败以及跟踪丢失等问题, 提出了一种基于局部图像熵的细节增强视觉里程计优化算法. 建立图像金字塔, 划分图像块进行均匀化特征提取, 根据图像块的信息熵判断其信息量大小, 将对比度低以及梯度变化小的图像块进行删除, 减小图像特征点计算量. 对保留的图像块进行亮度自适应调整, 增强局部图像细节, 尽可能多地提取能够表征图像信息的局部特征点作为相邻帧匹配以及关键帧匹配的关联依据. 结合姿态图优化方法对位姿累计误差进行局部和全局优化, 进一步提高移动机器人系统性能. 采用TUM数据集测试验证, 由于提取了更能反映物体纹理以及形状的特征属性, 本文算法的运动跟踪成功率最高可提升至60 % 以上, 并且测量的轨迹误差、平移误差以及转动误差都有所降低. 与目前ORB-SLAM2系统相比, 本文提出的算法不但提高了移动机器人视觉定位精度, 而且满足实时SLAM的应用需要.     

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．     

基于深度学习的图像-文本匹配研究综述

图像-文本匹配任务旨在衡量图像和文本描述之间的相似性,其在桥接视觉和语言中起着至关重要的作用.近年来,图像与句子的全局对齐以及区域与单词的局部对齐研究方面取得了很大的进展.本文对当前先进的研究方法进行分类和描述.具体地,本文将现有方法划分为基于全局特征的图像-文本匹配方法、基于局部特征的图像-文本匹配方法、基于外部知识的图像-文本匹配方法、基于度量学习的图像-文本匹配方法以及多模态预训练模型,对于基于全局特征的图像-文本匹配方法,本文依据流程类型划分为两类：基于嵌入的方法和基于交互的方法;而对于基于局部特征的图像-文本匹配方法,依据其交互模式的不同,则被细分为三类：基于模态内关系建模的方法、基于模态间关系建模的方法以及基于混合交互建模的方法.随后,本文对当前图像-文本匹配任务的相关数据集进行了整理,并对现有方法的实验结果进行分析与总结.最后,对未来研究可能面临的挑战进行了展望.     

一种基于图像检索的机器人自定位方法

针对单目视觉机器人的定位问题,提出了一种基于EM(expectation maximization algorithm)的混合高斯粒子滤波定位算法。采用高斯混合模型矢量量化的方法生成图像直方图,利用图像特征相似性度量方法对提取的图像直方图进行匹配,并将匹配的结果应用到粒子滤波定位中,实现了室内结构化环境下机器人的全局定位。仿真实验结果表明颜色特征提取方法和机器人定位方法的有效性。     

基于拓扑高程模型的室外三维环境建模与路径规划

针对复杂室外场景, 提出一种基于拓扑高程模型的三维环境建模方法. 采用自适应可变阈值聚类算法, 将映射到二维水平栅格中的激光点云划分为垂直单元和水平单元, 可实现三维场景中悬空环境特征的有效表述. 在此基础上对垂直单元进行高度离散采样, 从而构建与其相对应的拓扑结构, 并结合BOW (Bag of words)模型对室外三维环境中的典型景物进行辨识. 采用面向拓扑结构和高程图单元的分级匹配策略, 实现不同场景间的精确匹配, 构建具有全局一致性的拓扑高程地图. 利用辨识出来的环境特征和高程地图产生双重环境约束, 实现与室外地形相适应的自主路径规划. 实验结果和数据分析证明了本文环境建模与路径规划方法的有效性和实用性.     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

基于聚类匹配的移动机器人地图实时创建算法

提出了一种基于模式识别聚类思想的数据点集匹配算法.该匹配算法具有传统迭代匹配算法和非迭代匹配算法的优点,匹配速度快,精度高.结合上述匹配算法,给出了一种基于激光测距仪的移动机器人环境地图实时创建方法.该方法使用从环境数据中提取出的特征点来完成两组激光数据点集的匹配,进而完成环境地图的创建.利用本实验室自主研发的救援机器人平台对该算法进行了验证,实验结果表明,该算法能够完成室内环境下移动机器人实时准确有效的环境地图创建.     

基于激光雷达与双目视觉的移动机器人SLAM研究

为解决移动机器人在环境未知条件下,利用单一传感器自主导航时不能及时定位、构建地图不精确的问题,提出采用一种改进RBPF算法,在计算提议分布时将移动机器人的观测数据(视觉信息与激光雷达信息)和里程计信息融合;针对一般视觉图像特征点提取算法较慢的问题,采用基于ORB算法对视觉图像进行处理以加快视觉图像处理速度的方法;最后通过在安装有开源机器人操作系统(ROS)的履带式移动机器人进行实验,验证了采用该方法可构建可靠性更高、更精确的2D栅格图,提高了移动机器人SLAM的鲁棒性.     

基于自适应SIFT算法的全局运动估计方法

为了更好地实现全局运动估计快速、准确的处理,根据全局运动中视频图像序列的时间冗余特性,提出一种自适应SIFT(Scale-invariant feature transform)算法。基于最近三次模型匹配的结果,采用Lagrange抛物线插值来预测需要匹配的参考帧和当前帧图像的重叠区域。在重叠区域上提取特征点和进行特征匹配,既能够消除视频图像序列中存在的大量信息冗余,加快每帧图像的处理速度,又可以提高待匹配特征点的有效性,减少误匹配。实验结果表明,改进后的算法自适应能力强、速度快、匹配精度高,基本满足实时定位。     

基于单目视频路径移动机器人导航方法研究

以单目视觉中双视图定位为基础,提出了一种基于单目视频路径的导航方法.算法基于单目摄像机提取一组有序的关键图像,以代表视频路径,使用Harris角点算法提取图像特征点,利用零均值归一化互相关算法进行图像匹配,根据单目摄像机双视图匹配点之间的约束关系求出基础矩阵并优化,得到位姿参数,完成了移动机器人定位,使其在视频路径的指导下实现自主导航.验证表明:方法在室外环境中具有较好的实用性.     

基于单目视觉的移动机器人全局定位

提出在基于单目视觉创建的环境地图中实现移动机器人全局定位．基于KD树的最近邻搜索实现特征匹配．应用尺度不变特征变换(SIFT)方法提取特征,并用多维向量描述,保证了对图像光强变化、尺度缩放、三维视角和噪声具有不变性．提出了一种基于RANSAC的鲁棒定位方法．在实际室内环境Pioneer3机器人上进行的实验表明本文提出方法高效、可靠．     

基于Voronoi地图表示方法的同步定位与地图创建

针对基于混合米制地图机器人同步定位与地图创建 (Simultaneous localization and mapping, SLAM)中地图划分方法不完善的问题, 提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM. 该算法在全局坐标系下创建特征地图, 并根据此特征地图使用Voronoi图唯一地划分地图空间, 在每一个划分内部创建一个相对于特征的局部稠密地图. 特征地图与各个局部地图最终一起连续稠密地描述了环境. Voronoi地图表示方法解决了地图划分的唯一性问题, 理论证明局部地图可以完整描述该划分所对应的环境轮廓. 该地图表示方法一个基本特点是特征与局部地图一一对应, 每个特征都关联一个定义在该特征上的局部地图. 基于该特点, 提出了一个基于形状匹配的数据关联算法, 用以解决传统数据关联算法出现的多重关联问题. 一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.     

基于哈希的二维工程CAD图拓扑关系认证技术

针对二维工程CAD图拓扑关系完整性认证问题,提出一种基于哈希的拓扑完整性认证算法。该算法首先提取图纸的拓扑关系生成拓扑图;其次对图中的组件进行编码,并提出一种局部拓扑量化模式(LTQP),实现各组件拓扑特征的量化;然后将组件按照其编码分成5类,基于各组件的LTQP值,利用离散余弦变换生成每类组件的哈希序列;最后将每类组件的哈希序列进行合并,得到完整的图纸哈希序列。实验结果表明,该算法对旋转、缩放和平移等非恶意操作具有鲁棒性,同时对恶意拓扑攻击具有脆弱性,采用将组件分类来生成哈希序列的方式,能够对受到拓扑攻击的组件的种类进行定位。     

基于特征热力图的移动机器人高效全局定位方法

针对大尺度场景下传统的全局定位算法搜索空间大、定位效率低的问题,提出了一种基于特征热力图的移动机器人高效全局定位方法.首先,融合光线投射和点/边特征检测算法,提取了环境栅格地图中的点/边信息;并制定了考虑随机误差的鲁棒处理策略,构建了具有鲁棒特征信息的特征热力图.此外,利用相同的策略提取了真实激光雷达点云中的点/边特征信息,并将特征信息与特征热力图进行匹配,获得了初始搜索空间.最后,对最大似然估计定位法与蒙特卡洛定位法进行了改进,实现了在初始搜索空间下的高效全局定位.在仿真场景和大尺度真实车间中进行了验证测试,相较于传统最大似然估计定位方法,计算时间下降幅度平均达到90.37％,而与蒙特卡洛定位方法相比,成功率平均提升了5.92倍.结果表明所提方法极大地缩小了定位搜索空间,有效地提高了全局定位效率和精度.     

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。     

移动机器人几何2拓扑混合地图的构建及自定位研究

基于墙角、房门和通路等高级环境特征的辨识与提取,依据几何和拓扑环境模型完成混合地图的构建,并根据混合地图的特点,提出在局部几何环境采用扩展卡尔曼滤波算法实现移动机器人的位姿跟踪,而在拓扑地图的节点位置则根据绑定的高级环境特征进行位姿再校正的混合定位方法.将该方法应用于实际移动机器人平台,所得结果证明了方法的有效性和实用性.     

复杂相变热图序列相变线跟踪与应用

针对复杂相变热图序列相变线自动提取问题,提出一种基于帧间差分信息的C-V主动轮廓模型提取方法。首先建立一种基于结构特征的图像精确匹配指标,解决相变热图序列中部分帧的位置偏移问题;然后利用与模板图像的帧间差分及差分图像的对比度增强获取有效相变信息;最后在考虑帧间相变线关联性的基础上,提出一种融合形状先验特征的C-V主动轮廓模型相变线跟踪算法。实验结果表明,该算法解决了目前方法无法解决的序列图像中多相变线、拓扑变化等问题,能适应多种不同类型的模型实验物,且运算速度较经典C-V模型有很大提高。基于该算法开发的软件系统在实际中得到成功应用。     

智能空间辅助家庭服务机器人的定位方法

研究移动机器人智能定位优化问题,在分析传统的移动机器人定位的过程中,由于在定位时存在误匹配造成不准确,传统的移动机器人自身携带传感器对周围环境观测具有局限性.为了提高有效定位,提出利用智能空间中的单个全局摄像机作为外部传感器,可采用Monte Carlo方法解决移动机器人定位,并进行仿真,实验表明,全局摄像机能够有效地辅助移动机器人在全局环境中定位,Monte Carlo算法利用全局摄像机的观测信息,使定位有良好的性能效果.