室内移动机器人新型视觉导航系统设计

视觉导航作为一种重要的机器人导航方式正日益受到人们的关注,为了解决目前采用视觉导航存在的算法设计复杂、导航性能差等问题,提出一种新的室内移动机器人视觉导航系统设计方案。首先阐述了该导航新方法的设计思想,然后介绍了采用该方法的导航系统的整体结构设计。利用放置在室内固定位置的摄像机采集室内环境的视频图像,设计了实时图像分析算法实现障碍物躲避、机器人位置跟踪等功能,为机器人的行走提供导航依据,同时通过无线通信的方式发送控制指令,实现对室内移动机器人的行走过程导航控制。     

基于计算机视觉/INS的无人机自主着陆组合导航研究

提出了一种基于单目视觉/INS组合导航的无人机自主着陆末端导航信息提取的新方法;它只需要检测跑道上的两个特征点再结合?导系统的姿态角信息,就可以直接解算出飞机相对于机场的位置矢量;由于直线具有明显的可观性,所以对于特征点较难提取的可以通过对两条跑道边缘线和一条着陆阈值线进行检测,然后取阈值线与跑道边缘线的交点作为特征点;依据成像的几何原理,对算法进行了详细的推导,最后通过着陆实验表明该方法的提取与转换是切实可行的。     

视觉方向导航新方法

针对运行方向上导航目标本身不具有明显视觉特征的情况,提出了一种新的视觉导航方法。该方法利用环境中与目标位置关系已知的显著特征点作为参考点,根据参考点的成像位置确定系统运动的姿态调整量,实现机器人运行方向的导航。为了提高算法对环境的适应能力,该算法只利用一个参考点,具有结构简单和计算复杂度小等特点。实验结果表明,该文方法能够有效地消除导航过程的方向误差,能够配合位置导航装置实现机器人的方向导航,具有较高的实用性和稳定性。     

基于路径识别的移动机器人视觉导航

跟随路径导引是自主式移动机器人广泛采用的一种导航方式,其中视觉导航具有其他传感器导航方式所无法比拟的优点,是移动机器人智能导航的主要发展方向。为了提高移动机器人视觉导航的实时性和准确性,提出了一个基于路径识别的视觉导航系统,其基本思想是首先用基于变分辨率的采样二值化和形态学去噪方法从原始场景图像中提取出目标支持点集,然后用一种改进的哈夫变化检测出场景中的路径,最后由路径跟踪模块分直行和转弯两种情况进行导航计算。实验结果表明,该视觉导航系统具有较好的实时性和准确性。     

计算机视觉导航综述

导航技术是移动机器人核心技术,移动机器人又有多种导航方式,本文对各种导航方式进行了分析比较,提出由于计算机视觉理论及算法的发展,又由于和激光、雷达和超声在导航方面相比,视觉导航具有很多优点,因此视觉导航被大量地采用。根据移动机器人是在导航过程中对图像进行处理,实时性差始终是一个非常棘手的问题,提出解决该问题的关键在于设计一种快速图像处理方法。     

基于PMAC的自动引导车视觉导航研究

介绍了,一种基于PMAC技术的视觉导航自动引导车的组成及工作原理,针对室内自动引导车的工作特点,探讨了包括直线及特殊路标的视觉识别方法,并将所开发的路标识别算法移植到工控机中,对所研制的自动引导车进行了,导航路径跟踪实验;实验结果表明,该视觉导航系统自可比较准确地动引导车跟踪导航路标,具有较高的行驶稳定性,横向位移偏差可保持在10～10mm内。     

月球车的自主视觉导航

视觉导航是月球车的一项重要功能,本文首先介绍了国内外视觉导航的情况：在对视觉导航原理分析的基础上,提出了月球车的视觉导航实现方案,并进行了避障路径规划的实验。实验结果表明了方法的正确性。     

移动机器人视觉导航控制研究

该文研究了移动机器人视觉导航的控制问题。针对导航中的图像畸变以及视野有限易造成导航线丢失等问题,提出了一种简单的单目视觉目标定位算法和一种新的控制策略。在导航时,首先利用定位算法精确地获取地面目标的深度信息,然后控制机器人沿一系列切线方向平滑接近导航线(或目标),并根据实施控制的时间间隔控制速度,以保证机器人视野中导航线(或目标)不丢失。实际的应用证明了该定位算法和策略的有效性。     

基于机器人单目视觉导航的测距方法研究

对单目视觉测距方法进行了研究、分析，并根据针孔成像和几何坐标变换原理，对移动机器人与目标点间距离的检测方法进行了推导，并拍摄多幅真实图像进行验证。     

一种高效的视觉导航摄像机标定方法

针对移动机器人视觉导航中的摄像机标定问题,提出一种高效的摄像机标定方法。考虑透镜畸变的影响,利用Hough变换提取矩形棋盘格的角点,求出摄像机参数初始值,运用Levenberg-Marquardt算法对初始解进行非线性迭代优化。通过重投影方法将求出的角点重新投影到矩形棋盘格像平面上,并与原提取的角点相比较,分析产生位置误差的原因。实验结果表明,该方法抗噪声能力强,对实验条件要求相对较低,标定精度满足移动机器人实际导航的要求。     

基于监督的室内机器人导航系统研究

针对室内光照多变对机器视觉带来的不良影响所造成的室内机器人定位难的问题，提出了一种基于监督的室内导航模型。将鱼眼相机固定在室内房顶的中心位置，并且进行多次拍照，拍照后的图片经过图像处理，即可以完成获取整个地图，以及可行驶区域的人工标定。以屋顶固定参照物灯管为中心，结合位于机器人上的移动设备在不同位置向房顶参照物拍摄的图像数据和实际坐标位置，组成了投影轮廓数据库。根据在移动过程中机器人上的移动设备对房顶参照物进行拍摄，并与数据库匹配，实现了当前机器人的位置信息的获取。经测试，本方法在中低精度下具有一定的可行性，并且具有速度快的优点。本次研究实现了在精度要求不高情况下室内的监督导航。     

基于FPGA+ARM的视觉导航轮式机器人

根据自动运输的需求,以FPGA+ARM为核心,设计一种基于视觉导航的自主式轮式机器人,使用FPGA控制图像的实时采集、存储和显示,用ARM实现路径识别、通信并控制执行机构和传感器。路径识别的基本思想是采样二值化并去噪,再检测出场景中的路径,由路径跟踪模块进行导航计算。实验结果表明,该机器人的控制准确可靠,能正确地跟踪预先设置的引导轨线。     

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。     

An RGB-D Camera Based Visual Positioning System for Assistive Navigation by a Robotic Navigation Aid

There are about 253 million people with visual impairment worldwide. Many of them use a white cane and/or a guide dog as the mobility tool for daily travel. Despite decades of efforts, electronic navigation aid that can replace white cane is still research in progress. In this paper, we propose an RGB-D camera based visual positioning system (VPS) for real-time localization of a robotic navigation aid (RNA) in an architectural floor plan for assistive navigation. The core of the system is the combination of a new 6-DOF depth-enhanced visual-inertial odometry (DVIO) method and a particle filter localization (PFL) method. DVIO estimates RNA’s pose by using the data from an RGB-D camera and an inertial measurement unit (IMU). It extracts the floor plane from the camera’s depth data and tightly couples the floor plane, the visual features (with and without depth data), and the IMU’s inertial data in a graph optimization framework to estimate the device’s 6-DOF pose. Due to the use of the floor plane and depth data from the RGB-D camera, DVIO has a better pose estimation accuracy than the conventional VIO method. To reduce the accumulated pose error of DVIO for navigation in a large indoor space, we developed the PFL method to locate RNA in the floor plan. PFL leverages geometric information of the architectural CAD drawing of an indoor space to further reduce the error of the DVIO-estimated pose. Based on VPS, an assistive navigation system is developed for the RNA prototype to assist a visually impaired person in navigating a large indoor space. Experimental results demonstrate that: 1) DVIO method achieves better pose estimation accuracy than the state-of-the-art VIO method and performs real-time pose estimation (18 Hz pose update rate) on a UP Board computer; 2) PFL reduces the DVIO-accrued pose error by 82.5% on average and allows for accurate wayfinding (endpoint position error ≤ 45 cm) in large indoor spaces.      

一种基于GOR+GPU算法的机器人视觉导航方法

提出一种一般物体识别(GOR)方法.借鉴词袋(BOW)的统计模型,利用SIFT(尺度不变特征变换)检测算子进行特征向量描述.为了增加信息的冗余度,利用物体部件空间关系的统计信息来描述一幅图片中所有特征点的空间(相对距离和角度)关系,增广了原BOW模型中的特征向量.运用无监督判别分类器支持向量机(SVM)来实现分类识别.与此同时,采用GPU加速技术来实现SIFT特征提取与描述,以保证其实时性.然后,存手绘地图辅助导航的基础上,将该方法成功地应用到室内移动机器人导航上.实验结果表明,基于该方法的机器人导航技术具有较强的鲁棒性和有效性.     

基于ARM的视觉导航AGV图像处理方法研究

为了实现更加简单高效的标识线图像的检测与处理,提出了一种优化的基于ARM的视觉导航AGV标识线图像处理方法;首先对采集到的图像进行灰度化处理并使用Otsu算法对图像进行阈值分割;然后采用优化的中值滤波算法进行图像滤波并使用高效的边缘提取策略获取路径边缘特征;最后采用角度判断的方法剔除错误点并使用最小二乘法拟合成路径的中心线;实验结果表明,该方法有较高的准确率和较好的实时性,可以满足工业生产中的实际需求,适用于基于嵌入式系统开发的视觉导航AGV。     

基于肠道轮廓的结肠镜视觉导航

现有的结肠镜手术中,医师的技术极大地影响着手术的结果.为了实现准确无误的手术,可采用智能机器人技术进行微创手术的导航.为了更好地辅助结肠镜的视觉导航,提出了一种新的基于肠道轮廓的结肠镜视觉导航方法.该方法首先采用可转向滤波器检测结肠轮廓的边缘强度能量及朝向;然后,通过法线方向的能量辐射在图像上累积的方法来检测结肠图像中边缘轮廓弯曲所形成的中心区域.实验证明,用这个方法来辅助基于暗区分析的结肠镜视觉引导,可增加结肠镜导航的鲁棒性.     

单目式自主机器人视觉导航中的测距研究

针对传统自主式机器人视觉测距方法的缺陷,提出了一种建立在B 对偶空间几何学上的单目摄像机标 定方法,并将其应用到单目式自主机器人的视觉测距中．与OpenCV 标定方法相比,新的标定方法对CCD 摄像机 内参数的计算更为准确,并减小单目视觉测距的总体误差．同时,在引入运动目标自动提取算法的基础上,将目标 车辆的自动检测与实时测距融合为一个完整的系统．通过实际的测量及对比试验,验证了所提出方法的有效性．     

惯导系统辅助CSS的室内定位方法

提出一种惯性导航系统INS(Inertial Navigation System)辅助线性调频扩频CSS(Chirp Spread Spectrum)的高精度室内定位方法.首先设计了基于MPU9250多轴传感器的惯性测量单元IMU(Inertial Measurement Unit),利用数字运动处理(DMP)数据库经四元数解算可求得准确稳定的航向角,由于MPU9250自带的磁力计,规避了航向角的累积误差问题.随后在分析CSS非视距定位误差基础上,提出了基于三角形三边准则的选星方法,有效降低了室内复杂环境下非视距的影响;最后利用扩展卡尔曼滤波对惯导系统与CSS定位进行融合,以输出稳定、准确的定位结果.通过在50 m×20 m的地下车库实验分析比较,结果表明:惯导与CSS单独定位的平均误差分别为0.3456 m、0.3659 m,本文组合导航方法平均误差为0.158 l m,较前两种单一的定位方式性能提高了50%以上,该方法降低了定位的成本,系统实现复杂度降低,定位精度提高.