用于移动机器人自定位的视觉路标设计

为了实现室内移动机器人的自定位,提出了一种简易美观的新型视觉人工路标以及基于对数极坐标系投影直方图的路标识别方法,并用基于共面四点的位姿估计算法计算机器人位姿.实验结果说明,路标检测具有很高的鲁棒性;路标识别方法抗噪声和形变的能力强;位姿精度足够满足室内移动机器人自定位的需要.     

基于光束平差法的双目视觉里程计研究

机器人自定位是实现机器人自动导航及其他智能行为的前提, 一种基于光束平差法的移动机器人双目视觉里程计可以有效地实现机器人自定位. 为此, 首先采用点模式匹配方法建立相邻图像之间的特征匹配关系, 根据立体视觉算法得到匹配点对的三维对应关系; 然后, 计算摄像机的相对运动参数, 并采用光束平差分段优化算法对其进行优化. 所提出的双目视觉里程计能够避免车轮半径变化、空转、打滑等对里程计测量精度的影响, 相对定位精度较高.

     

基于视觉的UVMS单路标定位误差分析

研究水下作业系统采用水下机器人,水下机器人-机械手系统(UVMS)是一种自主或半自主作业型水下机器人,为了利用单个水下路标,结合立体视觉对其进行相对定位.通过建立双目立体摄像机的误差模型,得到立体视觉利用视差测量时沿景物及其垂直方向的两个误差分量,推导了基于单路标定位的函数模型,并利用误差传递法则,得到了定位误差模型.最后结合实际物理系统参数,给出了载体在几种典型运动下定位误差的仿真结果证明定位精度可达到要求.     

一种基于SIFT特征的机器人环境感知双目立体视觉系统

针对双目立体视觉系统在机器人环境感知领域中存在的立体匹配以及测量精度问题,设计一种基于SIFT特征的双目立体视觉测量系统.利用SIFT特征良好的旋转、尺度、光照不变性等特性,有效地解决双目立体视觉系统的匹配问题,同时将SIFT算法在由FPGA和DSP组成的嵌入式系统上实现,显著地提高测量系统的实时性.提出一种基于二次多项式的误差补偿方法,对系统的测量结果进行补偿,弥补双目立体视觉系统测量误差随测量距离增加而增加的不足,从而提高系统测量精度.通过实际的测量实验、移动机器人环境感知实验以及与现有双目立体视觉产品的对比实验结果表明,系统能够很好地解决双目立体视觉的立体匹配和精度问题,并且能较好地应用于移动机器人环境感知任务中.     

基于序列图像的视觉定位与运动估计

研究了移动机器人的视觉定位和目标的运动估计。采用单目视觉系统,借助人工标识物,由小孔成像模型及空间几何关系,推导出视觉测距模型,并实现了移动机器人的自定位和目标的定位。通过序列图像,应用基于特征的运动分析方法估计球体的运动参数,推导出移动机器人对运动目标的跟踪模型。球体定位实验结果表明:该方法的定位精度较高。     

基于全景视觉的移动机器人同步定位与地图创建研究

提出了一种基于全景视觉的移动机器人同步定位与地图创建（Omni-vSLAM）方法．该方法提取 颜色区域作为视觉路标;在分析全景视觉成像原理和定位不确定性的基础上建立起系统的观测模型,定位出 路标位置,进而通过扩展卡尔曼滤波算法（EKF）同步更新机器人位置和地图信息．实验结果证明了该方法在 建立环境地图的同时可以有效地修正由里程计造成的累积定位误差．     

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。     

基于全景视觉与里程计的机器人自定位方法研究

通过分析全景视觉与里程计传感器的感知模型的不确定性，提出了一种基于路标观测的移动机器人自定位算法. 该算法利用卡尔曼滤波器，融合多种传感器在不同观测点获取的观测数据完成机器人自定位．与传统的、采用单一传感器自定位的方法相比，它利用视觉和里程计的互补特性，提高了自定位的精度．实验结果证明了上述方法的有效性．     

基于全景近红外视觉的室外移动机器人定位系统

针对室外移动机器人定位、导航问题,提出了一种基于全景近红外视觉的路标定位系统。系统通过近红外主动照明降低了光照变化、阴影等因素的影响,利用全景摄像机获得大范围的路标定向信息。图像处理中改进大津法和路标跟踪的应用使识别路标更准确、更快速,三角定位算法确保能精确的计算出机器人的世界坐标。室外环境下移动机器人的定位实验结果表明,本系统具有较高的定位精度和良好的鲁棒性。     

双程UFIR滤波算法及其在INS/双目视觉机器人组合导航的应用

为了提高移动机器人的室内定位精度，提出了一种惯性导航系统(Inertial Navigation System, INS)/双目视觉松组合导航模型，在INS与双目视觉同步获取到移动机器人位置信息的基础上，通过滤波算法对INS与双目视觉测量得到的移动机器人位置进行数据融合，充分融合INS和双目视觉各自的优势，最终得到当前时刻的移动机器人的位置估计。针对滤波算法，提出了双程无偏有限脉冲响应(Unbiased Finite Impulse Response, UFIR)滤波算法，该算法首先采用自适应UFIR前向滤波，通过引入预先设置的滤波窗口长度以及马氏距离，完成对当前时刻UFIR滤波算法最优滤波窗口长度的计算。在此基础上，通过后向UFIR平滑以及再次前向UFIR滤波，最终得到当前时刻最优的移动机器人位置估计。实际测试结果表明，所提出的双程UFIR算法能够有效地提高室内移动机器人的定位精度，与传统UFIR滤波算法相比，所提出的位置均方根误差(Root Mean Square Error, RMSE)降低了11.64%。     

Robust and real-time self-localization based on omnidirectional vision for soccer robots

Self-localization is the basis to realize autonomous ability such as motion planning and decision-making for mobile robots, and omnidirectional vision is one of the most important sensors for RoboCup Middle Size League (MSL) soccer robots. According to the characteristic that RoboCup competition is highly dynamic and the deficiency of the current self-localization methods, a robust and real-time self-localization algorithm based on omnidirectional vision is proposed for MSL soccer robots. Monte Carlo localization and matching optimization localization, two most popular approaches used in MSL, are combined in our algorithm. The advantages of these two approaches are maintained, while the disadvantages are avoided. A camera parameters auto-adjusting method based on image entropy is also integrated to adapt the output of omnidirectional vision to dynamic lighting conditions. The experimental results show that global localization can be realized effectively while highly accurate localization is achieved in real-time, and robot self-localization is robust to the highly dynamic environment with occlusions and changing lighting conditions.     

Fast self-localization method for mobile robots using multiple omnidirectional vision sensors

This paper presents a method for estimating position and orientation of multiple robots from a set of azimuth angles of landmarks and other robots which are observed by multiple omnidirectional vision sensors. Our method simultaneously performs self-localization by each robot and reconstruction of a relative configuration between robots. Even if it is impossible to identify correspondence between each index of the observed azimuth angles and those of the robots, our method can reconstruct not only a relative configuration between robots using `triangle and enumeration constraints' but also an absolute one using the knowledge of landmarks in the environment. In order to show the validity of our method, this method is applied to multiple mobile robots each of which has an omnidirectional vision sensor in simulation and the real environment. The experimental results show that the result of our method is more precise and stabler than that of self-localization by each robot and our method can handle the combinatorial explosion problem. Correspondence to:T. Nakamura (e-mail: ntakayuk@sys.wakayama-u.ac.jp)     

一种新的全向立体视觉系统的设计

本文介绍了用一个普通相机实现的全向立体视觉系统的设计，系统的配置使得其具有结构和几何计算简单、对应点匹配容易、系统成像无遮挡的优点。误差分析表明其具有较高的精度。本系统可用于机器人探测障碍物、环境深度信息的自动获取以及其它要求实时性计算的机器视觉。     

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。     

健康服务机器人室内导航视觉传感器研究与开发*

针对健康服务机器人室内导航的应用需求,设计出一种基于STM32F429的嵌入式导航视觉传感器,内嵌500万像素CMOS图像传感器和拥有高性能无线SOC的ESP8266,此次开发的视觉传感器,不是一般的CMOS图像传感器,而是综合了图像感知,图像处理,无线通信,节电唤醒等等功能于一体的智能化微型装置,即眼睛加大脑。经测试,本导航视觉传感器能够以每秒3次的速度向服务机器人发送位置,完全满足室内移动机器人的移动需求。     

基于立体匹配技术的光流场计算方法

光流场的计算是移动机器人领域一个很重要的研究课题，但现有的光流场计算方法并未充分利用移动机器人的特点。本文假设移动机器人配备了双目视觉系统和码盘，在此基础上提出了一种基于立体匹配技术的光流场计算方法。该方法的基本思想是：首先利用Forstner算子对图像中易于跟踪的特征点进行提取；然后利用立体视觉方法计算这些特
特征点的三维坐标；在此基础上，进一步结合码盘信息对前后帧图像中的特征点进行预测和跟踪，从而最终实现了光流的准确提取。实验表明，该方法比传统方法具有速度更快、准确性更高的优点。     

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。     

一种面向移动机器人的光流场计算方法

光流场的计算是移动机器人领域一个很重要的研究课题,但是现有的光流场计算方法并未充分利用移动机器人的特点。文章假设移动机器人配备了双目视觉系统和码盘,在此基础上提出了一种基于立体匹配技术的光流场计算方法。通过对实际采集的图片的对比试验,表明该方法较之传统方法,具有速度更快,准确性更高的优点。     

Visual station keeping for floating robots in unstructured environments

This paper describes the use of vision for navigation of mobile robots floating in 3D space. The problem addressed is that of automatic station keeping relative to some naturally textured environmental region. Due to the motion disturbances in the environment (currents), these tasks are important to keep the vehicle stabilized relative to an external reference frame. Assuming short range regions in the environment, vision can be used for local navigation, so that no global positioning methods are required. A planar environmental region is selected as a visual landmark and tracked throughout a monocular video sequence. For a camera moving in 3D space, the observed deformations of the tracked image region are according to planar projective transformations and reveal information about the robot relative position and orientation w.r.t. the landmark. This information is then used in a visual feedback loop so as to realize station keeping. Both the tracking system and the control design are discussed. Two robotic platforms are used for experimental validation, namely an indoor aerial blimp and a remote operated underwater vehicle. Results obtained from these experiments are described.     

栅格法视觉传感集成及机器人实时避障

研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息,通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响,提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取,最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明,通过传感信息集成,移动机器人既得到了充分的障碍物信息,又保证了检测的实时性、准确性。