基于局部特征的室內(nèi)移動(dòng)機(jī)器人物體識(shí)別算法研究.pdf

1、近幾年機(jī)器人行業(yè)研究報(bào)告顯示，自主智能化、小型室內(nèi)化成為未來機(jī)器人的趨勢。與大型工業(yè)機(jī)器人相比，室內(nèi)機(jī)器人具有可移動(dòng)性、輕便、自適應(yīng)性等特點(diǎn)。物體識(shí)別作為智能移動(dòng)機(jī)器人獨(dú)立完成高層次任務(wù)的基礎(chǔ)，具有重要的研究意義，然而對(duì)于通用性識(shí)別的理論方法和實(shí)踐仍處于探索階段，沒有形成固定的模式，因此，需要綜合對(duì)移動(dòng)機(jī)器人自身特點(diǎn)進(jìn)行復(fù)雜室內(nèi)場景下一般物體識(shí)別算法針對(duì)性的研究。
　　 為解決復(fù)雜背景干擾問題，利用Kinect深度信息與圖像信息

2、融合方法對(duì)興趣深度區(qū)域進(jìn)行分割，并對(duì)采集到的初始圖像進(jìn)行分析，并分別針對(duì)移動(dòng)機(jī)器人由于運(yùn)動(dòng)或傳感器抖動(dòng)造成模糊效果與Kinect深度傳感器由于紅外光所產(chǎn)生的散斑噪聲，進(jìn)行了濾波方案比較，選取了效果最佳的維納濾波與非局部均值濾波對(duì)圖像進(jìn)行復(fù)原。
　　 由于室內(nèi)環(huán)境下目標(biāo)物體常處于被遮擋狀態(tài)，故而選擇了具有遮擋魯棒性的局部特征思想。為實(shí)現(xiàn)移動(dòng)機(jī)器人實(shí)時(shí)的識(shí)別效果，選用了隨機(jī)蕨分類器進(jìn)行線下訓(xùn)練，并選擇了高效的FAST特征點(diǎn)檢測算法，

3、通過重復(fù)度思想對(duì)其中最穩(wěn)定的關(guān)鍵點(diǎn)進(jìn)行了篩選。針對(duì)隨機(jī)蕨分類匹配產(chǎn)生較多誤匹配，通過二次匹配的方式進(jìn)行誤匹配的剔除。二次匹配過程中，選取了非均勻采樣生成二進(jìn)制描述符從而實(shí)現(xiàn)了算法對(duì)光照變化的魯棒性的同時(shí)減少了算法數(shù)據(jù)耗費(fèi)的存儲(chǔ)空間，并通過Hamming距離進(jìn)行二次匹配度量，之后通過RANSAC算法獲取目標(biāo)在場景中幾何變換的單應(yīng)性矩陣，實(shí)現(xiàn)了由局部特征到目標(biāo)物體的識(shí)別。
　　 最后，通過三類測試對(duì)算法效果進(jìn)行了較為全面的評(píng)估。選取