城市環(huán)境中移動機(jī)器人視覺定位研究.pdf

1、自主定位技術(shù)是移動機(jī)器人自主導(dǎo)航的基礎(chǔ)和關(guān)鍵。近年來，隨著圖像傳感器生產(chǎn)成本的降低，以及圖像處理、模式識別等相關(guān)技術(shù)的迅速發(fā)展，視覺定位受到越來越多的關(guān)注。移動機(jī)器人視覺定位是指借助于攝像機(jī)采集的視覺信息，確定機(jī)器人的當(dāng)前位置。近年來，移動機(jī)器人在戶外環(huán)境下，特別是城市區(qū)域中的應(yīng)用越來越廣泛。因此，城市環(huán)境中的移動機(jī)器人視覺定位研究具有非常重要的理論意義和極其廣泛的應(yīng)用前景。
　　 論文圍繞城市環(huán)境中的移動機(jī)器人視覺定位問題展開

2、研究，實(shí)現(xiàn)了城市環(huán)境中無準(zhǔn)確GPS數(shù)據(jù)情況下的移動機(jī)器人精確定位。論文提出了利用機(jī)器人工作區(qū)域的衛(wèi)星地圖和移動機(jī)器人車載相機(jī)所采集的圖像二者相結(jié)合的視覺定位策略。其中，衛(wèi)星地圖用來提取周圍建筑物的俯視輪廓，而攝像機(jī)圖像用于重建圖像中的建筑物輪廓，通過對二者進(jìn)行匹配來確定移動機(jī)器人在二維衛(wèi)星地圖中的絕對位置。
　　 為了實(shí)現(xiàn)上述定位過程，論文設(shè)計了基于線特征的場景三維重建方法。傳統(tǒng)的進(jìn)行場景三維重建的方法主要是利用點(diǎn)特征。基于點(diǎn)特

3、征的三維重建方法存在著精度低、計算量大以及無法準(zhǔn)確地表示當(dāng)前場景等問題。與點(diǎn)特征相比，線特征存在諸多優(yōu)點(diǎn)：在同樣的噪聲強(qiáng)度下，線特征受噪聲影響更?。痪€特征對光照情況和陰影都不敏感；線特征的數(shù)量較少，從中確定有用線段并利用其進(jìn)行三維重建的計算量較小。然而，不同視圖間的線特征匹配一直都是計算機(jī)視覺領(lǐng)域的一大難點(diǎn)，至今仍缺乏能夠準(zhǔn)確、全面地查找線對應(yīng)的方法。為此，論文首次提出了多層特征圖(Multilayer Feature Graph，MF

4、G)結(jié)構(gòu)。MFG借助于多種特征之間的幾何關(guān)系和約束，可以有效地確定不同視圖間線特征的對應(yīng)關(guān)系，并最終確定線特征和建筑物平面(豎直平面)的三維信息。同時，MFG還是一種有效的場景表達(dá)的方式，將周圍場景表示為多種相互關(guān)聯(lián)的主要特征，包括點(diǎn)特征、線段特征、直線特征和豎直平面特征，更有助于對場景的理解。
　　 論文的主要研究內(nèi)容包括MFG的設(shè)計與構(gòu)建、基于MFG的視覺定位算法兩部分。MFG的設(shè)計與構(gòu)建部分主要包括MFG的結(jié)構(gòu)設(shè)計以及基于

5、特征融合的MFG的構(gòu)建方法。視覺定位算法部分主要討論了如何利用高分辨率的衛(wèi)星地圖以及MFG確定移動機(jī)器人在衛(wèi)星地圖中的準(zhǔn)確位置。首先設(shè)計并實(shí)現(xiàn)了利用衛(wèi)星地圖自動提取俯視的建筑物二維輪廓的方法。然后提出了利用單個MFG和建筑物俯視輪廓的特征加權(quán)視覺定位方法，實(shí)現(xiàn)了移動機(jī)器人的簡單、快速定位。但該方法的缺點(diǎn)是無法保證定位解的唯一性和正確性，特別是在機(jī)器人所處的環(huán)境中存在很多相似建筑的情況下。為此，論文又設(shè)計了基于投票的視覺定位方法?；谕镀?/p>

6、的定位方法同時利用了多個MFG，每個MFG提供若干個候選解，最后根據(jù)候選解的一致性來確定最終解。論文的整體工作概述如下：
　　 (1)MFG的設(shè)計與構(gòu)建。給出了MFG的模型結(jié)構(gòu)以及特征的提取方法。利用MFG中多層特征之間的幾何關(guān)系，提出了基于特征融合的MFG的構(gòu)建方法。通過構(gòu)建MFG實(shí)現(xiàn)兩視圖間線對應(yīng)的查找，并實(shí)現(xiàn)了基于線對應(yīng)的場景重建與理解。
　　 (2)基于高分辨率衛(wèi)星地圖的建筑物輪廓自動提取。針對高分辨率衛(wèi)星地圖中

7、建筑物以及非建筑物區(qū)域的特點(diǎn)，同時借助相應(yīng)的普通的城市電子地圖，提出了一種自動、快速的建筑物二維輪廓信息提取方法。利用Google衛(wèi)星地圖對該方法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該方法可以快速、準(zhǔn)確、自動地完成建筑物輪廓提取。
　　 (3)基于單個MFG的特征加權(quán)視覺定位。利用單個MFG以及二維的建筑物俯視輪廓信息，提出了基于特征加權(quán)的視覺定位方法。該方法將定位問題轉(zhuǎn)化為一個優(yōu)化問題，通過求解該優(yōu)化問題來定位機(jī)器人。實(shí)驗(yàn)表明，該方

8、法在大多情況下能夠?qū)崿F(xiàn)移動機(jī)器人的快速自主定位。然而，理論分析和物理實(shí)驗(yàn)均表明，當(dāng)機(jī)器人所處的環(huán)境較復(fù)雜，特別是周圍存在很多相似的建筑物時，該方法無法保證定位解的唯一性，甚至可能出現(xiàn)錯誤定位。
　　 (4)基于投票的視覺定位。該方法是對基于單個MFG的特征加權(quán)視覺定位方法的改進(jìn)?；谕镀钡囊曈X定位方法利用在相同位置采集的多組兩視圖構(gòu)建的多個MFG，根據(jù)特征加權(quán)的方法，每個MFG可以提供若干個候選解，最終由所有的候選解進(jìn)行投票來確