基于局部特征的室內(nèi)移動機器人物體識別算法研究.pdf

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

2、融合方法對興趣深度區(qū)域進行分割，并對采集到的初始圖像進行分析，并分別針對移動機器人由于運動或傳感器抖動造成模糊效果與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圖像進行復原。
　　 由于室內(nèi)環(huán)境下目標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。為實現(xiàn)移動機器人實時的識別效果，選用了隨機蕨分類器進行線下訓練，并選擇了高效的FAST特征點檢測算法，

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