未知環(huán)境中移動(dòng)機(jī)器人視覺(jué)環(huán)境建模與定位研究.pdf

1、本論文來(lái)源于國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“未知環(huán)境中移動(dòng)機(jī)器人導(dǎo)航控制的理論與方法研究”(60234030)，屬于其子任務(wù)“環(huán)境建模與定位”的研究方向。本文著重研究了移動(dòng)機(jī)器人在未知環(huán)境中基于攝像機(jī)視覺(jué)的拓?fù)浣?、定位及?dǎo)航等問(wèn)題，目的在于探索針對(duì)未知環(huán)境的視覺(jué)建模與定位方法，提高所建立拓?fù)淠Ｐ偷臏?zhǔn)確性，降低模型的存儲(chǔ)需求，從而提高機(jī)器人在未知環(huán)境中的自定位精度和長(zhǎng)時(shí)間生存能力。 有效分析視覺(jué)傳感器信息以獲取環(huán)境特征是視覺(jué)環(huán)境建模與

2、定位的至關(guān)重要的基礎(chǔ)，本文首先基于視覺(jué)顯著性研究了針對(duì)未知環(huán)境的自底向上的自然路標(biāo)檢測(cè)、表示與識(shí)別方法。提出了一種帶反饋機(jī)制的顯著性檢測(cè)模型(feedback saliency detection model，F(xiàn)SDM)，并定義了能夠更好地體現(xiàn)對(duì)比含義且充分考慮全局信息影響的級(jí)間對(duì)比度算子。在多尺度空間上計(jì)算顏色、紋理特征的對(duì)比度，經(jīng)綜合處理得到描述路標(biāo)候選位置的顯著性指示圖。通過(guò)引入反饋通道，控制備類特征在不同場(chǎng)景圖像處理中發(fā)揮的作用

3、。基本性能測(cè)試、穩(wěn)定性測(cè)試及抗干擾性測(cè)試等一系列實(shí)驗(yàn)表明，該方法具有非常優(yōu)越的顯著位置重復(fù)檢測(cè)性能。此后，應(yīng)用LOG算子進(jìn)行自動(dòng)區(qū)域尺寸選擇，形成顯著區(qū)域作為自然路標(biāo)原型，選擇梯度方向、二階不變矩、歸一化的色調(diào)作為自然路標(biāo)的表示方案。目標(biāo)識(shí)別實(shí)驗(yàn)表明，基于局部顯著區(qū)域的自然路標(biāo)穩(wěn)定性好，能夠容忍遠(yuǎn)近尺度、視角等變化引起的圖像差異，識(shí)別準(zhǔn)確率較高。 在前述獲得的自然路標(biāo)的基礎(chǔ)上，基于隱馬爾科夫模型(hiddenMarkov mod

4、el，HMM)提出了一種增量式視覺(jué)拓?fù)浣Ｅc定位方法。該方法首先通過(guò)單CCD攝像頭掃視機(jī)器人當(dāng)前所在環(huán)境來(lái)獲得全方位圖像序列，然后利用HMM建模所獲得局部顯著路標(biāo)間的關(guān)系，以構(gòu)造拓?fù)涔?jié)點(diǎn)，于是定位問(wèn)題可以轉(zhuǎn)化為HMM的估值問(wèn)題。設(shè)計(jì)了基于聯(lián)合概率分布的初始定位方法，并且設(shè)計(jì)了基于最大后驗(yàn)概率(maximum a posteriori，MAP)的學(xué)習(xí)策略來(lái)處理定位的不確定性。該方法具有以下鮮明特點(diǎn)：采用局部圖像特征而不是整幅圖像特征參與環(huán)

5、境識(shí)別，并利用HMM建模這些路標(biāo)間的空間關(guān)系，因此在定位時(shí)能夠?qū)Νh(huán)境變化具有更高的容許程度，識(shí)別更加可靠；HMM的狀態(tài)空間恒定，不會(huì)隨著探索環(huán)境規(guī)模的擴(kuò)大而增長(zhǎng)，從而降低了概率定位的計(jì)算需求；支持在線增量式建立拓?fù)涞貓D，同時(shí)進(jìn)行定位，而目前大多數(shù)視覺(jué)拓?fù)浣Ｏ到y(tǒng)都需要離線分析建模和在線定位兩個(gè)階段。實(shí)驗(yàn)表明，上述方法能夠有效地提高場(chǎng)景識(shí)別的準(zhǔn)確率，實(shí)現(xiàn)在線增量式拓?fù)浣Ｅc定位。為提高視覺(jué)拓?fù)浣Ｅc定位方法在包含各種動(dòng)態(tài)因素的真實(shí)環(huán)境中應(yīng)

6、用的能力，本文側(cè)重研究了存在運(yùn)動(dòng)物體(或稱為運(yùn)動(dòng)目標(biāo))的動(dòng)態(tài)未知環(huán)境拓?fù)浣＃M量消除其對(duì)建模的影響，以提高拓?fù)洵h(huán)境模型的準(zhǔn)確性。首先提出了帶運(yùn)動(dòng)補(bǔ)償?shù)倪\(yùn)動(dòng)目標(biāo)檢測(cè)方法，并從檢測(cè)與跟蹤任務(wù)的完整性考慮，以Kalman濾波器為基本單元構(gòu)造了一個(gè)驅(qū)動(dòng)攝像頭的反饋控制系統(tǒng)。為快速提取完整目標(biāo)，對(duì)模糊C均值聚類(fuzzy C-Means clustering，F(xiàn)CM)方法進(jìn)行了改進(jìn)。在此基礎(chǔ)上，重新修改了自然路標(biāo)提取策略：將所有檢測(cè)出的路標(biāo)劃

7、分為靜態(tài)路標(biāo)和動(dòng)態(tài)路標(biāo)兩類，然后拋棄那些動(dòng)態(tài)路標(biāo)以濾除運(yùn)動(dòng)目標(biāo)影響。實(shí)驗(yàn)結(jié)果表明，該方法能夠有效地濾除噪聲路標(biāo)，提高了拓?fù)浣：投ㄎ坏木取?在前述自然路標(biāo)提取、增量式建模及動(dòng)態(tài)目標(biāo)檢測(cè)研究的基礎(chǔ)上，提出并實(shí)現(xiàn)了一個(gè)視覺(jué)拓?fù)浣＜皩?dǎo)航系統(tǒng) VOTMNS(Vision basedOnline Topological Mapping and Navigation System)，并在移動(dòng)機(jī)器人平臺(tái) MORCS-1 上進(jìn)行了實(shí)踐。該系