未知環(huán)境下移動機器人視覺的蒙特卡羅定位研究.pdf

1、本文是自然科學基金重點項目“未知環(huán)境中移動機器人導航控制的理論與方法研究”下的子項目“未知環(huán)境中移動機器人視覺定位”的研究內容之一。 機器人要實現自主導航，首先就必須確定自身位置。機器人的精確定位是實現機器人導航，尤其是在全局環(huán)境建模的研究中起關鍵作用的因素。本文將在未知環(huán)境中，以立體視覺為觀測方式，利用蒙特卡羅定位方法對機器人進行精確定位。其中研究工作將在以下幾個方面進行： l 建立立體視覺模型，用于獲得路標的三維深度

2、信息。 2 提出一種在未知環(huán)境中自然路標的檢測算法。在未知環(huán)境中，自然路標是未知的，沒有先驗知識來指導對路標的檢測與識別，在本文中，提出了一種基于興趣點聚類的算法來檢測自然路標。首先用單攝像機旋轉一定角度拍攝環(huán)境的兩幅圖像，然后用Susan算子提取圖像中的興趣點。根據極線約束清除圖像中的噪聲或者遮擋的興趣點，利用立體視覺計算每個興趣點的視差，接著刪除視差極大和極小的興趣點，保留視差在一定范圍的興趣點。然后根據距離、視差和顏色三個

3、特征的相似性度量對保留的興趣點聚類。把該聚類作為檢測到的自然路標特征，并用該特征表示自然路標。 3 提出一種自然路標的距離、角度不變性表示及識別方法。在計算機視覺中，光照變化的影響對目標的識別一直是個難題，而距離、角度變化后的目標識別也是模式識別的難題。本文提出了用聚類的興趣點間角度差來表示及匹配自然路標的算法，降低了光照變化對自然路標的識別的影響；而且該算法在一定范圍內能夠有效解決距離、角度變化后的目標識別問題。 4

4、設計了在未知環(huán)境中以立體視覺作為傳感器獲得的信息建立觀測模型的蒙特卡羅定位方法。蒙特卡羅算法與以前的基于概率的定位算法區(qū)別在于采用帶有權重的隨機樣本來表示信度，適用于任意噪聲分布，并且明顯降低了存儲量和運算量，樣本使機器人能夠以更高的頻率處理其它傳感器的測量信息。本文中，應用立體視覺模型獲得自然路標的三維深度信息，以此信息建立蒙特卡羅定位的觀測模型。 理論研究與實驗表明，我們能夠對機器人在未知環(huán)境中進行精確定位，并較好地解決機器