基于視覺的移動機器人室外定位算法研究.pdf

1、移動機器人在室外定位過程中，由于獲取的室外圖像信息過于復(fù)雜，且系統(tǒng)自身存在累計誤差，因此基于視覺的移動機器人室外定位仍存在較多難點。本文主要就視覺移動機器人在已知室外環(huán)境中的定位問題展開研究。主要研究內(nèi)容如下：
　　首先，簡述本課題的國內(nèi)外研究背景及意義，通過分析其理論知識及研究現(xiàn)狀，闡述了基于視覺的移動機器人室外定位算法過程中存在的各項技術(shù)問題，并建立移動機器人室外定位的理想模型。
　　其次，針對尺度不變特征變換(SIFT

2、)算法提取到的特征點數(shù)量繁多，當(dāng)圖像發(fā)生尺度和旋轉(zhuǎn)變化時，關(guān)鍵點主方向穩(wěn)定性差的問題，提出了在特征點檢測階段，通過減少與特征點進行匹配的像素點，并采用一階中心矩決定關(guān)鍵點的主方向，進而提高算法效率和關(guān)鍵點主方向的不變性。最后實驗結(jié)果驗證了其改進算法的性能。
　　再次，針對圖像特征點描述向量生成階段特征向量維數(shù)較高及特征匹配過程中匹配正確率較低的問題，提出采用壓縮感知稀疏特征表示方法來提取SIFT關(guān)鍵點的特征向量，將高維梯度導(dǎo)數(shù)向量

3、轉(zhuǎn)為低維稀疏特征向量；為了進一步有效提高算法的精度，在特征點匹配過程中采用視差約束算法剔除誤匹配對。最后通過仿真實驗對改進的算法性能進行直觀分析和對比，驗證其算法的準確性和實時性。
　　最后，通過融合擴展卡爾曼濾波及無跡卡爾曼濾波粒子濾波算法，實現(xiàn)了基于視覺的移動機器人在已知室外環(huán)境中的定位。針對粒子濾波算法中粒子集貧化的缺點，提出利用融合粒子濾波的狀態(tài)信息得到更優(yōu)的粒子建議分布，并通過特征匹配的相似性系數(shù)連續(xù)更新粒子濾波算法中粒