机器人
機器人
궤기인
ROBOT
2011年
4期
490-501
,共12页
李新德%吴雪建%朱博%戴先中
李新德%吳雪建%硃博%戴先中
리신덕%오설건%주박%대선중
移动机器人%视觉%不精确导航%手绘地图%动态环境%SURF
移動機器人%視覺%不精確導航%手繪地圖%動態環境%SURF
이동궤기인%시각%불정학도항%수회지도%동태배경%SURF
提出了一种基于手绘地图和路径的移动机器人视觉导航方法.首先,根据较小偏差的原则提取运行路径中的关键引导点,以便将原始路径分成多段.然后,移动机器人在各段运行过程中,对预先绘制的于绘地图中对应的参考图像以及机器人摄像头实时采集到的图像信息进行匹配,这罩提出预测估计的方法估计当前视野中最可能存在的图像,以加速图像的匹配过程,并利用SURF (speeded up robust feature)算法检测图像的特征,依靠KD-Tree 方法快速求得匹配点,采用RANSAC (RANdom SAmple Consensus)算法求解参考图像与实时图像的投影变换矩阵H,进而得到参考图像在实时图像中的位置,并融合里程计数据,得到机器人的大致位置.再后,根据获得的机器人大致位置,计算下一段的运行方向,继续下一段运行,依此类推,直至运动到最后一段.最后,通过一系列的实验,验证了机器人在本文方法下不需要糈确环境地图及精确运行路径就能顺利导航,并能实时有效地避开动态障碍物.
提齣瞭一種基于手繪地圖和路徑的移動機器人視覺導航方法.首先,根據較小偏差的原則提取運行路徑中的關鍵引導點,以便將原始路徑分成多段.然後,移動機器人在各段運行過程中,對預先繪製的于繪地圖中對應的參攷圖像以及機器人攝像頭實時採集到的圖像信息進行匹配,這罩提齣預測估計的方法估計噹前視野中最可能存在的圖像,以加速圖像的匹配過程,併利用SURF (speeded up robust feature)算法檢測圖像的特徵,依靠KD-Tree 方法快速求得匹配點,採用RANSAC (RANdom SAmple Consensus)算法求解參攷圖像與實時圖像的投影變換矩陣H,進而得到參攷圖像在實時圖像中的位置,併融閤裏程計數據,得到機器人的大緻位置.再後,根據穫得的機器人大緻位置,計算下一段的運行方嚮,繼續下一段運行,依此類推,直至運動到最後一段.最後,通過一繫列的實驗,驗證瞭機器人在本文方法下不需要糈確環境地圖及精確運行路徑就能順利導航,併能實時有效地避開動態障礙物.
제출료일충기우수회지도화로경적이동궤기인시각도항방법.수선,근거교소편차적원칙제취운행로경중적관건인도점,이편장원시로경분성다단.연후,이동궤기인재각단운행과정중,대예선회제적우회지도중대응적삼고도상이급궤기인섭상두실시채집도적도상신식진행필배,저조제출예측고계적방법고계당전시야중최가능존재적도상,이가속도상적필배과정,병이용SURF (speeded up robust feature)산법검측도상적특정,의고KD-Tree 방법쾌속구득필배점,채용RANSAC (RANdom SAmple Consensus)산법구해삼고도상여실시도상적투영변환구진H,진이득도삼고도상재실시도상중적위치,병융합리정계수거,득도궤기인적대치위치.재후,근거획득적궤기인대치위치,계산하일단적운행방향,계속하일단운행,의차유추,직지운동도최후일단.최후,통과일계렬적실험,험증료궤기인재본문방법하불수요서학배경지도급정학운행로경취능순리도항,병능실시유효지피개동태장애물.