[发明专利]一种动态环境中的视觉定位方法

说明书

技术领域：

本发明是涉及图像处理及机器视觉的移动机器人自定位技术，该技术可以在复杂的动态场景中以视觉信息作为输入实现移动机器人自定位。

背景技术：

在智能机器人领域，移动机器人定位与导航技术一直是研究的关键问题。定位的精度及速度直接影响机器人完成既定任务的效率和准确度。之前的定位方法，如：编码器或轮式里程计等无法克服由摩擦、滑动等非线性因素引起的定位误差，近几年兴起的视觉定位方法可以很好地解决非线性误差，但现有的视觉定位方法存在一定缺陷：

1:当环境中存在纹理相似区域，及大量相似的重复性结构时，容易引起特征点的误匹配，导致定位错误。

2:环境中存在大量独立运动物体时，位于动态物体上的特征点会干扰里程计结果，导致定位精度降低。

为了使视觉定位技术可以在复杂的动态场景中得以应用，需要采用一定的方法来剔除位于动态物体上的特征点，然而目前的算法，如离群度测量算法，图像理解算法等均不能同时满足定位的实时性及有效性要求。如何让视觉里程计在动态环境中实时有效地工作成为本专利申请人关注和研究的新课题。

发明内容：

本发明的目的在于解决现有技术中存在的问题，提供一种可以在复杂动态环境中应用的视觉定位算法，使得移动机器人可以依靠视觉信息作为输入，完成在复杂环境中的自定位任务。本发明的技术方案包括以下步骤：

1：用已标定好的双目相机，进行左右图像连续采集。

2：采集当前时刻左右两幅图像，使用sobel算子提取图像中的特征点，并利用SIFT描述符进行描述,通过计算左右图像各点间特征描述符的欧式距离进行匹配，使用三维重建算法将特征点二维图像坐标转换为三维空间坐标，初始化位姿变换矩阵为单位矩阵，并设当前位置为原点。如果图像是第一帧，从新进入步骤2；如果图像不是第一帧进入步骤3。

3：将前时刻获取的左右两帧图像中的特征点，与前一时刻的两帧图像一起进行特征点的立体匹配，并通过回环匹配增加匹配准确度，得到各帧图像之间特征点的对应关系，利用双视几何原理求解出特征点在两帧图像中相对于摄像机坐标系的坐标。

4：使用场流法对匹配后的特征点集进行计算，求出该点在t-1时刻的位置经过位姿变换矩阵RT投影以后的三维坐标与该点t时刻三维坐标的差值，差值大于阈值的点认为是位于动态物体上的特征点，将其从特征点集中删除。其详细步骤如下：

4-1．由于机器人的运动过程是连续的，所以认为机器人在t时刻的位姿变化与t-1时刻位姿变化近似相等，以t-1时刻的RT作为t时刻RT的估计值。

4-2.利用4-1的结果，考虑相机成像时的像素位置误差，计算估计RT的不准确度，求出场流法的误差模型。

4-3.计算每个点对应于该模型的马氏距离值，值越大说明其离群度较高，将大于一定阈值的点从点集中删除。

5：使用高斯-牛顿迭代算法，以当前时刻和前一时刻的特征点集作为输入量求解机器人当前时刻相对前一时刻的位姿变化，同时使用RANSIC算法进一步提高定位准确度。

5-1.在特征点集中随机选择3对特征点，通过迭代算法，进行一次运动估计，得到一个RT。

5-2.利用当前的RT，对所有前一时刻特征点进行投影，对比投影结果与当前观测位置的差，将差值小于阈值的点记为局内点。

5-3.重复5-1、5-2，进行N次迭代，比较每次局内点数目，将局内点数目最大的一组局内点重新构成特征点集。

5-4.利用新的特征点集，使用高斯-牛顿迭代进行运动估计，得到更优的R和T。

6：使用步骤5的结果对全局的RT进行更新，得到机器人相对于初始坐标系的位置和姿态。

本发明的优点在于：

1）本发明通过回环匹配来增加匹配稳定性，减小了因误匹配引入的误差。

2）本发明使用场流法对特征点进行处理，可以将处于运动物体上的特征点剔除出去，使视觉定位可以在复杂的动态场景中实时有效的工作。

3）本发明在使用场流法时，考虑了可能产生误差的因素，求解其误差模型，计算各点对应该模型的马氏距离，使得对局外点的判断可以通过统一的阈值来决定。

4）在视觉定位过程中使用了RANSIC算法，该方法与场流法结合使用，提高了视觉定位方法的实时性与有效性

附图说明：

图1是本发明提出的动态环境中视觉定位方法总体流程图。

图2是本发明中定义的各个坐标系。

图3是本发明中使用的回环匹配算法示意图。