[发明专利]基于视觉特征点的转向角度控制方法

说明书

技术领域

本发明涉及图像处理领域与自动设备领域，尤其是一种能够根据环境图像信息、基于视觉特征点的转向角度控制的自动行走设备。

背景技术

随着计算机技术和人工智能技术的不断进步，类似于智能机器人的自动行走设备已经开始慢慢的走进人们的生活。

现有的智能机器人，仅依靠先验知识、自绘电子地图以及传感器进行行走避障，其简单的转弯和避障动作，缺乏自我的运动状态检测能力，存在一定的风险性，容易被困死区，很难适应于各种复杂的环境。复杂的环境需要更加智能的动作加以配合，因而转向控制和角度反馈变得尤为重要。如果不进行角度信息反馈，其开环的运动，容易产生偏差。传统的光电编码器由于在运动时容易打滑存在一定误差，而电子罗盘由于机器人本生电机磁场和周围地磁线的干扰不能工作。

基于视觉特征点的转弯角度控制方法，利用反馈的转向角度信息对智能机器人的转向角度进行纠正，使其能够更加准确的控制路径规划、避障时转向的角度。

发明内容

本发明要解决的技术问题是提供一种基于视觉特征点的转向角度控制方法。

为了解决上述技术问题，本发明提供一种基于视觉特征点的转向角度控制方法，包括智能机器人，所述的智能机器人内部设置进行集中控制的微处理器，所述的智能机器人前端设置进行图像采集的摄像头；所述的微处理器分别与摄像头和智能机器人的运动控制系统信号连接；所述摄像头将实时采集的图像信息传输到微处理器，所述微处理器通过内置转向角度计算方法对机器人进行转向角度的计算；所述的基于视觉特征点的转向角度控制方法包括以下步骤：①根据需要设定一个转向角度阈值；②采集连续两帧图像，并根据SURF算法对两帧图像进行特征点检测，获取两帧图像的特征点；③选择两帧图像的特征点进行匹配，获取匹配特征点；④绘制匹配特征点，并且求取匹配特征点之间水平移动的距离；⑤利用转向角度计算公式计算转向角度，将计算的角度与转向角度阈值比较，若达到阈值范围，就停止转向，若还没达到阈值，就进行下一步骤；⑥提取下一帧图像与前一帧图像，并重复步骤③至步骤⑤的过程；⑦将步骤⑥中每次计算的角度值相互累加后，再与转向角度阈值进行比较，若达到阈值范围，就停止转向，若还没达到阈值，转到步骤⑥，直到角度相加的值达到事先设定的阈值。

作为对本发明所述的基于视觉特征点的转向角度控制方法的改进：在步骤①中，所述的转向角度阈值根据不同智能机器人的工作需要进行设定。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：在步骤②中，所述的SURF算法通过如下步骤实现：首先、选择连续两帧图像内不同大小的盒子型滤波器建立图像的尺度空间；其次、使用Hession矩阵检测出各层图像上的极值点；最后、对与极值点相相邻的26个像素点进行比较，获取极大值点和极小值点，并对极大值点和极小值点精确定位后获取稳定的特征点。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：26个像素点为极值点同层相邻的8个像素点、极值点上层的9个像素点以及极值点下层的9个像素点。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：在步骤③中，匹配特征点的选择步骤如下：首先、选取两帧图像中心区域的特征点进行欧氏距离计算；其次、选择其中一帧图像中的一个特征点，计算该特征点到另一帧图像中心区域所有特征点之间的欧氏距离，当该特征点的最近欧氏距离和次近距离小于0.6时，确定该点为匹配特征点；最后、确定中心区域中所有的匹配特征点。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：在步骤④中，将步骤③的匹配特征点所求的最小欧氏距离从小到大排序；取距离的中位数作为图像水平移动的距离，即匹配特征点视角在横坐标x上的移动偏差d_x。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：在步骤⑤中，通过线性算法公式进行角度检测；式中，d_x为步骤④中特征点视角在横坐标X上的移动偏差，W为采集图像的显示宽度，为摄像头镜头的视野宽度，η为修正系数。

作为对本发明所述的基于视觉特征点的转向角度控制方法的进一步改进：在步骤⑥中，当转向角度还未达到步骤①设定的转向角度阈值时，再提取下一帧的图像，对下一帧图像进行特征点的提取，并将下一帧图像与其上一帧图像进行匹配特征点的提取，再进行匹配特征点水平移动距离的计算，最后再计算这两帧图像的转向角度。