[发明专利]一种基于分形维数的图像特征提取系统及方法

说明书

一种基于分形维数的图像特征提取系统及方法，属于机器人路径规划领域。现有用于机器人路径规划技术的视觉SLAM方法存在计算量大、对环境假设性强、易受干扰等缺点。一种基于分形维数的图像特征提取系统及方法，通过图像采集、计算采集的图像中每个像素点的分形维数，通过分形维数表征自然形态的特征、提取图像边缘特征，进行图像分割、在每个分割区域中通过均匀化方法提取特征点并进行特征匹配、若判断回到原位，则进行回环检测，之后进行位姿优化以校正整个轨迹形状；若判断未回到原位，则进行位姿估计，之后进行位姿优化以校正整个轨迹形状；数据关联、构建地图。本发明使视觉SLAM可以在动态环境下具有更好的图像特征提取性能。

技术领域

本发明涉及一种基于分形维数的图像特征提取系统及方法。

背景技术

从上个世纪60年代末期斯坦福研究院研制出自主移动机器人Shakey开始，社会上对于移动机器人的需求与日俱增。目前移动机器人已经用于社会发展的各个领域，如工厂、医院、家庭、展览馆等，学者们也研究出了相应的移动机器人平台，如搬运机器人、陪护机器人、清洁机器人、导游机器人等。移动机器人技术主要涉及机械工程、电子技术、计算机、自动控制、人工智能等多种学科，是一种集环境感知、数据融合、任务规划、行为执行等多功能于一体，能够实现灵活运动的综合化智能化系统。移动机器人的智能化和自主性主要体现在对环境的感知和理解、动态决策、行为的自主规划、自我学习、自我适应、甚至是逻辑推理能力方面。而随着科技的进步和社会信息化的发展，对于移动机器人的智能化及自主性要求也越来越高。

移动机器人智能化的一个条件就是能够实现自主运动，即具备自主导航的能力。移动机器人的自主导航指机器人通过车载传感器感知周围环境和自身状态，在具有碍障物的环境中，按照一定的行为约束条件自主规划运动轨迹，实现从起始位置到目标位置的无碰撞自主运动。移动机器人的自主导航系统要解决的问题：一是机器人自身空间位置、方向和周围环境信息的检测；二是所获环境信息的分析及环境模型的建立；三是使机器人安全运动的路径规划，也就是定位(localization)、地图创建(mapping)与路径规划(pathplanning)问题。所谓环境地图创建是建立移动机器人所处工作场景的空间物理模型，获得如障碍、路标等准确的抽象物理特征描述。而定位则意味着移动机器人根据传感器环境感知信息和地图来估计自身在环境中的位置和方向。环境模型(地图)及定位的精度对于后续运动规划和控制(motion planning and control)产生很大的影响。所以定位与环境地图创建是整个移动机器人自主导航的基础，也是其真正实现自主的最重要条件之一。

同时定位与地图创建(Simultaneous Localization and Mapping，SLAM)作为目前智能移动机器人自主导航领域的研究热点之一，就是将机器人定位与环境地图创建融为一体，即移动机器人在运动过程中根据自身位姿估计和传感器对环境的感知构建增量式环境特征地图，同时利用该地图估计自己的位姿，其基本实现过程如图1所示。SLAM中精确地创建环境地图需要准确地定位，而准确地定位又依赖于精确的环境地图，它们是相互依赖、相辅相成的关系。而自主移动机器人SLAM中对于周围环境的感知一般采用超声、激光或视觉等传感器。由于视觉传感器具有探测范围宽、信息量大、特征丰富且图像特征易于提取的优点，所以基于视觉的SLAM(visual SLAM)正在受到越来越多的关注。