基于Xtion攝像機的室內機器人視覺里程計實現方法
【專利摘要】本發明涉及一種基于Xtion攝像機的室內機器人里程計實現方法，該方法為：首先通過安裝在機器人上的Xtion攝像機對機器人前方的視場進行信息采集，獲取空間點的RGB信息和三維坐標信息。然后基于SIFT特征匹配算法并結合空間點的PFH（點特征直方圖）三維特征，對采集的序列圖像進行粗特征點匹配，并使用RANSAC（隨機采樣一致性）剔除粗匹配中的誤匹配點，得到精確匹配點。最后建立方程組，利用最小二乘法求解出機器人的運動參數。本方法使用Xtion攝相機進行信息采集，能夠直接獲取空間點的三維信息，并且利用空間點的紋理特征和三維特征進行特征提取和匹配，從而顯著提高了機器人定位的效率和精度。
【專利說明】基于Xtion攝像機的室內機器人視覺里程計實現方法
【技術領域】
[0001] 本發明涉及室內移動機器人自主導航【技術領域】，尤其是一種應用于室內環境中輪 驅動式移動機器人自主導航技術中的視覺里程實現方法。
【背景技術】
[0002] 在室內移動機器人的研究中，實時獲得機器人高精度的運動參數是極其重要的， 關系到機器人導航、避障和路徑規劃等任務的實現。由于機器人行進過程中碰到障礙物輪 子存在長期磨損打滑現象，使得光電碼盤測速電機等設備不能準確測定機器人的位移準確 信息；采用GPS定位，存在分辨率低，且在室內的信號弱，不適合于室內移動機器人。
[0003] 視覺里程計通過采集分析相關圖像序列，來確定機器人位置和朝向，可以彌補上 述的問題，增強了機器人在任何表面以任何方式移動時的導航精度。傳統的視覺里程計通 過單目照相機、雙目照相機或者全向照相機獲取圖像，通過坐標系的轉換獲取空間點的三 維信息，并通過圖像RGB信息對兩幀圖像進行特征提取和匹配從而獲取機器人的運動參 數。在獲取空間點的三維信息時，由于照相機鏡片誤差和坐標系的轉換，使得計算過程復 雜、效率低并且精度不高。在對圖像特征提取、匹配時由于只利用了圖像的RGB信息，丟失 了三維信息，常常出現錯誤匹配的情況。
【發明內容】
[0004] 本發明的目的是提供一種基于xtion攝像機的室內移動機器人視覺里程計實現 方法，該方法利用Xtion攝相機，能夠直接獲取空間點的三維信息和RGB信息，并且利用提 取空間點的紋理特征和三維特征進行匹配，從而顯著提高了機器人定位的效率和精度。
[0005] 為實現上述目的，本發明采用以下方案實現：該方法包括以下步驟：
[0006] 步驟S01 :通過安裝在機器人上的Xtion攝像機對機器人前方的視
[0007] 場進行信息采集，獲取空間點的RGB信息和三維坐標信息；
[0008] 步驟S02 :利用SIFT特征匹配算法并結合空間點的Ρ--三維特征，對)(tion所采 集到相鄰兩幅圖像間的特征點進行匹配；
[0009] 步驟S03 :使用RANSAC剔除匹配中的誤匹配點；
[0010] 步驟S04 :獲得前后相鄰兩幀圖像的匹配點
【權利要求】
1. 一種基于xtion攝像機的室內機器人視覺里程計實現方法，其特征在于包括以下步 驟： 步驟S01 :通過安裝在機器人上的Xtion攝像機對機器人前方的視場進行信息采集，獲 取空間點的RGB /[目息和二維坐標彳目息； 步驟S02 :利用SIFT特征匹配算法并結合空間點的Ρ--三維特征，對Xtion所采集到 相鄰兩幅圖像間的特征點進行匹配； 步驟S03 :使用RANSAC剔除匹配中的誤匹配點； 步驟S04 :獲得前后相鄰兩幀圖像的匹配點
，其中上角 標P代表前一幀圖像，c代表后一幀圖像，i為匹配點數目；建立方程組
其中R為旋轉矩陣，T為平移矢量；利用最小二乘法即可求解出機器人的運動參數。
2. 根據權利要求1所述的基于Xtion攝像機的室內機器人視覺里程計實現方法，其特 征在于：所述特征點匹配具體包括如下步驟 ： 1) 特征點檢測：在圖像二維平面空間和DoG尺度空間中同時檢測局部極值以作為特征 點，DoG算子定義為兩個不同尺度的高斯核的差分，DoG算子如式（1)所示：
其中，G(x，y，〇 )為尺度可變高斯函數，
（X，y)為空間坐 標，〇為尺度坐標，I (X，y)為原圖像，L(x, y, σ )為尺度空間。 在檢測尺度空間極值時，某個像素需要跟同一尺度的周圍領域的8個像素以及相鄰尺 度對應位置的領域9X2個像素總共26個像素進行比較，以確保在尺度空間和2維圖像空 間都能檢測到局部極值； 2) 特征點描述，即建立特征向量，其中包括SIFT特征向量和Ρ--三維特征向量； SIFT特征向量：每個關鍵點由2X2共4個種子點構成，每個種子點包含8個方向向量 信息；對每個關鍵點采用4X4共16個種子點來描述，以產生128個數據，即最后每個關鍵 點建立128維的SIFT特征向量； Ρ--三維特征向量：利用KD數尋找每個關鍵點附近K個點，并求出這些點在空間坐標 系中的法線向量η ;對于關鍵點與其附近K個點，取其所有互相兩個點組合，根據判定 〈叫，Ρ』-Ρ，與〈η』，的大小來設置原點Ps和目標點P t，其中叫和η』分別為對應Pi和Ρ」 的法向量，若前者大則記Ps = Pi, Pt = Ρ」，反之記Ps = Ρ」，Pt = Pi ; 根據上述各點建立局部坐標系
在這個坐標系下計算三個參數：
，將每個參數化分為5個子區間并建立35個區間的直方圖中，每對 點的三個參數（α，Φ，Θ)為所對的應直方圖區間加一，統計所有點后所產生的直方圖進 行歸一化，即為125維Ρ--三維特征向量； 3) 進行特征匹配以獲取候選匹配點：當兩幀圖像的SIFT特征向量和FPH三維特征向 量生成后，下一步采用關鍵點特征向量間的歐式距離來作為兩幀圖像中關鍵點的相似性判 定度量；取兩幀圖像歐式距離最近的前兩對關鍵點，在這兩對關鍵點中，如果最近的距離除 以次近的距離少于某個比例閾值，則接受這一對匹配點； 4) 消除誤匹配：采用RANSAC算法去除外點，RANSAC算法是通過多次隨機抽取一定的樣 本對參數進行估計，先得出初始參數模型，然后根據估計參數將所有數據進行分類，一部分 數據在設定誤差范圍內，則稱為內點，反之稱為外點，經過多次迭代計算出最優模型參數。
3.根據權利要求1所述的基于Xtion攝像機的室內機器人視覺里程計實現方法，其特 征在于：所述最小二乘法求解出機器人的運動參數方法如下： 求解最小二乘解使得I iLHRPpi+T) | |2最小，其中Ppi和乙為相鄰兩序列 圖像中的前一幀圖像和后一幀圖像，i為對應匹配點數；首先建立協方差矩陣
對應匹配點數；然后 對矩陣Σ ep進行特征值分解Σ ep = UDV，其中U，V為酉矩陣，
為奇異值矩陣，式中屯為非零奇異值，記
；最后求解旋轉矩 陣R = USV，帶入原方差即可求解平移矢量T。
【文檔編號】G01C21/00GK104121902SQ201410301943
【公開日】2014年10月29日 申請日期:2014年6月28日 優先權日:2014年6月28日
【發明者】何炳蔚, 鄒誠, 林昌, 劉麗萍 申請人:福州大學