论文部分内容阅读
随着社会的发展和老龄化问题的日益严峻,人们对家居服务机器人的需求越来越迫切。良好的物体感知能力是家居服务机器人实现智能作业的前提,也是机器视觉领域的研究热点。家居环境的非结构化、物体种类的繁多、物体不同姿态的任意摆放、多个物体间的相互接触与遮挡,机器人运动带来的图像模糊性,以及实时性要求等都为机器人的物体感知带来了诸多困难。本文面向家居服务机器人的这些挑战性问题,主要研究内容如下:首先,基于SURF特征设计并实现了一套完整的家居服务机器人物体识别系统。主要包括特征点检测、特征点描述、特征点匹配三个过程,并且针对误匹配问题进行改进,采用RANSAC算法进行匹配提纯,有效消除了误匹配。搭建机器人硬件平台,在室内非结构化环境下进行识别实验,验证了该方法具有良好的鲁棒性,但是实时性有待提高。其次,为了进一步提高系统性能,提出了一种基于显著性区域指导的机器人物体识别算法。通过视觉选择性注意机制选择图像中显著区域,提取显著性区域SURF特征,通过特征点匹配,实现场景中目标物体的识别。实验证明,和传统SURF算法相比,本文改进算法的识别率和识别速度均得到有效提高。最后,为解决传统Camshift算法需要手动选取跟踪目标的问题,提出一种基于检测的无监督的家居服务机器人物体跟踪算法,利用SURF特征匹配自动寻找目标物体,实现了全自动跟踪。针对传统Camshift算法容易受相似颜色干扰的问题,将SURF特征融入到Camshift算法框架之中,提出一种结合SURF特征的Camshift物体跟踪算法。实验证明,该算法可以有效解决传统Camshift算法在与目标颜色相似的背景下跟踪失败的问题。