论文部分内容阅读
随着移动机器人技术的迅速发展,各个领域对该技术的应用越来越广泛。作为与人类生活息息相关的室内移动机器人正逐渐走入大家的视野,伴随移动机器人智能化的发展,对于室内环境下定位方法的研究也越来越多。但目前室内移动机器人自定位方法,存在定位精度不高、实时性较差、数据量大且计算复杂等问题,本文使用kinect传感器采集室内环境中移动机器人三维信息,并利用SIFT(Scale-invariant feature transform)图像匹配算法和基于特征点的ICP(Iterative Corresponding Point)算法进行移动机器人的自定位,主要工作如下:1)在室内环境下,利用Kinect传感器采集图像信息,获取不同数据帧的彩色图像和深度图像信息,通过Kinect标定,快速生成三维点云数据,实现了二维彩色数据和深度数据的结合。该方法借助Kinect自带的工具包和算法进行计算,获得的数据精度较高。2)使用Kinect传感器获取连续两帧的彩色图像和深度信息,通过SIFT算法提取彩色图像的特征点对,然后利用K-D tree邻近搜索进行特征点的快速匹配,并通过RANSAC算法剔除误匹配,得到匹配点对,之后找到其对应的深度信息,将特征点和深度信息转为三维数据。实验结果表明:检测到的特征点对精度较好、错误匹配概率较低,且具有很好的鲁棒性。3)为了克服机器人在移动过程中数据采集量较大、计算时间复杂等问题,提出了基于特征点的改进ICP算法,利用运动估计方法可得到鲁棒性较好的摄像机的位置和方向,同时得到相邻两帧间的旋转矩阵和平移向量。机器人在运动过程中,参数是不断更新的,从而可以达到更新机器人的位姿的目的。通过实验得到的机器人位姿信息在水平方向上的定位误差约为9.237cm,水平和垂直视角上的定位误差约为5~0左右,该方法具有一定的可行性。