基于Xtion摄像机的室内机器人视觉里程计实现方法
【专利摘要】本发明涉及一种基于Xtion摄像机的室内机器人里程计实现方法，该方法为：首先通过安装在机器人上的Xtion摄像机对机器人前方的视场进行信息采集，获取空间点的RGB信息和三维坐标信息。然后基于SIFT特征匹配算法并结合空间点的PFH（点特征直方图）三维特征，对采集的序列图像进行粗特征点匹配，并使用RANSAC（随机采样一致性）剔除粗匹配中的误匹配点，得到精确匹配点。最后建立方程组，利用最小二乘法求解出机器人的运动参数。本方法使用Xtion摄相机进行信息采集，能够直接获取空间点的三维信息，并且利用空间点的纹理特征和三维特征进行特征提取和匹配，从而显著提高了机器人定位的效率和精度。
【专利说明】基于Xtion摄像机的室内机器人视觉里程计实现方法
【技术领域】
[0001] 本发明涉及室内移动机器人自主导航【技术领域】，尤其是一种应用于室内环境中轮 驱动式移动机器人自主导航技术中的视觉里程实现方法。
【背景技术】
[0002] 在室内移动机器人的研究中，实时获得机器人高精度的运动参数是极其重要的， 关系到机器人导航、避障和路径规划等任务的实现。由于机器人行进过程中碰到障碍物轮 子存在长期磨损打滑现象，使得光电码盘测速电机等设备不能准确测定机器人的位移准确 信息；采用GPS定位，存在分辨率低，且在室内的信号弱，不适合于室内移动机器人。
[0003] 视觉里程计通过采集分析相关图像序列，来确定机器人位置和朝向，可以弥补上 述的问题，增强了机器人在任何表面以任何方式移动时的导航精度。传统的视觉里程计通 过单目照相机、双目照相机或者全向照相机获取图像，通过坐标系的转换获取空间点的三 维信息，并通过图像RGB信息对两帧图像进行特征提取和匹配从而获取机器人的运动参 数。在获取空间点的三维信息时，由于照相机镜片误差和坐标系的转换，使得计算过程复 杂、效率低并且精度不高。在对图像特征提取、匹配时由于只利用了图像的RGB信息，丢失 了三维信息，常常出现错误匹配的情况。
【发明内容】
[0004] 本发明的目的是提供一种基于xtion摄像机的室内移动机器人视觉里程计实现 方法，该方法利用Xtion摄相机，能够直接获取空间点的三维信息和RGB信息，并且利用提 取空间点的纹理特征和三维特征进行匹配，从而显著提高了机器人定位的效率和精度。
[0005] 为实现上述目的，本发明采用以下方案实现：该方法包括以下步骤：
[0006] 步骤S01 :通过安装在机器人上的Xtion摄像机对机器人前方的视
[0007] 场进行信息采集，获取空间点的RGB信息和三维坐标信息；
[0008] 步骤S02 :利用SIFT特征匹配算法并结合空间点的Ρ--三维特征，对)(tion所采 集到相邻两幅图像间的特征点进行匹配；
[0009] 步骤S03 :使用RANSAC剔除匹配中的误匹配点；
[0010] 步骤S04 :获得前后相邻两帧图像的匹配点
【权利要求】
1. 一种基于xtion摄像机的室内机器人视觉里程计实现方法，其特征在于包括以下步 骤： 步骤S01 :通过安装在机器人上的Xtion摄像机对机器人前方的视场进行信息采集，获 取空间点的RGB /[目息和二维坐标彳目息； 步骤S02 :利用SIFT特征匹配算法并结合空间点的Ρ--三维特征，对Xtion所采集到 相邻两幅图像间的特征点进行匹配； 步骤S03 :使用RANSAC剔除匹配中的误匹配点； 步骤S04 :获得前后相邻两帧图像的匹配点
，其中上角 标P代表前一帧图像，c代表后一帧图像，i为匹配点数目；建立方程组
其中R为旋转矩阵，T为平移矢量；利用最小二乘法即可求解出机器人的运动参数。
2. 根据权利要求1所述的基于Xtion摄像机的室内机器人视觉里程计实现方法，其特 征在于：所述特征点匹配具体包括如下步骤 ： 1) 特征点检测：在图像二维平面空间和DoG尺度空间中同时检测局部极值以作为特征 点，DoG算子定义为两个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 )为尺度可变高斯函数，
（X，y)为空间坐 标，〇为尺度坐标，I (X，y)为原图像，L(x, y, σ )为尺度空间。 在检测尺度空间极值时，某个像素需要跟同一尺度的周围领域的8个像素以及相邻尺 度对应位置的领域9X2个像素总共26个像素进行比较，以确保在尺度空间和2维图像空 间都能检测到局部极值； 2) 特征点描述，即建立特征向量，其中包括SIFT特征向量和Ρ--三维特征向量； SIFT特征向量：每个关键点由2X2共4个种子点构成，每个种子点包含8个方向向量 信息；对每个关键点采用4X4共16个种子点来描述，以产生128个数据，即最后每个关键 点建立128维的SIFT特征向量； Ρ--三维特征向量：利用KD数寻找每个关键点附近K个点，并求出这些点在空间坐标 系中的法线向量η ;对于关键点与其附近K个点，取其所有互相两个点组合，根据判定 〈叫，Ρ』-Ρ，与〈η』，的大小来设置原点Ps和目标点P t，其中叫和η』分别为对应Pi和Ρ」 的法向量，若前者大则记Ps = Pi, Pt = Ρ」，反之记Ps = Ρ」，Pt = Pi ; 根据上述各点建立局部坐标系
在这个坐标系下计算三个参数：
，将每个参数化分为5个子区间并建立35个区间的直方图中，每对 点的三个参数（α，Φ，Θ)为所对的应直方图区间加一，统计所有点后所产生的直方图进 行归一化，即为125维Ρ--三维特征向量； 3) 进行特征匹配以获取候选匹配点：当两帧图像的SIFT特征向量和FPH三维特征向 量生成后，下一步采用关键点特征向量间的欧式距离来作为两帧图像中关键点的相似性判 定度量；取两帧图像欧式距离最近的前两对关键点，在这两对关键点中，如果最近的距离除 以次近的距离少于某个比例阈值，则接受这一对匹配点； 4) 消除误匹配：采用RANSAC算法去除外点，RANSAC算法是通过多次随机抽取一定的样 本对参数进行估计，先得出初始参数模型，然后根据估计参数将所有数据进行分类，一部分 数据在设定误差范围内，则称为内点，反之称为外点，经过多次迭代计算出最优模型参数。
3.根据权利要求1所述的基于Xtion摄像机的室内机器人视觉里程计实现方法，其特 征在于：所述最小二乘法求解出机器人的运动参数方法如下： 求解最小二乘解使得I iLHRPpi+T) | |2最小，其中Ppi和乙为相邻两序列 图像中的前一帧图像和后一帧图像，i为对应匹配点数；首先建立协方差矩阵
对应匹配点数；然后 对矩阵Σ ep进行特征值分解Σ ep = UDV，其中U，V为酉矩阵，
为奇异值矩阵，式中屯为非零奇异值，记
；最后求解旋转矩 阵R = USV，带入原方差即可求解平移矢量T。
【文档编号】G01C21/00GK104121902SQ201410301943
【公开日】2014年10月29日 申请日期:2014年6月28日 优先权日:2014年6月28日
【发明者】何炳蔚, 邹诚, 林昌, 刘丽萍 申请人:福州大学