智能系统：基于改进FAST算法的移动机器人导航

第9卷第4期 智能系统学报 Vol.9 No.4 2014年8月 CAAI Transactions on Intelligent Systems Agu.2014 D0I:10.3969/j.issn.1673-4785.201305076 网络出版t地址：http://www.cnki.net/kcms/doi/CNKI:23-1538/TP.20131101.1719.004.html 基于改进FAST算法的移动机器人导航 蒲兴成，谭少峰2，张毅2 (1.重庆邮电大学数理学院，重庆400065；2.重庆邮电大学自动化学院，重庆400065) 摘要：针对移动机器人在单目视觉导航方面实时性与鲁棒性较差的问题，提出一种基于FAST算法和一点 RANSAC算法的移动机器人导航新方法，该方法主要由3个步骤组成：首先，机器人通过自身摄像头采用改进FAST 角点提取算法采集周围的环境信息：其次，在匹配过程中采用结合扩展卡尔曼滤波的一点RANSAC算法进行误匹配 剔除：最后，用得到的匹配点进行三维环境重建和地图创建。实验结果表明，改进方法能有效提高移动机器人定位 与导航的实时性与鲁棒性。 关键词：移动机器人；单目视觉：FAST算法：扩展卡尔曼滤波：RANSAC算法；机器人导航：鲁棒性 中图分类号：TP24文献标志码：A文章编号：1673-4785(2014)04-419-06 中文引用格式：蒲兴成，谭少峰，张毅.基于改进FAST算法的移动机器人导航[J].智能系统学报，2014,9(4)：419424. 英文引用格式：PU Xingcheng,TAN Shaofeng,ZHANG Yi.Research on the navigation of mobile robots based on the improved FAST algorithm[J].CAAI Transactions on Intelligent Systems,2014,9(4):419-424. Research on the navigation of mobile robots based on the improved FAST algorithm PU Xingcheng',TAN Shaofeng?,ZHANG Yi2 (1.Mathematics and Physics College,Chongqing University of Posts and Telecommunications,Chongqing 400065,China;2.Automa- tion College,Chongging University of Posts and Telecommunications,Chongging 400065,China) Abstract:In order to solve the problem of poor real-time performance and weak robustness of mobile robots during monocular vision navigation,a new improved navigational algorithm is put forward on the basis of the FAST algo- rithm and the one point RANSAC algorithm for mobile robots.This improved new algorithm is made up of three main steps.Firstly,the mobile robots use the FAST algorithm to collect the information by camera.Secondly,in the process of matching,we use the improved RANSAC algorithm to reject the mismatching.Finally,a 3-D map of the environment is built.Experiments show that this method can improve the real-time performance and robustness ef- fectively regarding the aspects of positioning and navigation of the mobile robots. Keywords:mobile robot;monocular vision;FAST algorithm;extended Kalman filter;RANSAC algorithm;robot navigation;robustness 移动机器人在完全未知的环境中利用自身传感 SLAM,是指机器人在一个未知的环境中，从一个未 器获得周围环境信息进行实时定位和地图创建 知的位置开始，通过对环境的观测，递增地构建环境 simultaneous localization and mapping,SLAM) 地图，并同时运用环境地图实现机器人定位的一个 动机器人研究领域的一个热点问题山。所谓 过程]。 近年来，基于单目视觉的SLAM问题获得了非 收稿日期：2013-05-08.网络出版日期：2013-11-01. 常广泛的研究。现有的研究表明，在简单的结构化 基金项目：国家自然科学基金资助项目(51075420)：重庆市教委科学技 环境以及地图信息已知（具有人工路标）的环境中 术研究资助项目(KJ100516:KJ1400432). 通信作者：蒲兴成.E-mail:puxingcheng(@sina.com. 进行视觉导航已经有了很大进展，但在完全未知的

第 怨 卷第 源 期摇摇摇摇摇 摇摇摇 摇摇摇 摇摇摇 智 能 系 统 学 报摇摇摇摇摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 灾燥造援怨 翼援源 圆园员源 年 愿 月摇摇摇摇摇摇摇摇摇摇摇摇 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 粤早怎援 圆园员源 阅韵陨院员园援猿怨远怨 辕 躁援蚤泽泽灶援员远苑猿鄄源苑愿缘援圆园员猿园缘园苑远 网络出版地址院澡贼贼责院 辕 辕 憎憎憎援糟灶噪蚤援灶藻贼 辕 噪糟皂泽 辕 凿燥蚤 辕 悦晕运陨院圆猿鄄员缘猿愿 辕 栽孕援圆园员猿员员园员援员苑员怨援园园源援澡贼皂造 基于改进 云粤杂栽 算法的移动机器人导航 蒲兴成员 袁谭少峰圆 袁张毅圆 渊员援重庆邮电大学 数理学院袁重庆 源园园园远缘曰 圆援 重庆邮电大学 自动化学院袁重庆 源园园园远缘冤 摘 要院针对移动机器人在单目视觉导航方面实时性与鲁棒性较差的问题袁提出一种基于 云粤杂栽 算法和一点 砸粤晕杂粤悦 算法的移动机器人导航新方法袁该方法主要由 猿 个步骤组成院首先袁机器人通过自身摄像头采用改进 云粤杂栽 角点提取算法采集周围的环境信息曰其次袁在匹配过程中采用结合扩展卡尔曼滤波的一点 砸粤晕杂粤悦 算法进行误匹配 剔除曰最后袁用得到的匹配点进行三维环境重建和地图创建遥 实验结果表明袁改进方法能有效提高移动机器人定位 与导航的实时性与鲁棒性遥 关键词院移动机器人曰单目视觉曰云粤杂栽 算法曰扩展卡尔曼滤波曰砸粤晕杂粤悦 算法曰机器人导航曰鲁棒性 中图分类号院 栽孕圆源 摇 文献标志码院粤摇 文章编号院员远苑猿鄄源苑愿缘渊圆园员源冤园源鄄源员怨鄄园远 中文引用格式院蒲兴成袁谭少峰袁张毅援 基于改进 云粤杂栽 算法的移动机器人导航咱允暂援 智能系统学报袁 圆园员源袁 怨渊源冤 院 源员怨鄄源圆源援 英文引用格式院孕哉 载蚤灶早糟澡藻灶早袁栽粤晕 杂澡葬燥枣藻灶早袁在匀粤晕郧 再蚤援 砸藻泽藻葬则糟澡 燥灶 贼澡藻 灶葬增蚤早葬贼蚤燥灶 燥枣 皂燥遭蚤造藻 则燥遭燥贼泽 遭葬泽藻凿 燥灶 贼澡藻 蚤皂责则燥增藻凿 云粤杂栽 葬造早燥则蚤贼澡皂咱允暂援 悦粤粤陨 栽则葬灶泽葬糟贼蚤燥灶泽 燥灶 陨灶贼藻造造蚤早藻灶贼 杂赠泽贼藻皂泽袁 圆园员源袁 怨渊源冤 院 源员怨鄄源圆源援 砸藻泽藻葬则糟澡 燥灶 贼澡藻 灶葬增蚤早葬贼蚤燥灶 燥枣 皂燥遭蚤造藻 则燥遭燥贼泽 遭葬泽藻凿 燥灶 贼澡藻 蚤皂责则燥增藻凿 云粤杂栽 葬造早燥则蚤贼澡皂 孕哉 载蚤灶早糟澡藻灶早员 袁 栽粤晕 杂澡葬燥枣藻灶早圆 袁 在匀粤晕郧 再蚤圆 渊 员援 酝葬贼澡藻皂葬贼蚤糟泽 葬灶凿 孕澡赠泽蚤糟泽 悦燥造造藻早藻袁 悦澡燥灶早择蚤灶早 哉灶蚤增藻则泽蚤贼赠 燥枣 孕燥泽贼泽 葬灶凿 栽藻造藻糟燥皂皂怎灶蚤糟葬贼蚤燥灶泽袁 悦澡燥灶早择蚤灶早 源园园园远缘袁 悦澡蚤灶葬曰 圆援 粤怎贼燥皂葬鄄 贼蚤燥灶 悦燥造造藻早藻袁 悦澡燥灶早择蚤灶早 哉灶蚤增藻则泽蚤贼赠 燥枣 孕燥泽贼泽 葬灶凿 栽藻造藻糟燥皂皂怎灶蚤糟葬贼蚤燥灶泽袁 悦澡燥灶早择蚤灶早 源园园园远缘袁 悦澡蚤灶葬冤 粤遭泽贼则葬糟贼院陨灶 燥则凿藻则 贼燥 泽燥造增藻 贼澡藻 责则燥遭造藻皂 燥枣 责燥燥则 则藻葬造鄄贼蚤皂藻 责藻则枣燥则皂葬灶糟藻 葬灶凿 憎藻葬噪 则燥遭怎泽贼灶藻泽泽 燥枣 皂燥遭蚤造藻 则燥遭燥贼泽 凿怎则蚤灶早 皂燥灶燥糟怎造葬则 增蚤泽蚤燥灶 灶葬增蚤早葬贼蚤燥灶袁 葬 灶藻憎 蚤皂责则燥增藻凿 灶葬增蚤早葬贼蚤燥灶葬造 葬造早燥则蚤贼澡皂 蚤泽 责怎贼 枣燥则憎葬则凿 燥灶 贼澡藻 遭葬泽蚤泽 燥枣 贼澡藻 云粤杂栽 葬造早燥鄄 则蚤贼澡皂 葬灶凿 贼澡藻 燥灶藻 责燥蚤灶贼 砸粤晕杂粤悦 葬造早燥则蚤贼澡皂 枣燥则 皂燥遭蚤造藻 则燥遭燥贼泽援 栽澡蚤泽 蚤皂责则燥增藻凿 灶藻憎 葬造早燥则蚤贼澡皂 蚤泽 皂葬凿藻 怎责 燥枣 贼澡则藻藻 皂葬蚤灶 泽贼藻责泽援 云蚤则泽贼造赠袁 贼澡藻 皂燥遭蚤造藻 则燥遭燥贼泽 怎泽藻 贼澡藻 云粤杂栽 葬造早燥则蚤贼澡皂 贼燥 糟燥造造藻糟贼 贼澡藻 蚤灶枣燥则皂葬贼蚤燥灶 遭赠 糟葬皂藻则葬援 杂藻糟燥灶凿造赠袁蚤灶 贼澡藻 责则燥糟藻泽泽 燥枣 皂葬贼糟澡蚤灶早袁 憎藻 怎泽藻 贼澡藻 蚤皂责则燥增藻凿 砸粤晕杂粤悦 葬造早燥则蚤贼澡皂 贼燥 则藻躁藻糟贼 贼澡藻 皂蚤泽皂葬贼糟澡蚤灶早援 云蚤灶葬造造赠袁 葬 猿鄄阅 皂葬责 燥枣 贼澡藻 藻灶增蚤则燥灶皂藻灶贼 蚤泽 遭怎蚤造贼援 耘曾责藻则蚤皂藻灶贼泽 泽澡燥憎 贼澡葬贼 贼澡蚤泽 皂藻贼澡燥凿 糟葬灶 蚤皂责则燥增藻 贼澡藻 则藻葬造鄄贼蚤皂藻 责藻则枣燥则皂葬灶糟藻 葬灶凿 则燥遭怎泽贼灶藻泽泽 藻枣鄄 枣藻糟贼蚤增藻造赠 则藻早葬则凿蚤灶早 贼澡藻 葬泽责藻糟贼泽 燥枣 责燥泽蚤贼蚤燥灶蚤灶早 葬灶凿 灶葬增蚤早葬贼蚤燥灶 燥枣 贼澡藻 皂燥遭蚤造藻 则燥遭燥贼泽援 运藻赠憎燥则凿泽院皂燥遭蚤造藻 则燥遭燥贼曰 皂燥灶燥糟怎造葬则 增蚤泽蚤燥灶曰 云粤杂栽 葬造早燥则蚤贼澡皂曰 藻曾贼藻灶凿藻凿 运葬造皂葬灶 枣蚤造贼藻则曰 砸粤晕杂粤悦 葬造早燥则蚤贼澡皂曰 则燥遭燥贼 灶葬增蚤早葬贼蚤燥灶曰 则燥遭怎泽贼灶藻泽泽 收稿日期院圆园员猿鄄园缘鄄园愿援 摇 网络出版日期院圆园员猿鄄员员鄄园员援 基金项目院国家自然科学基金资助项目渊缘员园苑缘源圆园冤 曰重庆市教委科学技 术研究资助项目渊运允员园园缘员远曰运允员源园园源猿圆冤援 通信作者院蒲兴成援 耘鄄皂葬蚤造院责怎曾蚤灶早糟澡藻灶早岳 泽蚤灶葬援糟燥皂援 摇 摇 移动机器人在完全未知的环境中利用自身传感 器获得周围环境信息进行实时定位和地图创建 渊 泽蚤皂怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责责蚤灶早袁 杂蕴粤酝冤是移 动机 器 人 研 究 领 域 的 一 个 热 点 问 题咱员暂 遥 所 谓 杂蕴粤酝袁是指机器人在一个未知的环境中袁从一个未 知的位置开始袁通过对环境的观测袁递增地构建环境 地图袁并同时运用环境地图实现机器人定位的一个 过程咱圆暂 遥 近年来袁基于单目视觉的 杂蕴粤酝 问题获得了非 常广泛的研究遥 现有的研究表明袁在简单的结构化 环境以及地图信息已知渊具有人工路标冤的环境中 进行视觉导航已经有了很大进展袁但在完全未知的

·420 智能系统学报 第9卷 环境中进行定位与导航还存在诸多问题。造成这一 12或9，分别对应FAST-12与FAST-9检测算法。 现象的根本原因在于如何在未知环境中获取自然特 在实际操作中，为了获得更快的结果，还可以采 征。所谓自然特征，是指环境中已有的、非人工设置 用一种加速办法。该方法首先测试候选点周围每隔 的、能够用以标识不同环境场景的特征对象[)。通 90°角的4个点，即图1(c)中位于水平与垂直位置 过提取一些具备局部不变性的角点作为环境的自然 的1、5、9和13四点，如果至少有3个和候选点的灰 特征，该方法选取的自然路标有非常好的稳定性，因 度值差足够大，则继续计算其他12个点：否则，不用 此角点检测也是机器人导航的热点问题之一[，也 再计算其他点，直接认为该候选点不是特征点。 出现了一些较好的角点检测方法。FAST(features from accelerated segment test)是一种运算简单直观 的角点检测方法，相关测试表明，FAST在计算速度 上优于SIFT、SURF和Harris等角点检测方法[)。 为此，笔者一方面采用改进的FAST算法[6来提取 角点，剔除了大部分边缘点和局部非极大值点：另一 方面，针对误匹配剔除，采用结合扩展卡尔曼滤波 (extended Kalman filter,EKF)的一点RANSAC算 法)。RANSAC算法是一种应用广泛的误匹配剔 除算法，但该算法随着匹配，点个数增加，算法迭代次 数会迅速上升，降低了算法的计算速度。采用一点 RANSAC算法可以充分利用EKF预测阶段得到的 先验信息，在确保计算精度的同时，有效降低了算法 迭代次数。在整个实验过程中，机器人通过自身摄 8 像头，采用改进的FAST角点提取算法采集周围环 图1FAST角点提取流程 境信息，并结合EKF的一点RANSAC算法[对误匹 Fig.1 Process of FAST corner extraction 配点进一步剔除，获得鲁棒性更强的特征点，从而构 经过上述步骤后，会初步提取到一些角点，但这 建环境的地图信息，最后用得到的匹配点进行三维 些点中存在较多边缘点和局部非极大值点，采用文 环境重建和机器人定位。 献中的方法[6，可以剔除边缘点，如式(2)所示： 1FAST角点提取算法 (-I(I(p)+I(q)-I(x)) (3) 点。角点的判断过程为：设I。为待检测点p的灰度 在Intel Pentium处理器、2G内存的硬件配置 值，1。为圆周上像素点的灰度值，x∈{1,2，…， 下，从视频中任取一帧640像素×480像素的图像利 16},对半径为3的圆上的像素进行分割测试，判定 用FAST角点检测算子进行检测，实验证明，同一帧 条件如式(1)： 图像在FAST算法改进前后的提取结果有较大改 pw-Ip≥t (1) 变，如图1所示，改进前图1(a)一帧图像中的特征 如果满足判定条件的像素点数满足设定数量， 点个数为4704，改进后图1(d)特征点个数为1 则判定p点为角点，其中，t为设定的阈值，n一般为 526,这是因为改进后的算法滤掉了部分伪角点，留

环境中进行定位与导航还存在诸多问题遥 造成这一 现象的根本原因在于如何在未知环境中获取自然特 征遥 所谓自然特征袁是指环境中已有的尧非人工设置 的尧能够用以标识不同环境场景的特征对象咱猿暂 遥 通 过提取一些具备局部不变性的角点作为环境的自然 特征袁该方法选取的自然路标有非常好的稳定性袁因 此角点检测也是机器人导航的热点问题之一咱源暂 袁也 出现了一些较好的角点检测方法遥 云粤杂栽 渊 枣藻葬贼怎则藻泽 枣则燥皂 葬糟糟藻造藻则葬贼藻凿 泽藻早皂藻灶贼 贼藻泽贼冤是一种运算简单直观 的角点检测方法袁相关测试表明袁云粤杂栽 在计算速度 上优于 杂陨云栽尧 杂哉砸云 和 匀葬则则蚤泽 等角点检测方法咱缘暂 遥 为此袁笔者一方面采用改进的 云粤杂栽 算法咱远暂 来提取 角点袁剔除了大部分边缘点和局部非极大值点曰另一 方面袁针对误匹配剔除袁采用结合扩展卡尔曼滤波 渊藻曾贼藻灶凿藻凿 运葬造皂葬灶 枣蚤造贼藻则袁 耘运云冤 的一点 砸粤晕杂粤悦 算 法咱苑暂 遥 砸粤晕杂粤悦 算法是一种应用广泛的误匹配剔 除算法袁但该算法随着匹配点个数增加袁算法迭代次 数会迅速上升袁降低了算法的计算速度遥 采用一点 砸粤晕杂粤悦 算法可以充分利用 耘运云 预测阶段得到的 先验信息袁在确保计算精度的同时袁有效降低了算法 迭代次数遥 在整个实验过程中袁机器人通过自身摄 像头袁采用改进的 云粤杂栽 角点提取算法采集周围环 境信息袁并结合 耘运云 的一点 砸粤晕杂粤悦 算法咱苑暂对误匹 配点进一步剔除袁获得鲁棒性更强的特征点袁从而构 建环境的地图信息袁最后用得到的匹配点进行三维 环境重建和机器人定位遥 员摇 云粤杂栽 角点提取算法 云粤杂栽 角点检测算子是 砸燥泽贼藻灶 和 阅则怎皂皂燥灶凿 在 杂哉杂粤晕 角点检测方法基础上利用机器学习原理提 出的袁其运算速度不仅大大高于 杂陨云栽尧杂哉砸云 算子袁 更优于以速度见长的 匀葬则则蚤泽 算子遥 云粤杂栽 角点检测 的原理是检测待检测点与周围点的灰度是否相近袁 如图 员渊糟冤所示袁即对待检测特征点 责袁 最多只需检 测 员远 个候选特征点袁大大减轻了计算量遥 图中每个 方格均代表一个像素袁位于中心的 责 点为待检测特 征点袁周围 员远 个方格为检测过程中需检测的像素 点遥 角点的判断过程为院设 陨责 为待检测点 责 的灰度 值袁 陨责寅曾 为圆周上像素点的灰度值袁 曾 沂 喳员袁圆袁噎袁 员远札袁 对半径为 猿 的圆上的像素进行分割测试袁 判定 条件如式渊员冤院 陨责寅曾 原 陨责 逸 贼 渊员冤 摇 摇 如果满足判定条件的像素点数满足设定数量 灶袁 则判定 责 点为角点袁其中袁 贼 为设定的阈值袁 灶 一般为 员圆 或 怨袁分别对应 云粤杂栽鄄员圆 与 云粤杂栽鄄怨 检测算法遥 在实际操作中袁为了获得更快的结果袁还可以采 用一种加速办法遥 该方法首先测试候选点周围每隔 怨园毅角的 源 个点袁即图 员渊糟冤中位于水平与垂直位置 的 员尧缘尧怨 和 员猿 四点袁如果至少有 猿 个和候选点的灰 度值差足够大袁则继续计算其他 员圆 个点曰否则袁不用 再计算其他点袁直接认为该候选点不是特征点遥 图 员摇 云粤杂栽 角点提取流程 云蚤早援员摇 孕则燥糟藻泽泽 燥枣 云粤杂栽 糟燥则灶藻则 藻曾贼则葬糟贼蚤燥灶 摇 摇 经过上述步骤后袁会初步提取到一些角点袁但这 些点中存在较多边缘点和局部非极大值点袁采用文 献中的方法咱远暂 袁可以剔除边缘点袁如式渊圆冤所示院 陨责寅曾 原 陨择垣员 约 贼 陨责寅曾 原 陨  择原员 约 贼 渊圆冤 式中院 择 为圆周上任意一点袁 陨择垣员 与 陨择原员 为关于 择 对称 的 圆 个点袁从圆周任一点开始计算袁若有大于 员园 个点 满足式渊圆冤袁则认为该点属于边缘点袁予以剔除遥 在剔除边缘点后袁还要剔除局部非极大值点遥 通过计算角点候选点周围很小邻域内各像素点的拉 普拉斯值袁进一步剔除一些局部非极大值点遥 此处 局部极大值采用拉普拉斯极值计算公式为 蕴渊曾冤 越 坌渊 移责袁择冤 渊陨渊责冤 垣 陨渊择冤 原 陨渊曾冤冤 渊猿冤 摇 摇 在 陨灶贼藻造 孕藻灶贼蚤怎皂 处理器尧圆 郧 内存的硬件配置 下袁从视频中任取一帧 远源园 像素伊源愿园 像素的图像利 用 云粤杂栽 角点检测算子进行检测袁实验证明袁同一帧 图像在 云粤杂栽 算法改进前后的提取结果有较大改 变袁如图 员 所示袁改进前图 员渊葬冤一帧图像中的特征 点个数为 源 苑园源袁改进后图 员渊凿冤 特征点个数为 员 缘圆远袁这是因为改进后的算法滤掉了部分伪角点袁留 窑源圆园窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 怨 卷

第4期 蒲兴成，等：基于改进FAST算法的移动机器人导航 .421· 下了角点特征更加明显的特征点。而且提取时间上 f关于状态向量xHk-1的雅可比矩阵，Q:表示动态 也有了提高，改进前的FAST角点提取时间为33 模型的零均值高斯噪声的协方差，G表示该噪声关 ms,改进后为16ms。 于状态向量xa-1的雅可比矩阵。 2)滤波：数据更新是用传统的扩展卡尔曼滤波 2相关归一化的特征匹配算法 方程执行的。 通过FAST角点检测算子可以对视频图像中的 =+K(kH1) 每一帧图像进行角点检测，为了建立环境中三维特征 Par=(I-KH)Pak- (6) 点地图，必须对相邻2帧图像进行特征匹配。笔者采 Ki PAk-HISE 用相关归一化匹配算法，其相关归一化函数为 式中：H是该预测模型评估的雅可比矩阵 p(fofi)= H= ,S是图像数据的协方差，表示预测 ∑6(xy)-f)f(xy:)-) x 值和测量值误差的协方差(S=HP4k-H+R)。 6）-'☒ 3.2 RANSAC算法 (fi(x,y:)-f)2 RANSAC算法是通过一组包含异常数据的样本 (4) 数据点集计算出数据的数学模型，最终得到有效样 式中：f(x,y:)为源图像模板，f(x:,y:)为待匹配 本数据的算法)。一般情况下，需要考虑的参数有 构建模型所需的最少数据个数、算法迭代次数k、模 图像模板，p(f6,f)为2个图像模板的相关系数，f。 型验证条件t、判断模型是否合理的数据点个数d。 为源图像模板的灰度平均值，∫待匹配图像模板的 算法流程为：首先，用随机选择的数据拟合一个假设 灰度平均值。当p(fof)大于一定阈值，认为这2 模型，其次，用得到的模型去测试所有其他数据，如 个图像像素块基本相似，便认为匹配成功。 果有足够多的点被归类为该假设模型的内点，则认 为该模型是合理的，并用得到的内点重新估计模型； 基于扩展卡尔曼滤波的一点 上述过程被重复执行一定的次数，产生的模型要么 RANSAC算法 越来越接近真实模型，要么因为内点数目过少而被 舍弃。 用相关归一化算法对相邻2帧图像进行特征 用心来表示每次迭代时从数据集中选取一个 匹配之后，会产生很多误匹配点，为了提高匹配 点并且该点是正确数据点的概率，那么，每次迭代选 精度，要对匹配点进行过滤。标准RANSAC算法 取的m个数据均为正确数据的概率为，则1-0 是一种应用广泛的误匹配剔除算法，但该算法随 表示m个数据中至少有一点是异常数据的概率，而 着匹配点个数增加，算法迭代次数会迅速上升， 包含这些异常点则可能产生不合理的模型。因此， 降低了算法的计算速度。笔者结合扩展卡尔曼 n次迭代过程中，每次选取的m个数据均包含至少 滤波的一点RANSAC算法，在确保计算精度的同 一个错误数据的概率必然等于1-p,也就是 时，有效降低了算法迭代次数，使机器人定位与 1-p=(1-0")" 导航的时效性得到了保证)。 3.1 扩展卡尔曼滤波 那么迭代次数为n=1og1-p) log(1-w")° 卡尔曼滤波是一种高效率的递归滤波器，它能从 通常情况下，p事先给定，如果0也给定，n会随 组有限的、包含噪声的、对物体位置的观察序列预 着m的增加不断增加，那么算法的计算复杂度就会相 测出物体位置的坐标和速度，并能够实现对系统状态 应地增加。m增大，RANSAC算法的迭代次数n将会 的最优估计，使系统的真实值与观测值之间的均方差 迅速地上升。对于这里采用的一点RANSAC,摄像机 最小【]。它是对一个线性随机系统的状态进行估计， 运动的额外信息来自EKF概率分布函数。举一个简 但在实际应用中，大部分系统都是非线性的，处理这 单的例子，如果w=0.5,概率p是0.99，n=1,则随 些系统时，需采用EKF。其算法原理如下。 机假设的数据将会从145(m=5,没有先验信息)降 1)预测： 到7(m=1,一点RANSAC采用先验信息)。 Xat-1=f(Xak-1,u) 3.3一点RANSAC算法 PAk-1=FPK-k-1F+GQG (5) 一点RANSAC与普通RANSAC相比，前者采用 式中：u:表示第k步系统的输入，F。表示在第k步 先验信息，降低了数据集的大小，减少了RANSAC

下了角点特征更加明显的特征点遥 而且提取时间上 也有了提高袁改进前的 云粤杂栽 角点提取时间为 猿猿 皂泽袁改进后为 员远 皂泽遥 圆摇 相关归一化的特征匹配算法 通过 云粤杂栽 角点检测算子可以对视频图像中的 每一帧图像进行角点检测袁为了建立环境中三维特征 点地图袁必须对相邻 圆 帧图像进行特征匹配遥 笔者采 用相关归一化匹配算法袁其相关归一化函数为 籽渊枣园 袁枣员 冤 越 移蚤沂枣园 渊枣园渊曾蚤袁赠蚤冤 原 枣 原 园 冤 渊枣员渊曾蚤袁赠蚤冤 原 枣 原 员 冤 移蚤沂枣园 渊枣园渊曾蚤袁赠蚤冤 原 枣 原 园 冤圆 移蚤沂枣员 渊枣员渊曾蚤袁赠蚤冤 原 枣 原 员 冤圆 渊源冤 式中院 枣园渊曾蚤袁赠蚤冤 为源图像模板袁 枣员渊曾蚤袁赠蚤冤 为待匹配 图像模板袁 籽渊枣园 袁枣员 冤 为 圆 个图像模板的相关系数袁 枣 原 园 为源图像模板的灰度平均值袁 枣 原 员 待匹配图像模板的 灰度平均值遥 当 籽渊枣园 袁枣员 冤 大于一定阈值袁认为这 圆 个图像像素块基本相似袁便认为匹配成功遥 猿 摇 基于扩展卡尔曼滤波的一点 砸粤晕杂粤悦 算法 摇 摇 用相关归一化算法对相邻 圆 帧图像进行特征 匹配之后袁会产生很多误匹配点袁为了提高匹配 精度袁要对匹配点进行过滤遥 标准 砸粤晕杂粤悦 算法 是一种应用广泛的误匹配剔除算法袁但该算法随 着匹配点个数增加袁算法迭代次数会迅速上升袁 降低了算法的计算速度遥 笔者结合扩展卡尔曼 滤波的一点 砸粤晕杂粤悦 算法袁在确保计算精度的同 时袁有效降低了算法迭代次数袁使机器人定位与 导航的时效性得到了保证咱苑暂 遥 猿援员摇 扩展卡尔曼滤波 卡尔曼滤波是一种高效率的递归滤波器袁它能从 一组有限的尧包含噪声的尧对物体位置的观察序列预 测出物体位置的坐标和速度袁并能够实现对系统状态 的最优估计袁使系统的真实值与观测值之间的均方差 最小咱愿暂 遥 它是对一个线性随机系统的状态进行估计袁 但在实际应用中袁大部分系统都是非线性的袁处理这 些系统时袁需采用 耘运云遥 其算法原理如下遥 员冤预测院 曾 赞 噪渣 噪原员 越 枣噪渊曾 赞 噪渣 噪原员 袁怎噪冤 孕噪渣 噪原员 越 云噪孕噪原员渣 噪原员云栽 噪 垣 郧噪匝噪郧栽 噪 渊缘冤 式中院 怎噪 表示第 噪 步系统的输入袁 云噪 表示在第 噪 步 枣噪 关于状态向量 曾噪渣 噪原员 的雅可比矩阵袁 匝噪 表示动态 模型的零均值高斯噪声的协方差袁 郧噪 表示该噪声关 于状态向量 曾噪渣 噪原员 的雅可比矩阵遥 圆冤滤波院数据更新是用传统的扩展卡尔曼滤波 方程执行的遥 曾 赞 噪 越 曾 赞 噪渣 噪原员 垣 运噪渊扎噪 原 匀噪曾 赞 噪渣 噪原员 冤 孕噪渣 噪 越 渊陨 原 运噪匀噪冤孕噪渣 噪原员 渊远冤 运噪 越 孕噪渣 噪原员匀栽 噪 杂原员 噪 式中院 匀噪 是该预测模型评估的雅可比矩阵 匀噪 越 鄣澡 鄣曾 渣 曾噪渣 噪原员       袁 杂噪 是图像数据的协方差袁表示预测 值和测量值误差的协方差 渊杂噪 越 匀噪孕噪渣 噪原员匀栽 噪 垣 砸噪冤遥 猿援圆摇 砸粤晕杂粤悦 算法 砸粤晕杂粤悦 算法是通过一组包含异常数据的样本 数据点集计算出数据的数学模型袁最终得到有效样 本数据的算法咱怨暂 遥 一般情况下袁需要考虑的参数有 构建模型所需的最少数据个数尧算法迭代次数 噪尧 模 型验证条件 贼尧 判断模型是否合理的数据点个数 凿遥 算法流程为院首先袁用随机选择的数据拟合一个假设 模型袁其次袁用得到的模型去测试所有其他数据袁如 果有足够多的点被归类为该假设模型的内点袁则认 为该模型是合理的袁并用得到的内点重新估计模型曰 上述过程被重复执行一定的次数袁产生的模型要么 越来越接近真实模型袁要么因为内点数目过少而被 舍弃遥 用 憎 来表示每次迭代时从数据集中选取一个 点并且该点是正确数据点的概率袁那么袁每次迭代选 取的 皂 个数据均为正确数据的概率为 憎皂 袁 则 员 原 憎皂 表示 皂 个数据中至少有一点是异常数据的概率袁而 包含这些异常点则可能产生不合理的模型遥 因此袁 灶 次迭代过程中袁每次选取的 皂 个数据均包含至少 一个错误数据的概率必然等于 员 原 责 袁也就是 员 原 责 越 渊员 原 憎皂 冤灶 摇 摇 那么迭代次数为 灶 越 造燥早渊员 原 责冤 造燥早渊员 原 憎皂冤 遥 通常情况下袁 责 事先给定袁如果 憎 也给定袁 灶 会随 着 皂 的增加不断增加袁那么算法的计算复杂度就会相 应地增加遥 皂 增大袁砸粤晕杂粤悦 算法的迭代次数 灶 将会 迅速地上升遥 对于这里采用的一点 砸粤晕杂粤悦袁摄像机 运动的额外信息来自 耘运云 概率分布函数遥 举一个简 单的例子袁如果 憎 越 园援缘袁 概率 责 是 园援怨怨袁 灶 越 员袁 则随 机假设的数据将会从 员源缘渊 皂 越 缘袁没有先验信息冤降 到 苑渊 皂 越 员袁一点 砸粤晕杂粤悦 采用先验信息冤遥 猿援猿摇 一点 砸粤晕杂粤悦 算法 一点 砸粤晕杂粤悦 与普通 砸粤晕杂粤悦 相比袁前者采用 先验信息袁降低了数据集的大小袁减少了 砸粤晕杂粤悦 第 源 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 蒲兴成袁等院 基于改进 云粤杂栽 算法的移动机器人导航 窑源圆员窑

·422 智能系统学报 第9卷 迭代次数，从而降低了计算成本。一点RANSAC充 「f0c. 分利用了EKF预测阶段得到的地图状态预测值的 K;=0f cy 先验信息，选出匹配效果最好，满足全局模型的地图 L001 特征，从性能和计算复杂度方面对传统的RANSAC 式中：(c,c,)是视频序列中第i帧图像的中心。每 算法做了改进，提高了SLAM系统的鲁棒性，其主要 个特征点代表了一个三维点X= 步骤如下： [X,X2X31],在每帧图像上的投影表达式为： l)产生稳定的内点集li_inlien,并用zes进行 u=PX,=K,(R,It)X,这里u,代表了X在第i帧 EKF部分更新。 图像中的齐次位置，P:为射影矩阵。根据文献中的 假设经过匹配所得的数据点集为，用 方法[)，即可重建出欧式空间下的所有特征，点的三 (low-innovation inliers)来表示匹配性最好的数据点 维坐标。 集，用这些点集来拟合一个数据模型。其余的点用 4.2定位与导航实现 zi,ien(high-innovation inliers)来表示。 移动机器人要实现定位，需要计算当前视图中 在这举一个简单的例子来说明“补救”不稳定 特征点与三维地图中特征点的几何关系。用“、)来 点的重要性。因为，远距离点可用来估计相机角度 表示像素点在图像中的像素坐标，d.、d,表示每个 变换，而近距离点用来估计相机尺度变换。在 像素点在世界坐标系上的物理尺寸，图像像素坐标 RANSAC假设中，一个远距离点可以产生一个对角 与世界坐标系之间的变换关系如下： 度变换较敏感的点，而对尺度变换不是很精确。在 这种情况下，其他远距离点也会支持这个拟合模型。 「X f000 但是由于尺度变化的精度不高，附近的点有可能表 R 0f00 现出较高的不确定性，即使他们是内点。所以，在确 0010 定了拟合的模型之后，还是要从不稳定的点集中 1 0 “补救”一些内点。在仅采用可靠内点进行局部状 (9)】 态和协方差更新后，这些不稳定的内点会被挽救。 由式9可知，只需知道自然特征点坐标、当前视 下面公式是用，in进行EKF部分更新的过程。 图中同名点的坐标和对应的摄像机内参，便可求解 4A=4-1+K(zim-h'(u-i) 当前视图的摄像机外参，也即机器人的位置。又因 K:Pk-H:(HPAk-H:+R) (7)同名关系需要匹配才可以确定，所以需要寻找最近 Pat =(I-KH:)Pak-1 邻自然特征才能保证定位精度。 式中：H=[H…H…HJT表示测量方程 在建立了环境信息的三维地图信息之后，移动 h'(xH-1)的雅可比矩阵。R:表示摄像头噪声的协 机器人就可通过特征点匹配得到自身在环境中的位 方差。 置信息设定路径实现机器人的导航。 2)对不稳定内点进行补救，并用zi进行 EKF部分更新。 5实验结果与分析 用.mie进行EKF部分更新后，在EKF预测阶 机器人在室内实验过程中，一边控制机器人移 段的大部分相关误差得到了纠正，协方差也大大降 动一边利用摄像头采集视频，把视频中的每一帧图 低，这些都可以用来补救不稳定的内点，这是由于数 像采集出来，共3788帧(30帧/s,共2min15s)。 据关联性有所减弱，没有必要计算点集的一致性。 从所有帧中选取一些关键帧，可以作为匹配模板。 对“补救点”的部分EKF更新过程为 在Intel Pentium处理器、2GB内存的硬件配置下， i4=iH-1+K(2m-h'(任4-1) 计算机对每个关键帧进行角点提取、误匹配剔除并 K'=Pak-H'(HP'-H+R) 完成地图更新的处理时间为300ms,把机器人移动 Pak =(I-KH)Pk-1 速度v设定为10cm/s、转弯角速度w设定为0.52 4定位与地图构建 rad/s(30°/s)可保证较高的鲁棒性。 图2(a)为图像的角点匹配情况，其中粗线圆圈 4.1地图三维重建 表示匹配性最好的点，细线圆圈表示匹配失败的点； 机器人基于FAST角点重建运行环境的三维地 图2(b)所示为重建的SLAM地图，曲线表示机器人 图，根据摄像机内外参模型与标定理论[1)，设焦距 运动轨迹。从图2中可清晰地看出机器人在行进过 参数为f,内参矩阵表示如下： 程中的90°转角：图3所示为画面中存在大范围移

迭代次数袁从而降低了计算成本遥 一点 砸粤晕杂粤悦 充 分利用了 耘运云 预测阶段得到的地图状态预测值的 先验信息袁选出匹配效果最好袁满足全局模型的地图 特征袁从性能和计算复杂度方面对传统的 砸粤晕杂粤悦 算法做了改进袁提高了 杂蕴粤酝 系统的鲁棒性袁其主要 步骤如下院 员冤产生稳定的内点集 扎 造蚤赃蚤灶造蚤藻则泽袁 并用 扎 造蚤赃蚤灶造蚤藻则泽 进行 耘运云 部分更新遥 假设经过匹配所得的数据点集为 扎蚤袁 用 扎 造蚤赃蚤灶造蚤藻则泽 渊造燥憎鄄蚤灶灶燥增葬贼蚤燥灶 蚤灶造蚤藻则泽冤来表示匹配性最好的数据点 集袁用这些点集来拟合一个数据模型遥 其余的点用 扎 澡蚤赃蚤灶造蚤藻则泽 渊 澡蚤早澡鄄蚤灶灶燥增葬贼蚤燥灶 蚤灶造蚤藻则泽冤来表示遥 在这举一个简单的例子来说明野补救冶 不稳定 点的重要性遥 因为袁远距离点可用来估计相机角度 变换袁 而近距离点用来估计相机尺度变换遥 在 砸粤晕杂粤悦 假设中袁一个远距离点可以产生一个对角 度变换较敏感的点袁而对尺度变换不是很精确遥 在 这种情况下袁其他远距离点也会支持这个拟合模型遥 但是由于尺度变化的精度不高袁附近的点有可能表 现出较高的不确定性袁即使他们是内点遥 所以袁在确 定了拟合的模型之后袁还是要从不稳定的点集中 野补救冶一些内点遥 在仅采用可靠内点进行局部状 态和协方差更新后袁这些不稳定的内点会被挽救遥 下面公式是用 扎 造蚤赃蚤灶造蚤藻则泽 进行 耘运云 部分更新的过程遥 曾 赞 噪渣 噪 越 曾 赞 噪渣 噪原员 垣 运噪渊扎 造蚤赃蚤灶造蚤藻则泽 原 澡忆渊曾 赞 噪渣 噪原员 冤 冤 摇摇摇 运噪 越 孕噪渣 噪 原员匀栽 噪 渊匀噪孕噪渣 噪 原员匀栽 噪 垣 砸噪冤 原员 摇 摇 渊苑冤 孕噪渣 噪 越 渊陨 原 运噪匀噪冤孕噪渣 噪原员 式 中院 匀噪 越 匀员噎匀蚤噎匀灶忆   栽 表示测量方程 澡忆渊曾 赞 噪渣 噪原员 冤 的雅可比矩阵遥 砸噪 表示摄像头噪声的协 方差遥 圆冤对不稳定内点进行补救袁并用 扎 澡蚤赃蚤灶造蚤藻则泽 进行 耘运云 部分更新遥 用 扎 造蚤赃蚤灶造蚤藻则泽 进行 耘运云 部分更新后袁在 耘运云 预测阶 段的大部分相关误差得到了纠正袁协方差也大大降 低袁这些都可以用来补救不稳定的内点袁这是由于数 据关联性有所减弱袁没有必要计算点集的一致性遥 对野补救点冶的部分 耘运云 更新过程为 曾 赞 噪渣 噪 越 曾 赞 噪渣 噪原员 垣 运忆噪渊扎 澡蚤赃蚤灶造蚤藻则泽 原 澡忆渊曾 赞 噪渣 噪原员 冤 冤 运忆噪 越 孕噪渣 噪原员匀忆 栽 噪 渊匀忆噪孕忆噪渣 噪原员匀忆 栽 噪 垣 砸噪冤 原员 孕噪渣 噪 越 渊陨 原 运忆噪匀忆噪冤孕噪渣 噪原员 源摇 定位与地图构建 源援员摇 地图三维重建 机器人基于 云粤杂栽 角点重建运行环境的三维地 图袁根据摄像机内外参模型与标定理论咱员园暂 袁设焦距 参数为 枣蚤袁 内参矩阵表示如下院 运蚤 越 枣蚤 园 糟曾 园 枣蚤 糟赠 园园员           式中院渊 糟曾袁糟赠 冤是视频序列中第 蚤 帧图像的中心遥 每 个特征点代表了一个三维点 载躁 越 咱载员 载圆 载猿 摇 员暂袁 在每帧图像上的投影表达式为院 怎蚤躁 越 孕蚤载躁 越 运蚤 渊砸蚤 渣 贼蚤冤载躁 袁这里 怎蚤躁 代表了 载躁 在第 蚤 帧 图像中的齐次位置袁孕蚤 为射影矩阵遥 根据文献中的 方法咱员员暂 袁即可重建出欧式空间下的所有特征点的三 维坐标遥 源援圆摇 定位与导航实现 移动机器人要实现定位袁需要计算当前视图中 特征点与三维地图中特征点的几何关系遥 用 怎尧增 来 表示像素点在图像中的像素坐标袁 凿曾尧凿赠 表示每个 像素点在世界坐标系上的物理尺寸袁图像像素坐标 与世界坐标系之间的变换关系如下院 在糟 怎 增 员           越 员 凿曾 园 怎园 园 员 凿赠 增园 园园员                 枣 园 园 园 枣 园 园 园 员 园 园 园           砸 栽 韵栽 员         载憎 再憎 在憎 员               渊怨冤 摇 摇 由式 怨 可知袁只需知道自然特征点坐标尧当前视 图中同名点的坐标和对应的摄像机内参袁便可求解 当前视图的摄像机外参袁也即机器人的位置遥 又因 同名关系需要匹配才可以确定袁所以需要寻找最近 邻自然特征才能保证定位精度遥 在建立了环境信息的三维地图信息之后袁移动 机器人就可通过特征点匹配得到自身在环境中的位 置信息设定路径实现机器人的导航遥 缘摇 实验结果与分析 机器人在室内实验过程中袁一边控制机器人移 动一边利用摄像头采集视频袁把视频中的每一帧图 像采集出来袁共 猿 苑愿愿 帧渊 猿园 帧辕 泽袁共 圆 皂蚤灶 员缘 泽冤 遥 从所有帧中选取一些关键帧袁可以作为匹配模板遥 在 陨灶贼藻造 孕藻灶贼蚤怎皂 处理器尧圆 郧月 内存的硬件配置下袁 计算机对每个关键帧进行角点提取尧误匹配剔除并 完成地图更新的处理时间为 猿园园 皂泽袁把机器人移动 速度 增 设定为 员园 糟皂 辕 泽尧转弯角速度 憎 设定为 园援缘圆 则葬凿 辕 泽渊猿园毅 辕 泽冤可保证较高的鲁棒性遥 图 圆渊葬冤为图像的角点匹配情况袁其中粗线圆圈 表示匹配性最好的点袁细线圆圈表示匹配失败的点曰 图 圆渊遭冤所示为重建的 杂蕴粤酝 地图袁曲线表示机器人 运动轨迹遥 从图 圆 中可清晰地看出机器人在行进过 程中的 怨园毅转角曰图 猿 所示为画面中存在大范围移 窑源圆圆窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 怨 卷

第4期 蒲兴成，等：基于改进FAST算法的移动机器人导航 .423. 动目标时，会对特征点匹配造成一定影响，从而对地 图构建造成一定误差。表1为不同时刻前后各50 这记州 帧轨迹与里程计轨迹的误差对比。 的.了平里：i n:d: 图4机器人室内轨迹图 Fig.4 The indoor path of robot 表1误差对比 Table 1 Analyze the error 帧数范围 平均误差/cm最大误差/cm平均误差/% 475-574 1.1 3.5 0.5 扩，三是.曰…13- 1422-1521 1.7 5.1 0.9 2043-2142 8.2 16.4 4.1 ”。 3689-3788 2.0 5.7 1.0 由表1可见，机器人在直线运动中精度较高，平 均误差在1%以内。在2043~2142帧之间，摄像头 画面中存在大范围的移动目标，对特征点匹配造成 了一定的影响，但误差也只有4%左右，证明系统的 人汗 鲁棒性较高。该方法同样适合室外环境的定位与导 图2第1472帧图像的角点匹配与地图构建 问航，在室外采集了1min24s的视频，共2529帧 Fig.2 The corner matching and map building of 1 472 图像。下图5分别为第1700帧和第2500帧时的 th frame 角点匹配与地图构建。 (a)机器人运动过程中特征匹配情况 1制4=11EG以 (b)机器人运行轨迹 方 :训长i 图3第2093帧图像的角点匹配与地图构建 Fig.3 The corner matching and map building of 2 093 (c)机器人运动过程中特征匹配情况 th frame

动目标时袁会对特征点匹配造成一定影响袁从而对地 图构建造成一定误差遥 表 员 为不同时刻前后各 缘园 帧轨迹与里程计轨迹的误差对比遥 图 圆摇 第 员 源苑圆 帧图像的角点匹配与地图构建 云蚤早援圆摇 栽澡藻 糟燥则灶藻则 皂葬贼糟澡蚤灶早 葬灶凿 皂葬责 遭怎蚤造凿蚤灶早 燥枣 员 源苑圆 贼澡 枣则葬皂藻 图 猿摇 第 圆 园怨猿 帧图像的角点匹配与地图构建 云蚤早援猿摇 栽澡藻 糟燥则灶藻则 皂葬贼糟澡蚤灶早 葬灶凿 皂葬责 遭怎蚤造凿蚤灶早 燥枣 圆 园怨猿 贼澡 枣则葬皂藻 图 源摇 机器人室内轨迹图 云蚤早援源摇 栽澡藻 蚤灶凿燥燥则 责葬贼澡 燥枣 则燥遭燥贼 表 员摇 误差对比 栽葬遭造藻 员摇 粤灶葬造赠扎藻 贼澡藻 藻则则燥则 帧数范围 平均误差辕 糟皂 最大误差辕 糟皂 平均误差辕 豫 源苑缘原缘苑源 员援员 猿援缘 园援缘 员 源圆圆原员 缘圆员 员援苑 缘援员 园援怨 圆 园源猿原圆 员源圆 愿援圆 员远援源 源援员 猿 远愿怨原猿 苑愿愿 圆援园 缘援苑 员援园 摇 摇 由表 员 可见袁机器人在直线运动中精度较高袁平 均误差在 员豫以内遥 在 圆 园源猿 耀 圆 员源圆 帧之间袁摄像头 画面中存在大范围的移动目标袁对特征点匹配造成 了一定的影响袁但误差也只有 源豫左右袁证明系统的 鲁棒性较高遥 该方法同样适合室外环境的定位与导 问航袁在室外采集了 员 皂蚤灶 圆源 泽 的视频袁共 圆 缘圆怨 帧 图像遥 下图 缘 分别为第 员 苑园园 帧和第 圆 缘园园 帧时的 角点匹配与地图构建遥 渊葬冤 机器人运动过程中特征匹配情况 渊遭冤 机器人运行轨迹 渊糟冤 机器人运动过程中特征匹配情况 第 源 期摇摇摇摇摇摇摇摇摇摇摇摇摇摇 蒲兴成袁等院 基于改进 云粤杂栽 算法的移动机器人导航 窑源圆猿窑

·424· 智能系统学报 第9卷 localization and mapping under unknown environments[J]. Control Theory and Applications,2008(1):57-65.. [2]陈卫东，张飞.移动机器人的同步自定位与地图创建研 究[J].控制理论与应用，2005(3)：455-460. CHEN Weidong,ZHANG Fei.Study on mobile robots sim- ultaneous localization and mapping[J].Control Theory and Applications,2005(3):455-460. [3]ALCANTARILLA P F,SANG M O,MARIOTTINI G L,et (d)机器人运行轨迹 al.Learning visibility of landmarks for vision-based localiza- 图5机器人室外运动的角点匹配与地图构建 tion[OL/EB].[2013-10-21].https://smartech.gatech.edu/ Fig.5 The outdoor corner matching and map building of robot jspui/bitstream/1853/38323/1/Alcantarillal0icra2.pdf. 图6为SLAM重建图与机器人里程计轨迹的对 [4]梁艳菊，李庆，陈大鹏，等.一种快速鲁棒的LOG-FAST 比，两者的平均误差为11.3cm,平均误差百分比为 角点算法[J].计算机科学，2012(6)：251-254. 0.7%。 LIANG Yanju,LI Qing,CHEN Dapeng,et al.A fast robust LOG-FAST algorithm J].Computer Science,2012(6): 251-254. [5]ROSTEN E,DRUMMOND T.Machine learning for high- 不，：天·宁川 speed comer detection[C]//Computer Vision-ECCV 2006. 片11 [S.1.],2006:430-443. . [6]燕鹏，安如.基于FAST改进的快速角点探测算法[J]. 红外与激光工程.2009(6)：1104-1108. 法何的 YAN Peng,AN Ru.An improved FAST corner detector al- l4H1.7 gorithm[]].Infrared and Laser Engineering,2009(6): 1104-1108. [7]STRASDA H,MONTIEL J MM,DAVISON A J.Real-time monocular SLAM:why filter[C]//Proceedings of the IEEE i十女上 International Conference on Robotics and Automation.S. 1.].2010:2657-2664. 图6机器人室外轨迹图 [8]CIVERA J.Real-time EKF-based structure from motion Fig.6 The outdoor path of robot [D].System Engineering and Computer Science of Univer- 6结束语 sity Press,2003:21-23. [9]CIVERA J,GRASA O G,DAVISON A J,et al.1-point 针对移动机器人在单目视觉导航方面实时性与 RANSAC for EKF-based structure from motion[C]//IEEE 鲁棒性较差的问题，提出一种基于改进的FAST角 Intelligent Robots and Systems,[S.1.]2009:3498-3504. 点提取算法与一点RANSAC剔除误匹配算法相结 [10]ZHANG Z,DERICHE R,FAUGERAS O,et al.A robust 合来实现移动机器定位与导航的新方法。在角点提 technique for matching two uncalibrated images through the 取方面，剔除了部分边缘点和局部非极大值点，提高 recovery of the unknown epipolar geometry[J].Artificial Intelligence,1995,78(1/2):87-119. 了角点提取的速度与质量：在角点匹配与误匹配剔 [11]POLLEFEYS M,Van GOOL L.VERGAUWEN M,et al. 除方面，充分利用了滤波阶段得到的先验信息，在保 Visual modeling with a hand-held camera[J].International 证算法鲁棒性的同时有效降低了算法迭代次数，提 Journal of Computer Vision,2004,59(3):207-232 高了算法的实时性。实验结果表明，该方法能够实 作者简介： 时高效地重建出机器人的运行轨迹，实现机器人的 蒲兴成，男.1973年生.副教授，博 定位与导航：在周围环境发生变化时，能够保持较高 士，主要研究方向为非线性控制、随机 的匹配精度，鲁棒性较高：该方法同样可以适用于室 系统和智能控制等.主持和参与省部级 外环境。后续工作将在如何进一步提高其实时性做 基金项目8项，发表学术论文40余篇， 出版学术专著1部、教材1部 深人研究。 参考文献： 谭少峰，男，1988年生，硕士研究 [1]王耀南，余洪山.未知环境下移动机器人同步地图创建 生，主要研究方向为机器视觉、移动机 与定位研究进展[J].控制理论与应用，2008(1)：57-65， 器人导航 WANG Yaonan,YU Hongshan.Mobile robots simultaneous

渊凿冤 机器人运行轨迹 图 缘摇 机器人室外运动的角点匹配与地图构建 云蚤早援缘摇 栽澡藻 燥怎贼凿燥燥则 糟燥则灶藻则 皂葬贼糟澡蚤灶早 葬灶凿 皂葬责 遭怎蚤造凿蚤灶早 燥枣 则燥遭燥贼 摇 摇 图 远 为 杂蕴粤酝 重建图与机器人里程计轨迹的对 比袁两者的平均误差为 员员援猿 糟皂袁平均误差百分比为 园援苑豫遥 图 远摇 机器人室外轨迹图 云蚤早援远摇 栽澡藻 燥怎贼凿燥燥则 责葬贼澡 燥枣 则燥遭燥贼 远摇 结束语 针对移动机器人在单目视觉导航方面实时性与 鲁棒性较差的问题袁提出一种基于改进的 云粤杂栽 角 点提取算法与一点 砸粤晕杂粤悦 剔除误匹配算法相结 合来实现移动机器定位与导航的新方法遥 在角点提 取方面袁剔除了部分边缘点和局部非极大值点袁提高 了角点提取的速度与质量曰在角点匹配与误匹配剔 除方面袁充分利用了滤波阶段得到的先验信息袁在保 证算法鲁棒性的同时有效降低了算法迭代次数袁提 高了算法的实时性遥 实验结果表明袁该方法能够实 时高效地重建出机器人的运行轨迹袁实现机器人的 定位与导航曰在周围环境发生变化时袁能够保持较高 的匹配精度袁鲁棒性较高曰该方法同样可以适用于室 外环境遥 后续工作将在如何进一步提高其实时性做 深入研究遥 参考文献院 咱员暂王耀南袁 余洪山援 未知环境下移动机器人同步地图创建 与定位研究进展咱允暂援控制理论与应用袁 圆园园愿渊员冤 院 缘苑鄄远缘援 宰粤晕郧 再葬燥灶葬灶袁 再哉 匀燥灶早泽澡葬灶援 酝燥遭蚤造藻 则燥遭燥贼泽 泽蚤皂怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责责蚤灶早 怎灶凿藻则 怎灶噪灶燥憎灶 藻灶增蚤则燥灶皂藻灶贼泽咱 允暂援 悦燥灶贼则燥造 栽澡藻燥则赠 葬灶凿 粤责责造蚤糟葬贼蚤燥灶泽袁 圆园园愿渊员冤 院 缘苑鄄远缘援援 咱圆暂陈卫东袁 张飞援 移动机器人的同步自定位与地图创建研 究咱允暂援 控制理论与应用袁 圆园园缘渊猿冤 院 源缘缘鄄源远园援 悦匀耘晕 宰藻蚤凿燥灶早袁 在匀粤晕郧 云藻蚤援 杂贼怎凿赠 燥灶 皂燥遭蚤造藻 则燥遭燥贼泽 泽蚤皂鄄 怎造贼葬灶藻燥怎泽 造燥糟葬造蚤扎葬贼蚤燥灶 葬灶凿 皂葬责责蚤灶早咱 允暂援 悦燥灶贼则燥造 栽澡藻燥则赠 葬灶凿 粤责责造蚤糟葬贼蚤燥灶泽袁 圆园园缘渊猿冤 院 源缘缘鄄源远园援 咱猿暂粤蕴悦粤晕栽粤砸陨蕴蕴粤 孕 云袁 杂粤晕郧 酝 韵袁 酝粤砸陨韵栽栽陨晕陨 郧 蕴袁 藻贼 葬造援 蕴藻葬则灶蚤灶早 增蚤泽蚤遭蚤造蚤贼赠 燥枣 造葬灶凿皂葬则噪泽 枣燥则 增蚤泽蚤燥灶鄄遭葬泽藻凿 造燥糟葬造蚤扎葬鄄 贼蚤燥灶咱韵蕴 辕 耘月暂援 咱圆园员猿鄄员园鄄圆员暂援 澡贼贼责泽院 辕 辕 泽皂葬则贼藻糟澡援早葬贼藻糟澡援藻凿怎 辕 躁泽责怎蚤 辕 遭蚤贼泽贼则藻葬皂 辕 员愿缘猿 辕 猿愿猿圆猿 辕 员 辕 粤造糟葬灶贼葬则蚤造造葬员园蚤糟则葬圆援责凿枣援 咱源暂梁艳菊袁 李庆袁 陈大鹏袁 等援 一种快速鲁棒的 蕴韵郧鄄云粤杂栽 角点算法咱允暂援 计算机科学袁 圆园员圆渊远冤 院 圆缘员鄄圆缘源援 蕴陨粤晕郧 再葬灶躁怎袁 蕴陨 匝蚤灶早袁 悦匀耘晕 阅葬责藻灶早袁 藻贼 葬造援 粤 枣葬泽贼 则燥遭怎泽贼 蕴韵郧鄄云粤杂栽 葬造早燥则蚤贼澡皂 咱 允 暂援 悦燥皂责怎贼藻则 杂糟蚤藻灶糟藻袁 圆园员圆 渊 远 冤 院 圆缘员鄄圆缘源援 咱缘暂 砸韵杂栽耘晕 耘袁 阅砸哉酝酝韵晕阅 栽援 酝葬糟澡蚤灶藻 造藻葬则灶蚤灶早 枣燥则 澡蚤早澡鄄 泽责藻藻凿 糟燥则灶藻则 凿藻贼藻糟贼蚤燥灶咱 悦暂 辕 辕 悦燥皂责怎贼藻则 灾蚤泽蚤燥灶鄄耘悦悦灾 圆园园远援 咱 杂援造援暂 袁 圆园园远院 源猿园鄄源源猿援 咱远暂燕鹏袁 安如援 基于 云粤杂栽 改进的快速角点探测算法咱允暂援 红外与激光工程袁 圆园园怨渊 远冤 院 员员园源鄄员员园愿援 再粤晕 孕藻灶早袁 粤晕 砸怎援 粤灶 蚤皂责则燥增藻凿 云粤杂栽 糟燥则灶藻则 凿藻贼藻糟贼燥则 葬造鄄 早燥则蚤贼澡皂 咱 允暂援 陨灶枣则葬则藻凿 葬灶凿 蕴葬泽藻则 耘灶早蚤灶藻藻则蚤灶早袁 圆园园怨 渊 远冤 院 员员园源鄄员员园愿援 咱苑暂 杂栽砸粤杂阅粤 匀袁 酝韵晕栽陨耘蕴 允 酝 酝袁 阅粤灾陨杂韵晕 粤 允援 砸藻葬造鄄贼蚤皂藻 皂燥灶燥糟怎造葬则 杂蕴粤酝院 憎澡赠 枣蚤造贼藻则咱悦暂 辕 辕 孕则燥糟藻藻凿蚤灶早泽 燥枣 贼澡藻 陨耘耘耘 陨灶贼藻则灶葬贼蚤燥灶葬造 悦燥灶枣藻则藻灶糟藻 燥灶 砸燥遭燥贼蚤糟泽 葬灶凿 粤怎贼燥皂葬贼蚤燥灶援 咱 杂援 造援暂 袁 圆园员园院 圆远缘苑鄄圆远远源援 咱 愿 暂 悦陨灾耘砸粤 允援 砸藻葬造鄄贼蚤皂藻 耘运云鄄遭葬泽藻凿 泽贼则怎糟贼怎则藻 枣则燥皂 皂燥贼蚤燥灶 咱阅暂援 杂赠泽贼藻皂 耘灶早蚤灶藻藻则蚤灶早 葬灶凿 悦燥皂责怎贼藻则 杂糟蚤藻灶糟藻 燥枣 哉灶蚤增藻则鄄 泽蚤贼赠 孕则藻泽泽袁 圆园园猿院 圆员鄄圆猿援 咱怨暂 悦陨灾耘砸粤 允袁 郧砸粤杂粤 韵 郧袁 阅粤灾陨杂韵晕 粤 允袁 藻贼 葬造援 员鄄责燥蚤灶贼 砸粤晕杂粤悦 枣燥则 耘运云鄄遭葬泽藻凿 泽贼则怎糟贼怎则藻 枣则燥皂 皂燥贼蚤燥灶咱 悦暂 辕 辕 陨耘耘耘 陨灶贼藻造造蚤早藻灶贼 砸燥遭燥贼泽 葬灶凿 杂赠泽贼藻皂泽袁 咱 杂援造援暂 袁 圆园园怨院 猿源怨愿鄄猿缘园源援 咱员园暂在匀粤晕郧 在袁 阅耘砸陨悦匀耘 砸袁 云粤哉郧耘砸粤杂 韵袁 藻贼 葬造援 粤 则燥遭怎泽贼 贼藻糟澡灶蚤择怎藻 枣燥则 皂葬贼糟澡蚤灶早 贼憎燥 怎灶糟葬造蚤遭则葬贼藻凿 蚤皂葬早藻泽 贼澡则燥怎早澡 贼澡藻 则藻糟燥增藻则赠 燥枣 贼澡藻 怎灶噪灶燥憎灶 藻责蚤责燥造葬则 早藻燥皂藻贼则赠 咱 允暂援 粤则贼蚤枣蚤糟蚤葬造 陨灶贼藻造造蚤早藻灶糟藻袁 员怨怨缘袁 苑愿渊员 辕 圆冤 院 愿苑鄄员员怨援 咱员员暂孕韵蕴蕴耘云耘再杂 酝袁 灾葬灶 郧韵韵蕴 蕴袁 灾耘砸郧粤哉宰耘晕 酝袁 藻贼 葬造援 灾蚤泽怎葬造 皂燥凿藻造蚤灶早 憎蚤贼澡 葬 澡葬灶凿鄄澡藻造凿 糟葬皂藻则葬咱 允暂援 陨灶贼藻则灶葬贼蚤燥灶葬造 允燥怎则灶葬造 燥枣 悦燥皂责怎贼藻则 灾蚤泽蚤燥灶袁 圆园园源袁 缘怨渊猿冤 院 圆园苑鄄圆猿圆援 作者简介院 蒲兴成袁男袁员怨苑猿 年生袁副教授袁博 士袁主要研究方向为非线性控制尧随机 系统和智能控制等援主持和参与省部级 基金项目 愿 项袁发表学术论文 源园 余篇袁 出版学术专著 员 部尧教材 员 部援 谭少峰袁男袁 员怨愿愿 年生袁硕士研究 生袁主要研究方向为机器视觉尧移动机 器人导航援 窑源圆源窑 智 能 系 统 学 报摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇摇 第 怨 卷