·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