單目視覺(jué)人工路標(biāo)輔助的移動(dòng)機(jī)器人導(dǎo)航方法①

黃 露,朱 明

(中國(guó)科學(xué)技術(shù)大學(xué) 信息科學(xué)技術(shù)學(xué)院,合肥 230027)

1 引言

伴隨著室內(nèi)機(jī)器人研究水平的不斷深入,其應(yīng)用場(chǎng)景也越來(lái)越多,對(duì)人們的生活和工業(yè)生產(chǎn)的影響也越來(lái)越明顯.在室內(nèi)機(jī)器人相關(guān)技術(shù)的研究中,導(dǎo)航技術(shù)是其研究核心[1],而里程計(jì)法是室內(nèi)移動(dòng)機(jī)器人自主導(dǎo)航技術(shù)中廣泛采用的方法之一.采用里程計(jì)法的室內(nèi)機(jī)器人利用安裝在車輪上的光電編碼器記錄車輪的轉(zhuǎn)數(shù),進(jìn)而獲得機(jī)器人相對(duì)于上一采樣時(shí)刻位置和姿態(tài)的改變量,通過(guò)這些位移量的累積就可以估計(jì)機(jī)器人的位置,然而由于存在車輪打滑、地面不平等多種外在因素的影響,以及光電編碼器自身系統(tǒng)誤差隨著位移積累,導(dǎo)致機(jī)器人定位精度下降很快,從而不適宜長(zhǎng)距離導(dǎo)航.因此,解決機(jī)器人里程計(jì)法導(dǎo)航時(shí)的定位精度問(wèn)題是一項(xiàng)迫不及待的任務(wù)[2].在實(shí)際應(yīng)用中,移動(dòng)機(jī)器人的室內(nèi)導(dǎo)航環(huán)境是已知的或者大部分已知的,機(jī)器人完全能夠充分利用這些已知信息來(lái)改善里程計(jì)法導(dǎo)航的不足,而視覺(jué)方法因其獲取環(huán)境的信息量大,作為傳統(tǒng)里程計(jì)導(dǎo)航方法的有效補(bǔ)充,得到了越來(lái)越多的關(guān)注[3].

目前,視覺(jué)方法主要通過(guò)單目視覺(jué)傳感器獲取環(huán)境中具有明顯特征的路標(biāo)進(jìn)行定位[4],其中路標(biāo)主要分為自然路標(biāo)和人工路標(biāo).從大量的文獻(xiàn)來(lái)看,目前基于自然路標(biāo)的視覺(jué)導(dǎo)航[5-7]受環(huán)境不確定因素影響大,算法復(fù)雜.相比于自然路標(biāo),人工路標(biāo)輔助機(jī)器人定位技術(shù),具有路標(biāo)特征穩(wěn)定、定位算法簡(jiǎn)單等優(yōu)勢(shì)[8],因此,近年來(lái)國(guó)內(nèi)外研究人員開(kāi)展了很多研究工作[9-16].文獻(xiàn)[9-13]提出了基于二維碼的人工路標(biāo),雖然該路標(biāo)包含的信息量大,但是二維碼的識(shí)別速度慢,難以滿足實(shí)時(shí)性的要求,而且識(shí)別的準(zhǔn)確率受機(jī)器人與二維碼的距離影響較大.

針對(duì)上述問(wèn)題,為了同時(shí)滿足人工路標(biāo)輔助室內(nèi)機(jī)器人定位導(dǎo)航的準(zhǔn)確性和實(shí)時(shí)性,本文先從人工路標(biāo)的設(shè)計(jì)著手,然后在室內(nèi)機(jī)器人的導(dǎo)航區(qū)域設(shè)置人工路標(biāo),提出基于單目視覺(jué)人工路標(biāo)輔助室內(nèi)機(jī)器人導(dǎo)航的方法,能夠有效糾正機(jī)器人采用里程計(jì)法導(dǎo)航時(shí)的累積誤差,最后,利用卡爾曼濾波將人工路標(biāo)識(shí)別得到的定位信息和里程計(jì)法定位數(shù)據(jù)有效融合起來(lái),獲得更加準(zhǔn)確有效的定位精度.最后通過(guò)實(shí)驗(yàn)表明,該方法有效地提高了機(jī)器人在采用里程計(jì)法進(jìn)行導(dǎo)航時(shí)的精度和魯棒性.該方法主要包括人工路標(biāo)的設(shè)計(jì)、路標(biāo)標(biāo)準(zhǔn)庫(kù)的建立、路標(biāo)識(shí)別定位、修正機(jī)器人累積偏差以及定位數(shù)據(jù)融合這5個(gè)主要步驟.

2 人工路標(biāo)的設(shè)計(jì)

針對(duì)室內(nèi)移動(dòng)機(jī)器人的實(shí)際工作環(huán)境,本文在常用桌號(hào)場(chǎng)景路標(biāo)的基礎(chǔ)上,設(shè)計(jì)了草綠色背景的阿拉伯?dāng)?shù)字人工路標(biāo),如圖1所示,數(shù)字位于人工路標(biāo)的中心區(qū)域.

圖1 數(shù)字人工路標(biāo)

本文的人工路標(biāo)是放置在靠近機(jī)器人行走路徑旁的桌面上的.當(dāng)室內(nèi)機(jī)器人的導(dǎo)航距離較長(zhǎng),需要更多的人工路標(biāo)以修正自身導(dǎo)航誤差時(shí),可在導(dǎo)航路徑中增加含不同數(shù)字的路標(biāo)即可.

3 路標(biāo)標(biāo)準(zhǔn)庫(kù)的建立

室內(nèi)服務(wù)機(jī)器人工作區(qū)域有N張桌子中,根據(jù)機(jī)器人的行走路徑和室內(nèi)N張桌子排布的位置關(guān)系,按順序給桌子編上號(hào)碼,在桌面上布置上相對(duì)應(yīng)數(shù)字為1-N的人工路標(biāo),則本文將利用這N個(gè)人工路標(biāo)來(lái)建立路標(biāo)標(biāo)準(zhǔn)庫(kù).

考慮到常用的圖像特征提取與匹配方法有顏色直方圖、紋理特征及不變矩特征等,其中,不變矩特征[17]是由Hu在1962年提出來(lái)的,由于Hu不變矩具有旋轉(zhuǎn)、平移、尺度和鏡像等不變的特征,所以本文利用該算法來(lái)建立路標(biāo)標(biāo)準(zhǔn)庫(kù),其定義如下.

則歸一化中心矩定義為:

利用二階矩和三階矩可以推導(dǎo)出7個(gè)Hu不變矩組:

本文設(shè)計(jì)的人工路標(biāo)邊緣特征豐富,故使用canny邊緣算法分別提取這N個(gè)人工路標(biāo)的邊緣輪廓,然后分別計(jì)算這N個(gè)路標(biāo)邊緣的Hu不變矩的7個(gè)Hu不變矩值,并一一記錄在路標(biāo)標(biāo)準(zhǔn)庫(kù)中.

4 人工路標(biāo)的識(shí)別

機(jī)器人要利用人工路標(biāo)來(lái)進(jìn)行修正里程計(jì)法導(dǎo)航帶來(lái)的累積誤差,必須能夠從采集的圖片中判斷是否存在人工路標(biāo),因此,人工路標(biāo)的有效識(shí)別是其輔助室內(nèi)移動(dòng)機(jī)器人導(dǎo)航的關(guān)鍵技術(shù).本文主要利用人工路標(biāo)的顏色特征來(lái)快速檢測(cè)視野中是否存在人工路標(biāo),然后再進(jìn)行定位和識(shí)別,具體方法步驟如下:

(1)顏色空間轉(zhuǎn)換.對(duì)機(jī)器人采集的圖像轉(zhuǎn)換顏色空間:從 RGB 空間轉(zhuǎn)變?yōu)?YCbCr空間.在 YCbCr顏色空間中將Y亮度信息分離出來(lái),從一定程度上降低了光照的干擾.

(2)通過(guò)高斯模型檢測(cè)路標(biāo)區(qū)域.高斯模型應(yīng)用統(tǒng)計(jì)學(xué)原理,對(duì)大量目標(biāo)區(qū)域的像素進(jìn)行統(tǒng)計(jì)分析,確定樣本中Cr、Cb的均值M和協(xié)方差C.然后通過(guò)已經(jīng)建立的高斯模型,從而來(lái)判斷采集圖像中的像素屬于目標(biāo)模型的概率,也就是根據(jù)每個(gè)像素點(diǎn)距離高斯分布中心點(diǎn)的距離,來(lái)判斷與目標(biāo)顏色的相似度.二維高斯模型的函數(shù)為:

式中,x為每個(gè)像素點(diǎn)在YCbCr顏色空間下的值

因此,遍歷采集圖像,通過(guò)式(16)將符合高斯模型的像素點(diǎn)的像素值設(shè)置為255,其余為0,從而對(duì)圖像進(jìn)行了二值化.

(3)得到路標(biāo)區(qū)域.對(duì)二值化后的圖像使用findContours獲得輪廓向量,然后通過(guò)輪廓寬高比和其包圍的區(qū)域面積選擇出目標(biāo)輪廓,得到目標(biāo)輪廓的中心坐標(biāo).通過(guò)大量的實(shí)驗(yàn)發(fā)現(xiàn),在采集圖像中,路標(biāo)區(qū)域的輪廓寬高比在1左右(0.8-1.0),而且在滿足寬高比的條件下,所圍面積最大的輪廓即為路標(biāo)所對(duì)應(yīng)的輪廓.新建一個(gè)黑色的遮罩圖層,通過(guò)drawContours操作將目標(biāo)輪廓內(nèi)部空間用白色填充,然后用CopyTo將路標(biāo)區(qū)域從采集圖像中拷貝出來(lái).

(4)識(shí)別路標(biāo).對(duì)路標(biāo)區(qū)域使用canny操作獲得其邊緣輪廓,然后再提取邊緣輪廓的Hu不變矩的值本文定義兩個(gè)Hu不變矩的距離為:

依次按式(17)計(jì)算并比較路標(biāo)標(biāo)準(zhǔn)庫(kù)中的不變矩值與待識(shí)別的邊緣不變矩的距離,選取最小不變矩距離dmin且根據(jù)大量實(shí)驗(yàn)數(shù)據(jù)分析,要求進(jìn)行路標(biāo)識(shí)別,這樣就完成路標(biāo)識(shí)別的任務(wù)了.

5 校正機(jī)器人導(dǎo)航偏差

對(duì)采用光電編碼器里程計(jì)法進(jìn)行導(dǎo)航中的機(jī)器人來(lái)說(shuō),必須在短時(shí)間短距離內(nèi)對(duì)機(jī)器人運(yùn)動(dòng)產(chǎn)生的航向偏差進(jìn)行修正.行進(jìn)中的機(jī)器人在采集的圖像中判斷是否存在人工路標(biāo),與標(biāo)準(zhǔn)庫(kù)進(jìn)行匹配識(shí)別,當(dāng)正確匹配識(shí)別后,根據(jù)單目視覺(jué)攝像機(jī)的成像原理,可以完成二維圖像與三維空間的坐標(biāo)轉(zhuǎn)換,確定機(jī)器人所處環(huán)境中的位置,然后校正機(jī)器人的航向,進(jìn)一步降低系統(tǒng)的累積偏差.

在單目視覺(jué)室內(nèi)機(jī)器人導(dǎo)航系統(tǒng)中,機(jī)器人車體坐標(biāo)系和相機(jī)坐標(biāo)系是相對(duì)不變的,于是將兩者合成一個(gè)坐標(biāo)系.為了表示圖像坐標(biāo)系與世界坐標(biāo)系的關(guān)系,本文用分別表示世界坐標(biāo)系、相機(jī)坐標(biāo)系的三維坐標(biāo)值,用表示圖像坐標(biāo)系的二維坐標(biāo)值.根據(jù)單目攝像機(jī)的成像原理,確定圖像坐標(biāo)系與世界坐標(biāo)的轉(zhuǎn)換關(guān)系為:

然后,確定相機(jī)坐標(biāo)系與世界坐標(biāo)系存在如下的轉(zhuǎn)換關(guān)系:

在式 (18)、(19)中f為攝像機(jī)的焦距,du、dv分別為每個(gè)像素在圖像坐標(biāo)系U軸、V軸的間距,是圖像的中心點(diǎn)坐標(biāo),R為 3×3 旋轉(zhuǎn)矩陣,t是三維平移向量,

本文機(jī)器人所攜帶的單目攝像機(jī)事先已經(jīng)進(jìn)行了標(biāo)定[18],在采集的圖像中識(shí)別出人工路標(biāo),通過(guò)式(18)由人工路標(biāo)中心點(diǎn)的坐標(biāo)計(jì)算出該點(diǎn)對(duì)應(yīng)的世界坐標(biāo),然后使用式(19)計(jì)算出該點(diǎn)的攝像機(jī)坐標(biāo),即該點(diǎn)相對(duì)攝像機(jī)的位置,然后通過(guò)逆變換即可確定攝像機(jī)的世界坐標(biāo),這樣就能確定機(jī)器人在室內(nèi)的位置了,從而與光電編碼器反饋的機(jī)器人位置進(jìn)行比較,就能達(dá)到糾正機(jī)器人航向偏差的目的了.

6 里程計(jì)導(dǎo)航與路標(biāo)定位的融合

移動(dòng)機(jī)器人采用里程計(jì)導(dǎo)航時(shí),光電編碼器提供兩次不同定位時(shí)刻之間的距離,其航位推算方程為:

本文的室內(nèi)移動(dòng)機(jī)器人采用里程計(jì)法作為主要的導(dǎo)航方式,而基于單目視覺(jué)人工路標(biāo)的定位方法作為輔助手段來(lái)對(duì)導(dǎo)航定位數(shù)據(jù)進(jìn)行修正.里程計(jì)誤差主要包括系統(tǒng)誤差和非系統(tǒng)誤差兩種.系統(tǒng)誤差是由于移動(dòng)機(jī)器人設(shè)計(jì)結(jié)構(gòu)不合理或者里程計(jì)精度不高導(dǎo)致的內(nèi)部誤差,是一個(gè)與時(shí)間無(wú)關(guān)的近似零均值物理量[19].非系統(tǒng)誤差主要是由車輪打滑造成的,但它對(duì)里程計(jì)造成的誤差是隨機(jī)產(chǎn)生的,可以當(dāng)作零均值白噪聲來(lái)處理[20].單目視覺(jué)人工路標(biāo)的定位誤差也是隨機(jī)產(chǎn)生的,進(jìn)而也可以近似當(dāng)作零均值白噪聲來(lái)處理.因此,里程計(jì)誤差和人工路標(biāo)的定位誤差都可以近似當(dāng)作零均值的高斯白噪聲來(lái)處理,而且兩者之間是相互獨(dú)立的.所以,本文這里采用卡爾曼濾波(Kalman Filter)方式對(duì)位置信息進(jìn)行融合.機(jī)器人車體所在位置被定義為濾波的狀態(tài)量,用里程計(jì)法航跡推算公式(20)為預(yù)測(cè)模型,從而來(lái)實(shí)現(xiàn)狀態(tài)量的預(yù)測(cè)與更新,單目視覺(jué)人工路標(biāo)的定位方式規(guī)定為觀測(cè)模型來(lái)提供觀測(cè)值,從而構(gòu)建系統(tǒng)的狀態(tài)方程與測(cè)量方程分別為:

7 實(shí)驗(yàn)論證

本文采用如圖2所示的室內(nèi)移動(dòng)機(jī)器人來(lái)完成系統(tǒng)實(shí)驗(yàn).該機(jī)器人采用2HSS57-KH-XX混合式步進(jìn)伺服驅(qū)動(dòng)提供動(dòng)力,并采用每50微秒高速采樣的光電編碼器進(jìn)行位置反饋.機(jī)器人的運(yùn)行速度為 0.50 m/s,并且采用100萬(wàn)像素的攝像頭來(lái)采集圖像,并配備CPU 為 1.86 GHz、運(yùn)行內(nèi)存為 2 GB 的 PC 機(jī).移動(dòng)機(jī)器人室內(nèi)實(shí)驗(yàn)環(huán)境的導(dǎo)航路徑是矩形(長(zhǎng)為8.85 m,寬為 2.40 m),如圖 3所示,本次實(shí)驗(yàn)在實(shí)驗(yàn)區(qū)域設(shè)置8個(gè)人工路標(biāo)(從數(shù)字1到數(shù)字8對(duì)應(yīng)的人工路標(biāo)).

7.1 路標(biāo)識(shí)別的實(shí)驗(yàn)結(jié)果

人工路標(biāo)導(dǎo)航方案的關(guān)鍵在于路標(biāo)能否被較好識(shí)別[9],因此下面將進(jìn)行人工路標(biāo)的識(shí)別準(zhǔn)確性和實(shí)時(shí)性的實(shí)驗(yàn).為了不贅述,本文只展示數(shù)字為1的路標(biāo)在光線強(qiáng)度適中的實(shí)驗(yàn)效果,如圖4所示.采集的圖像如圖4(a)所示;進(jìn)行上文第4節(jié)的步驟(1)、(2)、(3)后,得到的路標(biāo)區(qū)域如圖4(b)所示;按照上文第4節(jié)的步驟(4)進(jìn)行canny操作后的邊緣輪廓如圖4(c)所示.

圖2 室內(nèi)移動(dòng)機(jī)器人

圖3 室內(nèi)實(shí)驗(yàn)環(huán)境

圖4 實(shí)驗(yàn)結(jié)果展示

同時(shí),本文添加了背景干擾實(shí)驗(yàn),采集的圖片如圖 5(a)所示;進(jìn)行上文第 4 節(jié)的步驟 (1)、(2)后,得到可能的路標(biāo)區(qū)域如圖5(b)所示;進(jìn)行上文第4節(jié)的步驟(3)后,得到的路標(biāo)區(qū)域如圖5(c)所示,按照上文第4節(jié)的步驟(4)進(jìn)行canny操作后的邊緣輪廓如圖5(d)所示.

分別對(duì)圖4(c)、圖5(d)所示的目標(biāo)區(qū)域的邊緣輪廓提取Hu不變矩的數(shù)值,其結(jié)果和標(biāo)準(zhǔn)庫(kù)中的數(shù)字1對(duì)應(yīng)的人工路標(biāo)滿足不變矩距離d最小,且,故人工路標(biāo)能被正確識(shí)別.

移動(dòng)機(jī)器人在圖3所示的室內(nèi)環(huán)境中進(jìn)行導(dǎo)航時(shí),人工路標(biāo)的識(shí)別主要會(huì)受到光線、路標(biāo)所在區(qū)域的背景復(fù)雜程度以及攝像頭拍攝角度等因素的干擾.因此,本文在光線較暗、適中、較強(qiáng)三種不同條件下,以及在人工路標(biāo)背景簡(jiǎn)單、復(fù)雜兩種情況下,分別從不同的拍攝角度采集50幅含有人工路標(biāo)的圖像,進(jìn)行對(duì)比實(shí)驗(yàn),測(cè)試人工路標(biāo)的識(shí)別速度和準(zhǔn)確率,表1給出了實(shí)驗(yàn)數(shù)據(jù).

圖5 背景干擾實(shí)驗(yàn)

表1 人工路標(biāo)識(shí)別的實(shí)驗(yàn)數(shù)據(jù)

由此可以看出,本文提出的人工路標(biāo)識(shí)別對(duì)光照、背景復(fù)雜程度和拍攝角度的變化具有很強(qiáng)的魯棒性,而且平均識(shí)別準(zhǔn)確率為88.67%,平均識(shí)別時(shí)間為97 ms,能夠滿足移動(dòng)機(jī)器人進(jìn)行自主導(dǎo)航的準(zhǔn)確性和實(shí)時(shí)性要求.

7.2 輔助定位及數(shù)據(jù)融合實(shí)驗(yàn)結(jié)果

機(jī)器人在如圖3所示的室內(nèi)矩形場(chǎng)地進(jìn)行自主導(dǎo)航時(shí),8個(gè)路標(biāo)處均能被快速準(zhǔn)確地識(shí)別.移動(dòng)機(jī)器人在采用里程計(jì)法導(dǎo)航時(shí),利用單目視覺(jué)人工路標(biāo)定位的位置信息對(duì)里程計(jì)法推算的位置信息進(jìn)行融合修正,得到修正后的位置定位估計(jì).在此導(dǎo)航路徑中進(jìn)行機(jī)器人導(dǎo)航實(shí)驗(yàn),分別記錄機(jī)器人運(yùn)動(dòng)軌跡的實(shí)測(cè)值、采用里程計(jì)導(dǎo)航的自定位數(shù)據(jù)以及路標(biāo)定位和里程計(jì)定位進(jìn)行融合后的定位數(shù)據(jù),機(jī)器人導(dǎo)航的定位數(shù)據(jù)分析對(duì)比如圖6所示.圖中,黑點(diǎn)為機(jī)器人導(dǎo)航運(yùn)動(dòng)軌跡的實(shí)測(cè)值.紅色“*”點(diǎn)對(duì)應(yīng)的是里程計(jì)導(dǎo)航系統(tǒng)的定位數(shù)據(jù),與真實(shí)數(shù)據(jù)對(duì)比,誤差明顯,這些誤差主要是由于輪子在地面上打滑、里程計(jì)導(dǎo)航系統(tǒng)本身的誤差等諸多因素造成的,由于定位誤差的存在,使得此系統(tǒng)的定位數(shù)據(jù)發(fā)生向外漂移的現(xiàn)象,尤其在車體長(zhǎng)距離移動(dòng)后,不斷累積的誤差使得這種漂移現(xiàn)象更加嚴(yán)重.在融入視覺(jué)人工路標(biāo)的定位信息修正后(綠色“+”對(duì)應(yīng)的數(shù)據(jù)),定位數(shù)據(jù)的精度得到了明顯地提高,使得定位數(shù)據(jù)明顯趨近與真實(shí)測(cè)量數(shù)據(jù),整個(gè)導(dǎo)航系統(tǒng)的誤差大幅度降低.

圖6 定位數(shù)據(jù)對(duì)比圖

與此同時(shí),本文又以8個(gè)人工路標(biāo)位置為間隔,將機(jī)器人運(yùn)動(dòng)軌跡劃分為8段進(jìn)行逐段分析(分析數(shù)據(jù)如表2所示),在表中,序號(hào)1表示第1個(gè)路標(biāo)到第2個(gè)路標(biāo)的導(dǎo)航分段,序號(hào)2表示第2個(gè)路標(biāo)到第3個(gè)路標(biāo)的導(dǎo)航分段,以此類推;X為各個(gè)分段的機(jī)器人運(yùn)動(dòng)距離;E1、E2分別為里程計(jì)導(dǎo)航和融合視覺(jué)人工路標(biāo)定位算法在個(gè)導(dǎo)航分段的累積誤差;R1、R2分別為這兩個(gè)誤差占各個(gè)分段行駛距離的比例.

從表2中的實(shí)驗(yàn)數(shù)據(jù)可以看出,機(jī)器人采用里程計(jì)法導(dǎo)航時(shí)的誤差主要發(fā)生在導(dǎo)航路徑長(zhǎng)且存在轉(zhuǎn)向的分段5,說(shuō)明此導(dǎo)航路段誤差主要是因?yàn)槌Ａ空`差不斷積累,使得累積誤差偏大,而修正后的直行路段(如分段6)累積誤差有限.存在轉(zhuǎn)向且導(dǎo)航距離較長(zhǎng)的路段(如分段5和分段7)的累積誤差明顯高于其它導(dǎo)航路段,但經(jīng)過(guò)修正后,均已得到明顯改善,說(shuō)明人工路標(biāo)定位信息的引入使得單點(diǎn)定位的誤差明顯改善,車體航向的校正使得整個(gè)導(dǎo)航軌跡趨于正常,兩者結(jié)合后明顯改善了導(dǎo)航系統(tǒng)的累積誤差.

表2 分段定位誤差分析

8 結(jié)束語(yǔ)

在室內(nèi)環(huán)境下,針對(duì)室內(nèi)移動(dòng)機(jī)器人里程計(jì)法不適宜長(zhǎng)距離導(dǎo)航的問(wèn)題,本文提出了一種基于單目視覺(jué)人工路標(biāo)輔助機(jī)器人定位和導(dǎo)航的方法.首先,本文設(shè)計(jì)了一種新的數(shù)字人工路標(biāo),并提出了相應(yīng)快速準(zhǔn)確的識(shí)別方法,對(duì)采用里程計(jì)法導(dǎo)航的機(jī)器人進(jìn)行運(yùn)動(dòng)航向偏差的修正,最后通過(guò)卡爾曼濾波器有效地實(shí)現(xiàn)了定位數(shù)據(jù)的融合.通過(guò)實(shí)驗(yàn)表明,數(shù)字人工路標(biāo)的識(shí)別對(duì)光照、背景復(fù)雜程度和拍攝角度的變化具有很強(qiáng)的魯棒性,且能夠滿足機(jī)器人導(dǎo)航準(zhǔn)確性和實(shí)時(shí)性的要求,該方法有效地降低了里程計(jì)法導(dǎo)航時(shí)的累積誤差,明顯地提高了導(dǎo)航系統(tǒng)的精度和魯棒性.本文下一步將繼續(xù)優(yōu)化人工路標(biāo)的識(shí)別方法,提高人工路標(biāo)在光線昏暗和強(qiáng)光情況下的正確識(shí)別率,使機(jī)器人在室內(nèi)更好地完成自主導(dǎo)航的任務(wù).

1 王志文,郭戈.移動(dòng)機(jī)器人導(dǎo)航技術(shù)現(xiàn)狀與展望.機(jī)器人,2003,25(5):470–474.

2 陸新華,張桂林.室內(nèi)服務(wù)機(jī)器人導(dǎo)航方法研究.機(jī)器人,2003,25(1):80–87.

3 陳明芽,項(xiàng)志宇,劉濟(jì)林.單目視覺(jué)自然路標(biāo)輔助的移動(dòng)機(jī)器人定位方法.浙江大學(xué)學(xué)報(bào) (工學(xué)版),2014,48(2):285–291.

4 劉振宇,姜楠,張令濤.基于人工路標(biāo)和立體視覺(jué)的移動(dòng)機(jī)器人自定位.計(jì)算機(jī)工程與應(yīng)用,2010,46(9):190–192,211.

5 唐琎,白濤,蔡自興.移動(dòng)機(jī)器人的一種室內(nèi)自然路標(biāo)定位法.計(jì)算機(jī)工程與應(yīng)用,2005,41(15):44–47,185.[doi:10.3321/j.issn:1002-8331.2005.15.013]

6 Sun YD,Ding N,Qian HH,et al.Real-time monocular visual self-localization approach using natural circular landmarks for indoor navigation.Proceedings of 2012 IEEE International Conference on Robotics and Biomimetics(ROBIO).Guangzhou,China.2012.495–500.

7 Lu Y,Song DZ.Visual navigation using heterogeneous landmarks and unsupervised geometric constraints. IEEE Transactions on Robotics,2015,31(3):736–749.[doi:10.1109/TRO.2015.2424032]

8 唐恒博,陳衛(wèi)東,王景川.基于多元M序列的人工路標(biāo)設(shè)置方法.機(jī)器人,2014,36(1):29–35.

9 王孫平,田喬,傅世忱,等.QR 碼導(dǎo)航的室內(nèi)目標(biāo)搜尋機(jī)器人研究.計(jì)算機(jī)系統(tǒng)應(yīng)用,2014,23(1):193–196.

10 姜海濤,田國(guó)會(huì),薛英花,等.新型人工地標(biāo)的設(shè)計(jì)、識(shí)別、定位及應(yīng)用.山東大學(xué)學(xué)報(bào) (工學(xué)版),2011,41(2):107–113,118.

11 George L,Mazel A.Humanoid robot indoor navigation based on 2D bar codes:Application to the NAO robot.Proceedings of the 2013 13th IEEE-RAS International Conference on Humanoid Robots (Humanoids).Atlanta,GA,USA.2013.329–335.

12 Zhang S,Sun L,Dong L,et al.Initial location calibration of home service robot based on 2-dimensional codes landmarks.Proceedings of the 33rd Chinese Control Conference.Nanjing,China.2014.8315–8320.

13 Lee SJ,Tewolde G,Lim J,et al.QR-code based localization for indoor mobile robot with validation using a 3D optical tracking instrument.Proceedings of 2015 IEEE International Conference on Advanced Intelligent Mechatronics (AIM).Busan,Korea.2015.965–970.

14 丁娜娜,田國(guó)會(huì),李國(guó)棟,等.基于人工地標(biāo)的雙足機(jī)器人視覺(jué)自定位.山東大學(xué)學(xué)報(bào) (工學(xué)版),2013,43(4):51–56.

15 Guo Y,Xu XH.Color landmark design for mobile robot localization. Proceedings of the Multiconference on“Computational Engineering in Systems Applications ”.Beijing,China.2006.1868–1874.

16 Shen JL,Hu HS.Mobile robot navigation through digital landmarks.Proceedings of the 10th Chinese Automation &Computing Society Conference in the UK. Liverpool,England.2004.117–124.

17 Hu MK.Visual pattern recognition by moment invariants.IRE Transactions on Information Theory,1962,8(2):179–187.[doi:10.1109/TIT.1962.1057692]

18 Remondino F,Fraser C.Digital camera calibration methods:Considerations and comparisons.International Archives of Photogrammetry,Remote Sensing and Spatial Information Sciences,2006,36(5):266–272.

19 楊晶東,楊敬輝,洪炳熔.一種有效的移動(dòng)機(jī)器人里程計(jì)誤差建模方法.自動(dòng)化學(xué)報(bào),2009,35(2):168–173.

20 孫華,李偉,吳亞明.基于里程計(jì)/地磁/GPS 的導(dǎo)航系統(tǒng)設(shè)計(jì).微型機(jī)與應(yīng)用,2016,35(1):81–84,87.