基于大尺度旋轉(zhuǎn)不變性檢測算法的蛇形機(jī)器人視覺SLAM研究

張衛(wèi)兵

【摘要】??? 本文主要對基于大尺度旋轉(zhuǎn)不變性檢測算法的蛇形機(jī)器人視覺SLAM技術(shù)進(jìn)行了相關(guān)的研究。

【關(guān)鍵詞】??? 大尺度旋轉(zhuǎn)??? 不變性??? 蛇形機(jī)器人??? 視覺SLAM

引言：

近年來，國外SLAM研究取得了一系列成果。許多研究組織和研究者已經(jīng)或者正在深入研究SLAM。根據(jù)常用的SLAM 方法使用的傳感器來進(jìn)行分類，他們一般可以劃分為：基于激光的SLAM，基于聲納的SLAM和基于視覺的SLAM。

本文中所涉及到的研究技術(shù)主要指的是基于視覺的SLAM技術(shù)，利用該技術(shù)，可有效改善蛇形機(jī)器人的功能，使其更好地被應(yīng)用于更多的領(lǐng)域。

一、技術(shù)項(xiàng)目概述

本技術(shù)項(xiàng)目就是為了解決環(huán)境對機(jī)器人的影響，對于已知環(huán)境，預(yù)先為機(jī)器人提供了比較準(zhǔn)確的環(huán)境模型，機(jī)器人在行進(jìn)過程中通過攜帶的外部傳感器，如IMU、激光雷達(dá)、超聲波、相機(jī)等，探索環(huán)境中的已知路標(biāo)，并借助此實(shí)現(xiàn)對自身位置的不斷校正，以彌補(bǔ)機(jī)械和內(nèi)部傳感器（IMU、里程計等）帶來的定位不確定性。

二、關(guān)鍵技術(shù)分析

圖1??? 蛇形機(jī)器人軌跡回環(huán)檢測示意圖

在此研究過程中，涉及到的最關(guān)鍵的技術(shù)就是SLAM技術(shù)，SLAM最早是由Randall Smith 和Peter Cheseseman 在1988 年發(fā)表的論文當(dāng)中提出來的，在此論文中，利用移動機(jī)器人的運(yùn)動方式和裝置的傳感器獲得的測量數(shù)據(jù)，分別設(shè)計了移動機(jī)器人的運(yùn)動模型和觀測模型，結(jié)合概率學(xué)的貝葉斯理論，得以實(shí)現(xiàn)了對輪式移動機(jī)器人在未知環(huán)境中的運(yùn)動狀態(tài)進(jìn)行實(shí)時估計。

相關(guān)的研究表明，SLAM技術(shù)研究是實(shí)現(xiàn)機(jī)器人自主導(dǎo)航，提高機(jī)器人的智能化水平的關(guān)鍵和首要解決的基礎(chǔ)性難題。而研究SLAM技術(shù)需要從以下兩方面進(jìn)行：

（1）基于卷積神經(jīng)網(wǎng)絡(luò)的回環(huán)檢測方法（如圖1）。隨著機(jī)器人運(yùn)動距離的增加，由關(guān)鍵幀作為節(jié)點(diǎn)組成的地圖數(shù)據(jù)量開始增加。所以，為了防止誤差的持續(xù)積累，通過改進(jìn)Siamese網(wǎng)絡(luò)實(shí)現(xiàn)當(dāng)前關(guān)鍵幀與先前節(jié)點(diǎn)的圖像相似性分析，完成局部回環(huán)與大回環(huán)檢測，建立節(jié)點(diǎn)之間的約束，從而完成全局地圖構(gòu)建。

（2）連續(xù)幀圖像快速特征匹配與局部圖像構(gòu)建。針對蛇形機(jī)器人具有高動態(tài)運(yùn)動特性，因此攝像頭位姿變換頻率快，造成特征難以匹配的問題，考慮在相鄰圖像特征點(diǎn)匹配的基礎(chǔ)上增加距離約束，提高匹配速度。采用RANSAC算法計算所匹配圖像的旋轉(zhuǎn)向量和平移向量，從而得到相機(jī)的姿態(tài)變化量，并判斷是否為關(guān)鍵幀，同時更新局部地圖。

三、擬解決的問題與實(shí)際應(yīng)用

當(dāng)前，我國針對高動態(tài)環(huán)境下的SLAM技術(shù)的研究還處于較為困難的階段，且在研究的過程中遇到了許多的問題。本文主要擬解決的問題包括了復(fù)雜環(huán)境下蛇形機(jī)器人基于單目視覺的SLAM問題，這涉及到了以下兩個方面：

（一）本文主要從蛇形機(jī)器人的運(yùn)動特性出發(fā)，針對高動態(tài)不確定性環(huán)境下實(shí)時圖像具有大尺度旋轉(zhuǎn)性，提出一種具有方向特征的Fast大尺度旋轉(zhuǎn)不變性角點(diǎn)提取方法。從而提高了機(jī)器人動態(tài)環(huán)境下圖像跟蹤的魯棒性。采用分割檢測判據(jù)進(jìn)行FAST特征檢測，即在以像素點(diǎn)p為中心，以r為半徑的圓周上如果存在聯(lián)系的n個像素Ik Ik Ik，k=1，2，...，n通過下式判斷該像素點(diǎn)是否為角點(diǎn)：

表示圓周上任意一個像素點(diǎn)的灰度值;表示中心像素點(diǎn)p的灰度值，t是給定的一個很小的閾值，如果CRF=1的個數(shù)大于一個給定的閾值T，則該點(diǎn)選為候選點(diǎn)，通常T=12。

（二）為了減小隨著機(jī)器人運(yùn)動距離增加，在局部地圖不斷擴(kuò)大過程中誤差的持續(xù)積累，提出了一種廣義約束下的快速卷積神經(jīng)網(wǎng)絡(luò)回環(huán)配準(zhǔn)方法。

通過改進(jìn)Siamese網(wǎng)絡(luò)實(shí)現(xiàn)當(dāng)前關(guān)鍵幀與先前節(jié)點(diǎn)的圖像相似性分析完成回環(huán)檢測，建立節(jié)點(diǎn)約束，以減小誤差的持續(xù)積累。

參? 考? 文? 獻(xiàn)

[1]郁樹梅， 馬書根， 李斌等. 蛇形機(jī)器人步態(tài)產(chǎn)生及步態(tài)分析[J].機(jī)器人， 2011， 33（3）：371-378.

[2]盧振利， 馬書根， 李斌等. 基于循環(huán)抑制CPG模型的蛇形機(jī)器人三維運(yùn)動[J].自動化學(xué)報， 33（1）， 2007： 54-58.

項(xiàng)目編號：16C1138??? 項(xiàng)目名稱：基于大尺度旋轉(zhuǎn)不變性檢測算法的蛇形機(jī)器人視覺SLAM研究