[发明专利]基于一点RANSAC和FAST算法的移动机器人导航方法

说明书

技术领域

本发明属于移动机器人自主定位和导航领域，具体涉及基于图像匹配的移动机器人定位与导航。

背景技术

随着计算机技术的飞速发展和社会的不断进步，移动机器人的应用得到了不断扩展，人工智能水平也得到了不断提高。和传统的工业机器人相比较而言，移动机器人集成了更多的先进科技，正逐步成为一个集任务规划、环境创建与自主定位、路径规划、实时导航、目标识别等多项功能于一体的综合性系统。其应用领域也从工业逐渐扩展到了军事、医疗、家用服务、紧急救援、海洋开发、太空探索等各个方面，应用领域不断扩展的同时也对机器人的自主定位与导航能力提出了更高的要求。

近20年来，基于各种传感器的导航技术研究获得了巨大的发展，而基于视觉传感器的同时定位与地图创建技术(Simultaneous Localization And Mapping，SLAM问题)受到了最为广泛的重视。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SLAM是移动机器人需要解决的关键问题。SLAM是指机器人在一个未知的环境中，从一个未知的位置开始，通过对环境的观测，递增地构建环境地图，并同时运用环境地图实现机器人定位的一个过程。基于视觉传感器的导航技术根据视觉摄像机数目的不同，可以分为全向视觉定位与导航、双目视觉定位与导航、单目视觉定位与导航。其中基于单目视觉的导航方法操作方便、模型简单，其实时性也较高，而且单目视觉成像设备如数码相机、监控摄像头、拍照手机等，其数量多，体积小，结构简单，更重要的是这些设备更加符合人们的使用习惯。因此基于单目视觉SLAM的移动机器人导航技术最有发展前景的一种机器人自主导航技术。

另外，尽管在简单的结构化环境以及地图信息已知(具有人工路标)的环境中进行视觉导航已经有了很大进展，但在完全未知的环境中进行定位与导航还存在诸多问题。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。所谓自然特征，是指环境中已有的、非人工设置的、能够用以标识不同环境场景的特征对象。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，该方法选取的自然路标有非常好的稳定性，因此角点检测也是机器人导航的热点问题之一，也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Harries等角点检测方法。文献(基于FAST改进的快速角点探测算法，红外与激光工程,2009(6):1104-1108)采用改进的FAST算法来提取角点，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，文献(STR ASDA H,MONTIEL J M M,DAVISON A J.Real-time monocular SLAM:why filter[C],Proceedings of the IEEE International Conference on robotics and automation.2010:2657-2664.)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。

发明内容

本发明针对现有技术中存在的上述技术问题，采用一点RANSAC(Random Sample Consensus，随机抽样一致性)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。机器人通过自身摄像头，采用改进的FAST(Features from Accelerated Segment Test,加速段检测特征点)角点提取算法采集周围环境信息，把一点RANSAC算法和FAST算法结合起来，共同用于移动机器人自主导航中的地图构建和定位。并结合EKF的一点RANSAC算法对误匹配点进一步剔除，获得鲁棒性更强的特征点，从而构建环境的地图信息，最后用得到的匹配点进行三维环境重建和机器人定位。