[发明专利]基于一点RANSAC和FAST算法的移动机器人导航方法

摘要

本发明请求保护一种基于一点RANSAC和FAST算法的移动机器人导航方法，该方法主要包括机器人通过自身摄像头采用FAST角点提取算法采集周围的环境信息；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；用得到的匹配点进行三维环境重建和地图创建。针对现有技术采用RANSAC算法迭代次数过高的问题，充分利用了滤波阶段得到的先验信息，在保证算法鲁棒性的同时有效降低了算法迭代次数，完成了特征匹配。可以解决传统移动机器人在单目视觉导航方面实时性与鲁棒性较差，以及RANSAC算法迭代次数过高的问题。

主权项

基于一点RANSAC和FAST算法的移动机器人导航方法，其特征在于，机器人运动过程中摄像头采集图像信息，从采集的图像信息视频帧中提取特征点，根据特征点对相邻两个视频帧的同名特征点进行粗匹配，在粗匹配基础上对同名特征点进行精确匹配获得图像的匹配特征点，根据匹配特征点进行环境模型拟合，规划机器人的运动路径，驱动移动机器人进行逐步探索，获得运动路径的环境信息建立环境三维模型，根据三维模型进行特征跟踪控制机器人自主导航；所述在粗匹配基础上对同名特征点进行精确匹配获得图像的匹配特征点，是以任一像素点X为圆心，作一个半径为3个像素点的圆，圆周上所有的像素点按顺时针依次编号，根据公式将每个像素点分别与中心像素点X求灰度差,将灰度差值作为特征判断条件，如果圆周上像素点至少有连续n个像素点灰度差在预定阈值范围内，则中心像素X被视为图像的匹配特征点FAST‑n；同名特征点进行粗匹配具体包括：从提取的特征点中截取特征片元，从中选出稳定点集，稳定点集中的每个稳定点片元变换得到训练片元；随机生成随机蕨丛和蕨判断节点属性参数，将训练片元投入随机蕨丛，得到二值串划分，统计各个二值串划分的类型分布，输出一个完整的随机蕨丛结构和训练样本的分类统计；检测当前帧的自然特征并截取形成待匹配特征片元，将所有待匹配特征片元投入完整的随机蕨丛得到二值串划分，分类器集成各二值串划分的训练统计结果，作为同名特征点的粗匹配结果；根据公式：通过仿射变换得到大量训练片元，其中，x和x'为相邻两帧中的同名点，HA是仿射变换矩阵，该矩阵中的6个参数为3对同名控制点坐标，根据实际应用场景可以确定3对同名控制点的坐标。