[发明专利]一种基于改进光流算法的移动机器人导航方法

摘要

本发明公开了一种基于改进光流算法的移动机器人导航方法，属于机器视觉应用领域。通过结合灰度守恒和梯度守恒假设，应用双边滤波和局部加权的方法定义了新数据项，建立光流计算模型，并运用多分辨率分层细化的方法处理物体大位移运动情况。接着从光流场中获取相对深度TTC，应用人工势场模型，通过目标的坐标与机器人的末端位姿，构建目标物体的引力势场函数；通过TTC构建障碍物的斥力势场函数，在这两个势场的共同作用下实现机器人避障并朝着目标运动的目的。本发明改进了传统的光流算法，避免了各种遮挡、光源变化、噪声和大位移等因素的影响，提高了光流算法的精度，并且能用于实时的机器人，使其能在未知、复杂的环境中完成躲避障碍物并朝目标移动。

主权项

一种基于改进光流算法的移动机器人导航方法，其特征在于：该方法是按以下步骤实现的；S1机器人开机启动，进行初始化，获取初始化状态参数、当前坐标位置和最终目标点；S2赋予机器人速度V，让机器人以速度V匀速向前运动，获得前后两帧图像；S3输入图像，建立改进光流算法的能量泛函模型；改进的变分方法得到光流估计模型如下式所示：E(u)=α∫DΣΩKbf2*ρ(u)dx+∫Dψ(▿u)dx]]>其中γ为两种守恒假设的权重，x＝(x,y)T表示图像上某个像素点，u＝(u,v)T表示待求的光流矢量，为Charbonnie惩罚函数，ε取0.001；Kbf表示窗函数，它决定了空间邻域Ω上各个像素点产生影响的大小比重；对于窗函数，采取双边滤波来代替高斯滤波；双边滤波对于高斯滤波的改进就在于双边滤波属于非线性滤波，在采样时不仅考虑了像素点的空间位置关系，同时加入了对像素间的相似程度考虑；双边滤波是由空域高斯滤波和值域高斯滤波组合得到的；空域滤波和值域滤波分别是对空间邻域上的点和像素灰度值相近的点进行加权平均，加权系数分别随着距离和灰度值差的增大而减小；表达式如下：Kbf(q)=1WpΣq∈regionGσs(||p-q||)Gσr(||Ip-Iq||)Iq]]>其中，为归一化常数，||p‑q||表示q点到p点的欧氏距离，Kbf代表像素q的权重；代表空域高斯滤波，代表值域高斯滤波，它们的表达式分别为：Gσs(||p-q||)=e-(p-q)22σs2,Gσr(|Ip-Iq|)=e-|Ip-Iq|22σr2]]>其中，σs为高斯函数的距离标准差，σr为灰度值标准差；则通过调节两个参数，就可在过平滑和欠平滑中找到平衡，过平滑指的是图像特征过分模糊，欠平滑指的是由于图像中的噪声和细纹理所引起的突变量过多；S4构造图像金字塔；通过设定图像采样因子和最低分辨率阈值，即可自动获取金字塔的层数；用两帧图像的第一帧为金字塔的原始图像，用双线性插值的方法进行降采样，直到满足最低分辨率的阈值，这样就得到了k层图像；S5用交替迭代的方法求解每层金字塔的光流矢量；将能量泛函最小化问题转化为交替迭代的计算，加快计算的收敛速度，同时避免固定点迭代需要引入参数，增加人为误差的情况；通过引进光流场的辅助变量对将能量泛函修改为如下等价形式：E(u)=∫D{αΣΩKbf*ρ(u^)+ψ(▿u)+12λ(u-u^)2}dx]]>其中λ为小正常数，取0.5；S6若为金字塔的最后一层，则输出光流场u；否则将u,p传到下层金字塔并转到S5S7根据输出的光流场计算每个像素点的TTC(time to contact)；计算公式如下：div(u,v)=∂u∂x+∂v∂y]]>TTC＝2/div(u,v)S8构造虚拟引力和斥力，确定机器人的最佳前进方向；S9控制机器人旋转前进并记录当前的位置；S10若机器人到达目标点则停止运动，若还未到达目标点则转到S2继续行走。