室内视觉定位与导航综述

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

１概述的计算机视觉理论［７］发展而来，即通过两张具有视差的平面图像，随着智能机器人的发展，在不久的将来，许多复杂、未知、人类可以产生具有深度的立体图像。因此，双目视觉是直接模拟人类双无法探测和进入的环境里，机器人可以很好的代替人类完成复杂的眼处理景物的方式，容易很好的理解和接受，可靠方便，在国内外均Ｂｒａｎ．ｄ嘲新提出了一种能够很好地使用室工作任务，如火灾救援、地震现场搜寻、核泄漏现场探测等。另外，随得到了较好的研究和发展。着智能服务业的快速兴起，机器人可以在许多服务领域取代人类完内和室外场景的双目视觉立体定位与制图，通过结合影像鲁棒性的成各种任务，如扫地机器人、智能管家等。智能机器人若需要完成指特征点以及几何３Ｄ特征，进行子图匹配和跟踪，最终获取了较高的在不同的场景中均得到了很好的验证。定的任务或者探测未知的环境，其必须具备自主定位与导航能力，定位精度，即对周围的环境能够时时的进行探测，精确计算自身的位置，同时３总结与展望综上所述，经过几十年的发展，单目视觉ｓｌａｍ和双目立体视觉能够对探测的区域进行２Ｄ或者３Ｄ制图，以便确认周围的环境信息，并能够合理的规划自身的前进路线等。ＳＬＡＭ技术（Ｓｉｍｕｋａｎｅ — ｓｌａｍ技术已趋于成熟，在很多领域都得到了广泛的应用。但是，目前ＯＵＳＬｏｃＭｉｚ￣ｉｏｎａｎｄＭａｐｐｉｎｇ，即同时定位与地图构建）在这一背景国内的基于视觉的移动机器人研究与国外先进水平的差距比较大，下应运而生，迅速在计算机视觉和摄影测量领域成为热门研究对象在复杂的室内环境下，物体的解译与机器人的导航不够精确、稳定之一【。性也比较差等， ‘ 要想达到真正的使用性和产品级别，在环境解译、虚目前，室内移动机器人ｓｌａｍ技术在安防、商场、核工业、虚拟现拟交互、环境构建等方面还需要很长的一段路要走，机器人导航智实等多个领域得到了较高的关注，国内外大型公司和科研机构均投能化还远远没有达到要求。参考文献入了大量的人力物力来进行此方面的研究，并取得了显著的成果。２室内视觉导航研究现状『ｌ１侯荣波，魏武，黄婷等．基于ＯＲＢ — ｓＬＡＭ的室内机器人定位和三维基于视觉的室内移动机器人实时定位与制图系统根据携带视稠密地图构建『Ｊ１．计算机应用，２０１７．２】龙超．基于Ｋｉｎｅｃｔ和视觉词典的三维ＳＬＡＭ算法研究［Ｄ】．杭州：觉传感器数目的不同，室内机器人视觉定位与导航可分为：单目视【觉定位导航技术、双目视觉定位导航技术以及多目视觉定位导航技浙江大学，２０１６．术［３１。单目视觉由于使用的相机系统比较简单、相机视场角较小，只【３】张利．基于单目视觉和双目视觉的图像三维重建技术研究【Ｄ】．兰有通过移动来获取周围环境的深度信息，无法直接获取物体的空间州：兰州理工大学，２０１４．三维；双目视觉和多目视觉可以从不同的视角观察同一场景，通过【４］ＭｉｌｏｆｒｄＭＪ，ＷｙｅｔｈＧＦ， “ Ｓｉｎｇｌｅｃａｍｅｒａｖｉｓｉｏｎ－ｏｎｌｙＳＡＭＬｏｎｓｕｂｕｒｂａｎｒｏａｄｎｅｔｗｏｒｋ， ” ｉｎＩＥＥＥＲｏｂｏｔｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，对采集到的两幅或者多幅图像计算对应像素的视差，运用三角测量ａｏｏ８．来获取周围场景的３Ｄ信息，获取信息丰富，但是计算量比较大、系２统稳定性有待提高。【５］Ｍｕｒ－Ａｒｔａｌ，Ｒ，Ｍｏｎｔｉｅｌ，Ｊ．Ｍ．Ｍ，Ｔａｒｄｏｓ，ａｎｄＪ．Ｄ，“ ＯＲＢ－ＳＬＡＭ：ＡｒｓａｔｉｌｅａｎｄＡｃｃｕｒａｔｅＭｏｎｏｃｕｌａｒＳＬＡＭＳｙｓｔｅｍ． ”ＩＥＥＥＴｒａｎｓａｃ－基于单目视觉的ＳＬＡＭ由于使用的相机系统比较简单、装载Ｖｅ方便、价格便宜等优势，得到了很快的发展，其主要研究工作可以分ｔｉｏｎｓｏｎＲｏｂｏｔｉｃｓ，，３１（５）：１１４７ —１１６３，２０１５．为：基于外观的方法、基于特征的方法。在基于外观的方法中，Ｍｉｌ — 『６］ＰａｌｏｍａｄｅｌａＰｕｅｎｔｅａｎｄＤｉｅｇｏＲｏｄｒｉｇｕｅｚ — Ｌｏｓａｄａ，“ Ｆｅａｔｕｒｅａｓｅｄｇｒａｐｈｓｌａｍｗｉｔｈｈｉｇｈｌｅｖｅｌｒｅｐｒｅｓｅｎｔａｔｉｏｎｕｓｉｎｇｒｅｃｔａｎｇｌｅｓ， ’ ’ ｆｏｒｄ等人Ｉ４介绍了他们提取摄像头运动的近似旋转和平移速度信息ｂｌｏｂｏｔｉｃｓａｎｄＡｕｔｏｎｏｍｏｕｓＳｙｓｔｅｍｓ．６３：８０ — ８８．２０１５．的方法，取得了不错的效果。但是，由于该方法中采用提取移动场景Ｒ中的中心区域进行模板跟踪，且仅依靠图像像素的亮度信息进行配［７］ＤａｖｉｄＭａｒｒ，ＳｈｉｍｏｎＵｌｌｍａｎ，ａｎｄＴｏｍａｓｏＡＰｏｇｇｉｏ，Ｖｉｓｉｏｎ：ａｏｍｐｕｔａｔｉｏｎａｌｉｎｖｅｓｔｉｇａｔｉｏｎｉｎｔｏｔｈｅｈｕｍａｎｒｅｐｒｅｓｅｎｔａｔｉｏｎａｎｄｐｒｏ — 准，这在一定程度上造成了系统的不稳定。基于特征的方法是选取ｃｅｓｓｉｎｇｏｆｖｉｓｕａｌｉｎｆｏｒｍａｔｉｏｎ，ＭＩＴＰｒｅｓｓ，２０１０．图像上面比较明显的、可重复检测的特征点和பைடு நூலகம்征线以及语义更加ｃ丰富的面信息在连续的图像问进行跟踪，具有较强的鲁棒性，但是『８］ＣｈｒｉｓｔｏｐｈＢｒａｎｄ，ＭａｒｔｉｎＪＳｃｈｕｓｔｅｒ，ＨｅｉｋｏＨｉｒｓｃｈｍｕｌｌｅｒ，ａｎｄｃｈａｅｌＳｕｐｐａ． “ Ｓｕｂｍａｐｍａｔｃｈｉｎｇｆｏｒｓｔｅｒｅｏ — ｖｉｓｉｏｎｂａｓｅｄｉｎｄｏｏｄ该方法在特征提取和配准的时候将会增加ｓＬＡＭ制图的耗时时长，Ｍｉｕｔｄｏｏｒｓｌａｍ． ”ｉｎＩＥＥＥ／ＲＳＪＩｎｔｅｍａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＩｎｔｅｌｌｉｇｅｎｔ导致计算时长将会大量增加。为了提高特征算法的检测和匹配的效ｏ率，Ｍｕｒ－Ａｒｔａｌ等人四提出了一种ＯＲＢ — ＳＬＡＭ的方法，该方法采用关ＲｏｂｏｔｓａｎｄＳｙｓｔｅｍｓｆＩＲＯＳ）．５６７０ — ５６７７，２０１５．键帧配准方法，配合词袋，可以快速地实现特征点的检索和匹配，很好地实现了室内ＳＬＡＭ。ｄｅｌａＰｕｅｎｔｅｆ６ｉ￣比了影像上的低级语义特征和高级语义特征
科技论坛
・７・
室内视觉定位与导航综述
刘康
（武汉大学，湖北武汉４３００７９）摘要：智能机器人若需要完成指定的室内任务或者探测未知的室内环境，其必须具备自主定位与导航能力，并能够合理的规划自身的前进路线等。室内视觉定位导航技术由此应运而生，并迅速成为计算机视觉和摄影测量的热点之一。本文总结了近些年比较流行的室内定位导航的方法，并对现行主流算法的效果进行了分析比较。关键词：室内场景；定位与导航技术；特征跟踪；姿态优化；场景构建