基于大尺度旋轉不變性檢測算法的蛇形機器人視覺SLAM研究

張衛兵

【摘要】??? 本文主要對基于大尺度旋轉不變性檢測算法的蛇形機器人視覺SLAM技術進行了相關的研究。

【關鍵詞】??? 大尺度旋轉??? 不變性??? 蛇形機器人??? 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或者正在深入研究SLAM。根據常用的SLAM 方法使用的傳感器來進行分類，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主要指的是基于視覺的SLAM技術，利用該技術，可有效改善蛇形機器人的功能，使其更好地被應用于更多的領域。

一、技術項目概述

本技術項目就是為了解決環境對機器人的影響，對于已知環境，預先為機器人提供了比較準確的環境模型，機器人在行進過程中通過攜帶的外部傳感器，如IMU、激光雷達、超聲波、相機等，探索環境中的已知路標，并借助此實現對自身位置的不斷校正，以彌補機械和內部傳感器（IMU、里程計等）帶來的定位不確定性。

二、關鍵技術分析

圖1??? 蛇形機器人軌跡回環檢測示意圖

在此研究過程中，涉及到的最關鍵的技術就是SLAM技術，SLAM最早是由Randall Smith 和Peter Cheseseman 在1988 年發表的論文當中提出來的，在此論文中，利用移動機器人的運動方式和裝置的傳感器獲得的測量數據，分別設計了移動機器人的運動模型和觀測模型，結合概率學的貝葉斯理論，得以實現了對輪式移動機器人在未知環境中的運動狀態進行實時估計。

相關的研究表明，SLAM技術研究是實現機器人自主導航，提高機器人的智能化水平的關鍵和首要解決的基礎性難題。而研究SLAM技術需要從以下兩方面進行：

（1）基于卷積神經網絡的回環檢測方法（如圖1）。隨著機器人運動距離的增加，由關鍵幀作為節點組成的地圖數據量開始增加。所以，為了防止誤差的持續積累，通過改進Siamese網絡實現當前關鍵幀與先前節點的圖像相似性分析，完成局部回環與大回環檢測，建立節點之間的約束，從而完成全局地圖構建。

（2）連續幀圖像快速特征匹配與局部圖像構建。針對蛇形機器人具有高動態運動特性，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匹配的基礎上增加距離約束，提高匹配速度。采用RANSAC算法計算所匹配圖像的旋轉向量和平移向量，從而得到相機的姿態變化量，并判斷是否為關鍵幀，同時更新局部地圖。

三、擬解決的問題與實際應用

當前，我國針對高動態環境下的SLAM技術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雜環境下蛇形機器人基于單目視覺的SLAM問題，這涉及到了以下兩個方面：

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

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

（二）為了減小隨著機器人運動距離增加，在局部地圖不斷擴大過程中誤差的持續積累，提出了一種廣義約束下的快速卷積神經網絡回環配準方法。

通過改進Siamese網絡實現當前關鍵幀與先前節點的圖像相似性分析完成回環檢測，建立節點約束，以減小誤差的持續積累。

參? 考? 文? 獻

[1]郁樹梅， 馬書根， 李斌等. 蛇形機器人步態產生及步態分析[J].機器人， 2011， 33（3）：371-378.

[2]盧振利， 馬書根， 李斌等. 基于循環抑制CPG模型的蛇形機器人三維運動[J].自動化學報， 33（1）， 2007： 54-58.

項目編號：16C1138??? 項目名稱：基于大尺度旋轉不變性檢測算法的蛇形機器人視覺SLAM研究