[发明专利]一种单目自然视觉路标辅助的移动机器人定位方法

说明书

技术领域

本发明涉及惯性导航和图像处理方法，特别是涉及一种单目自然视觉路标辅助的移动机器人定位方法。

背景技术

传统的机器人定位包括GPS、惯性导航系统等，GPS用途广泛、精度高，但受环境影响大，惯性导航系统完全自主，频率高但噪声影响大；而GPS/惯性导航系统融合定位是当今机器人导航中最常采用的组合导航定位方法之一，可以有效利用各自的优势，取长补短。但在实际应用中，很多场合下GPS信号会受到遮挡而无法使用，导致系统整体定位精度下降很快。

为了解决上述问题，目前使用的大多数方法都在寻找GPS之外的可靠定位手段。

有一类是视觉方法，它作为传统定位方法的有效补充得到越来越多的关注。如视觉里程计，它通过前后帧图像相匹配的特征点在三维空间的位置变化来估计车体运动。它一般需要双目立体相机才能获得较高的定位精度，成本较高，而单目则只能适用于路面是平坦的情况。同时定位和地图创建（SLAM）是通过机器人上携带的视觉或者激光传感器，通过概率算法实现未知环境下的定位。这类方法的优点是不需要任何环境先验信息，缺点是计算量大，实时定位有一定困难，对特征较少的环境定位精度较低。

还有一类是视觉与IMU的融合：（1）IMU与SLAM融合，IMU用来定位预测，根据图像特征点与机器人的相对位置修正定位结果，但运算量大，实时性差；另一类是IMU与视觉里程计(VO)的融合，利用VO修正IMU累积误差，但两者均为局部定位，VO的累积误差也会引入系统中。

以上这些非GPS的定位方法从理论上说都是局部的，误差还是会随着距离增加而累积。

发明内容

本发明的目的在于提供一种单目自然视觉路标辅助的移动机器人定位方法。建立了基于GIST全局特征和SURF局部特征相结合的在线图像快速匹配框架，并使用基于单目视觉的运动估计算法修正车体航向。最后利用Kalman滤波将视觉路标匹配获得的定位信息和惯性导航系统融合起来，提高了定位精度。

本发明采用的技术方案的步骤如下：

1）用单目相机采集区域内的场景图像作为自然视觉路标，提取场景图像的GIST全局特征和SURF局部特征，获取采集路标时单目相机和车体的姿态，构建视觉路标全局特征库和局部特征库；

2）移动机器人在行进过程中获取新图像，参考惯性导航系统的定位信息，将当前图像与自然视觉路标进行匹配，使用全局特征作为初步的过滤，并在此基础上使用局部特征进行精确匹配；

3）当前图像与自然视觉路标实现正确匹配定位后，因为机器人当前时刻的实际航向和路标指示的航向存在偏差，故采用基于单目图像的运动估计算法，计算当前图像与自然视觉路标间的航向与姿态偏差，获得机器人当前时刻可靠的定位信息；

4）将惯性导航系统与自然视觉路标辅助定位信息进行融合，惯性导航系统和里程计作为机器人主要的导航方式，基于自然视觉路标的绝对定位方法作为辅助导航方式，对惯性导航系统数据进行修正，惯性导航系统与自然视觉路标的融合包括位置和姿态两个方面的融合，由于相邻两帧间场景非常接近带来匹配模糊性，因此存在一个定位噪声方差；场景接近的前后两帧图像间姿态的变化很小，因此认为所求得的姿态可靠，直接作为当前姿态输出，而对位置信息则通过Kalman滤波方式进行融合。

所述步骤1)中，用单目相机采集区域内的场景图像作为自然视觉路标，提取场景图像的GIST全局特征和SURF局部特征，获取采集路标时单目相机和车体的姿态，构建视觉路标全局特征库和局部特征库；包括如下步骤：

1）首先采集区域内的场景图像作为自然视觉路标，自然视觉路标的选择应遵循三个原则：（1）具有丰富的特征信息；（2）采集该自然视觉路标时的单目相机位置和方向已知；（3）自然视觉路标之间的间隔为50米～100米，路标间隔低于50米时，会增大路标匹配的工作负担，降低匹配正确率；间隔超过100米时，则不能及时发挥定位修正的作用；

2）提取自然视觉路标的全局特征，GIST描述符是利用不同方向和尺度的Gabor滤波器对图像进行采样滤波，滤波后图像输出到4*4的网格中，每个网格取平均值；

3）提取自然视觉路标的SURF局部特征，SURF算子对尺度缩放、平移、旋转变换保持不变，即使在图像目标受到部分遮挡的情况下也能检索，同时对图像的亮度变化和仿射变换具有不变性，提取图像的SURF关键点能准确地刻画图像的局部内容特征；