[发明专利]一种基于ROS和Gazebo的旋转相机特征匹配算法

说明书

本发明公开了一种基于ROS和Gazebo的旋转相机特征匹配算法，其特征在于，包括步骤：a、基于机器人操作系统ROS和Gazebo搭建仿真平台；b、进行相机旋转的控制算法设计；c、进行特征点检测、提取、匹配的算法设计；d、进行匹配的优化设计；e、最后进行信息的输出以及可视化。本发明搭建了ROS和Gazebo的仿真环境，通过程序来控制虚拟的相机旋转和获取环境信息的速率，进行特征点的匹配与双重优化，实现外点的滤除从而提高了匹配精度。

技术领域

本发明涉及无人驾驶技术领域，尤其涉及一种基于ROS和Gazebo的旋转相机特征匹配算法。

背景技术

环境感知技术是智能无人驾驶车辆发展的前提。在环境感知领域，有许多技术手段来获取信息，例如毫米波雷达、激光雷达、GPS和惯导、超声波雷达和摄像头等等。在一般情况下，毫米波雷达和超声波雷达获取定向目标距离信息；激光雷达获取大部分的三维环境感知信息；GPS和惯性导航获取车身位置和姿态信息；摄像头获取二维图像信息或者环境的深度信息。对比来讲，毫米波雷达适用于较短距离的目标定位或者测距，GPS容易被大型障碍物遮挡造成信息缺失和断点，激光雷达造价过于昂贵。与这些技术手段相比较，摄像头价格更加亲民，拥有单目和多目等多种搭配方式可选，并且可以同时获取环境颜色和深度信息，更好地支持人为调节。但基于相机的环境感知技术在控制相机旋转和特征点的匹配精度上存在很大程度上的缺陷。相机的旋转速度、图像的传输帧率、信息过滤和节点调用的速度、特征点匹配的精度等都是亟待解决的问题。

发明内容

本发明旨在提供一种基于ROS和Gazebo的旋转相机特征匹配算法，很好的解决了上述问题，本发明搭建了ROS和Gazebo的仿真环境，通过程序来控制虚拟的相机旋转和获取环境信息的速率，进行特征点的匹配与双重优化，实现外点的滤除从而提高了匹配精度。

本发明的技术方案是一种基于ROS和Gazebo的旋转相机特征匹配算法，发明中首先结合了机器人操作系统ROS(Robot Operating System)和Gazebo环境进行了搭建了仿真平台。之后进行了控制和优化算法的设计，算法中需要调用并订阅节点信息，实现目标图像的实时传输，进行信息过滤控制图像的传输帧率，同时进行特征点的检测、提取与匹配，在获取匹配好的特征点对之后，通过双重算法过滤外点从而达到提高匹配精度的目的。

具体包括步骤：

a、基于机器人操作系统ROS和Gazebo搭建仿真平台；

所述仿真平台包括相机旋转平台、分别放置在相机旋转平台两侧的左相机和右相机、与左右相机连线垂直的中心线方向上的目标物体、周围环境散落的障碍物体。此仿真平台的主要作用在于支撑所设计的算法实现相机的旋转控制，同时在两相机中心线方向上放置目标物体，当两相机法线与中心线的夹角相同时，两相机的输出图像特征点匹配度应该是最高；当右相机静止不动，左相机以一定速度进行360°旋转时，会输入不同障碍物的图像信息，并进行特征匹配，此时输出的匹配率应该低于两相机处于中心线对称位置时的匹配率。

b、进行相机旋转的控制算法设计；

b1、初始化位置节点，等待set_link_state节点服务信息；

b2、定义节点服务信息并获取左相机的link位置，设置左相机的旋转速度为0.1；

b3、订阅节点位置信息，将原始位置信息的四元数组转换成欧拉角，同时进行左相机连接线与法线夹角的计算，输出角度；

b4、使用信息过滤器message_filters订阅左、右两侧相机的图像信息，并将其合成到一张图像的通道上进行输出。

c、进行特征点检测、提取、匹配的算法设计；

c1、将步骤b4中输出的图像信息进行格式转换，从BGR彩色图像改变成GRAY格式的灰度图像；