[发明专利]一种基于地面图像纹理的视觉导航方法

摘要

本发明公开了一种基于地面图像纹理的视觉导航方法，包括以下步骤：步骤1，建立绝对坐标系，在坐标系内设置多个标定点；步骤2，使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照；步骤3，若当前拍照图像纹理与标定点图像纹理无重叠处时，则与上一帧拍照图像进行图像配准，若当前拍照图像纹理与标定点图像纹理有重叠处时，则与标定点图像进行图像配准。本发明提出了的视觉导航方法，不需对地面进行额外处理，适用范围广且方面，辅以地面的图片来标定，间歇性校正累计误差，以达到高精度定位，且每次经过标定点时会更新用以标定的图片信息，自适应地面磨损等情况。

主权项

1.一种基于地面图像纹理的视觉导航方法，其特征在于，包括以下步骤：步骤1，建坐标系：建立绝对坐标系，在坐标系内设置多个标定点；步骤2，机器人设置：使得移动机器人在移动过程中可自动使用图像采集装置对移动路径上的地面纹理进行拍照；步骤3，图像纹理对比：若当前拍照图像纹理与标定点图像纹理无重叠处时，则与上一帧拍照图像进行图像配准，以得到当前位置；若当前拍照图像纹理与标定点图像纹理有重叠处时，则与标定点图像进行图像配准，以得到当前位置；所述图像配准的算法为：1)：输入两张照片坐标I1(x，y)，I2(x，y)，且输入照片的宽、高均为w：x，y∈[0，w]；2)：对I₁，I₂进行快速傅里叶变换，得到谱S₁(u，v)，S₂(u，v)，可表示为：3)：对S₁，S₂求幅值并做对数极坐标变换，得到对数极坐标下的幅值图P₁，P₂，可表示为：4)：对P1，P2进行傅里叶变换，得到SP1，2(uρ，vθ)，可表示为：5)：计算其中×表示对每个像素执行复数乘法操作，可表示为：6)：计算归一化的AS的傅里叶变换逆WS，可表示为：7)：计算WS的极值点坐标，并取若干极值点的θ坐标值作为备选旋转角度，分别为θ₁，θ₂，......θ_n，可表示为：8)：计算I1的傅里叶变换共轭，可表示为：9)：对所有的备选旋转角度θ1，θ2，......θn：a)对I2旋转θi角度，得到I2(x，y)＝I2(xcosθ‑ysinθ，xsinθ+ycosθ)；b)对I₂′计算傅里叶变换，得到c)计算d)计算归一化的Ai的傅里叶变换逆Wi并计算Wi的最大值的标准差倍数，记为ci，可表示为：Wi(x，y)＝∫∫Ai(u，v)|Ai(u，v)|‑1ej2π(ux+vy)dudv；ci＝(max(W)‑mean(W))/std(W)；10)：去标准差倍数c最大所对应的θ_i，可表示为：令θ′＝1°，为二分寻找精确旋转角度的初始范围值；11)：重复以下步骤直到θ收敛，θ为旋转角度：e)对于θi，f的三个数值θ‑θ′，θ，θ+θ′，这3个角度执行步骤9中所述操作，得到三组傅里叶变换逆Wi，f(x，y)，标准倍数c；f)保留标准倍数c最大所对应的θi，f和Wi，f(x，y)，然后令θ＝θi，f，θ′＝θ′/2；12)：对步骤11中f)所得到的W_i，f计算极值点坐标，记为x₁，y₁，可表示为：13)：对I1和I2做左右各8个像素的0值补丁，记为I1B和I2B，可得到：14)：对I2B旋转θ角度得到I2B′，可表示为：I2B′(x，y)＝I2B(xcosθ‑ysinθ，xsinθ+ycosθ)；15)：对I1B′和I2B′进行傅里叶变换得到F1B和F2B；16)：计算可得到：17)：计算归一化的AB的傅里叶变换逆WB，并计算出极值点坐标，记为x₂，y₂，可得：(x₂，y₂)＝argmaxWB(x，y)；18)：在{x1，x2，x1‑w，x2‑w}中取众数，即为x方向位移；19)：在{y1，y2，y1‑w，y2‑w}中取众数，即为y方向位移。