[发明专利]一种基于特征分布匹配的智能设备自适应运动控制方法

说明书

本发明公开了一种基于特征分布匹配的智能设备自适应运动控制方法，该方法综合考虑了特征的提取匹配过程和SLAM算法前端的跟踪状态，根据实时提取到的ORB特征及实时的跟踪状态，对机器人的行进速度和转向速度进行自适应控制，解决现有恒速控制模型下，可能导致SLAM跟踪丢失进而导致整个SLAM过程失败的问题，具体而言，一方面避免在纹理较少区域，行进速度过快，导致跟踪丢失；另一方面在纹理较丰富区域，提高机器人的行进速度，进而提升整个系统的运行效率。

技术领域

本发明涉及移动机器人控制技术领域，具体涉及一种基于特征分布匹配的智能设备自适应运动控制方法。

背景技术

室内环境下，由于缺乏GPS信号覆盖，当前一般采用SLAM(simultaneouslocalization and mapping，同时定位与建图)技术实现室内环境下的地图构建和定位。当前，都是由专人通过遥控器或者远程主机手动操作机器人进行SLAM过程，具体的实施过程为，操作人员控制机器人以尽可能全覆盖的方式在未知环境中移动，机器人根据自身搭载的传感器搜集到的信息，估计出自己的位姿，同时绘制出周围环境的地图。

为了提升机器人同时定位与建图过程的智能性和效率，前人已经在这方面有了一些探索。Feder H.J.S.等人提出了自适应移动机器人导航和制图方法，这种主动探索式地移动和制图的方式可以有效提高制图和导航的效率。因此，考虑当前SLAM中的实际情况，主动SLAM也可以带来效率的提升，并可为后期拓展路径规划和自主导航等应用提供基础。

现有的主动SLAM方法一般都是采用恒速模型来控制机器人的前进和转向，这就带来了一个问题，对于基于特征的SLAM系统，提取特征和匹配特征都需要一定的时间和硬件资源的开销，如果机器人一直按照恒速前进或者转向，则可能由于硬件资源的处理速度跟不上导致跟踪的丢失(对于机器人纯旋转的情形尤甚)，尤其是到了SLAM过程的后期，需要维持较大地图的更新，更需要采用适当的策略来保证SLAM过程的持续运行。

并且在VSLAM(Visual Simultaneous Localization and Mapping，视觉同时定位和制图)研究领域中，基于特征点的方法是一个重要的研究分支。而在基于特征点的VSLAM系统中，前端的视觉里程计又扮演了系统中的一个重要角色。视觉里程计的主要作用可以描述为：通过比较相邻两个图像帧，实现对相机运动状态的估计。而在进行相邻图像帧之间的比较时，首先需要解决的问题就是怎样找出前后两帧图像中相同的部分。而在基于特征的方法中，解决这个问题的方法就是进行帧间的特征匹配。

在图像处理领域中，经过长期的研究和实践，前人得到了一些非常实用的特征提取方法，其中最为人熟知也应用最广泛的两种就是SIFT特征和SURF特征，这两种特征的优点是抗噪性和可重识别性优良，但是二者的短板也非常的明显，就是提取过程比较复杂，计算量非常大，在一些对实时性要求较高的应用中，比如VSLAM中，就不能达到应用要求。而2014年，由Ethan Rublee等人提出的ORB特征为实时性的应用带来了新的思路。此后，在许多的应用中都采用了ORB特征提取方法。而在VSLAM领域中，这一方面的集大成者便是2015年发表的ORB_SLAM，整个ORB_SLAM系统从前端到后端都是由ORB特征进行链接。

原始版本的ORB特征的提取效率和匹配效率相较SIFT和SURF特征已经有了明显得提升，但仍有改进的空间，比如，虽然ORB特征在进行帧间匹配时的匹配率较高，但最终的匹配结果中，存在许多的误匹配，而误匹配对于计算前后帧之间的位姿变换将造成非常不好的影响。当前的特征点提取算法，都是首先提取图片中的关键点，然后计算关键点的描述子。提取关键点的过程中，都将图片中的每个关键点视作一个独立的对象，单独计算每个关键点的描述子，没有对各个关键点在整张图片上的几何分布信息进行有效的利用。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于特征分布匹配的智能设备自适应运动控制方法。

为了达到上述发明目的，本发明采用的技术方案为：