基于視覺信息的移動機器人目標識別算法研究.pdf

1、利用視覺傳感器進行目標識別是移動機器人學研究的熱點問題之一，關鍵問題是如何從信息量巨大的視頻圖像中提取有效特征，即如何利用一種快速有效的目標識別算法，實現(xiàn)移動機器人在復雜自然環(huán)境中的目標識別任務，并能同時滿足機器人自身運動中實時性和靈活性的要求。
　　 本論文研究了基于單目視覺的移動機器人目標識別問題。在研究大量目標識別算法的基礎上，從如何提取不同的圖像特征出發(fā)，實現(xiàn)了基于改進的彩色圖像分割算法的特定顏色目標識別和地面約束的目標

2、定位;并研究了基于局部特征提取和匹配的目標識別算法，利用基于ORB（OrientedFASTandRotatedBRIEF）特征的目標識別算法，快速實時識別特定目標;針對紋理不豐富物體的識別問題，本文提出一種改進的利用主導梯度方向作為模板特征進行匹配的目標識別算法，在線實時多角度識別同一個物體并能同時識別多個不同物體。完成的主要工作如下:
　　 首先，分析了移動機器人目標識別問題的研究背景和意義，綜述了目前基于視覺信息的目標識別

3、問題的國內外研究現(xiàn)狀以及存在的主要問題，簡單介紹了本論文的主要內容和章節(jié)框架;
　　 第二，針對研究的初始階段需求，提出利用圖像全局特征中簡單的顏色特征，采用一種改進的基于HSV模型的彩色圖像分割算法，并融入形態(tài)學開閉運算，完成了對彩色圖像中特定顏色目標的分割，并選取目標所在區(qū)域最低點代表待識別目標，進一步利用基于地平面約束的攝像機模型，完成了對目標的定位工作。此種目標識別方法算法過程簡單，適用于精度要求不高、背景相對簡單、待識

4、別物體顏色突出的場合。
　　 第三，針對目前目標識別領域應用廣泛的基于局部特征的SIFT特征提取和匹配算法運算量大、特征維數較高、特征向量匹配復雜，并且在硬件資源有限的條件下不能滿足實時性要求高的移動機器人視覺系統(tǒng)的缺點，提出利用一種快速興趣點檢測算子FAST與改進的基于二進制位的興趣點描述算子BRIEF相結合的高性能的算法—ORB算法作為局部特征提取算法，通過相似場景在發(fā)生旋轉、存在高斯噪聲情況下的實驗，驗證了ORB、SIFT

5、、SURF三種算法的特征匹配性能;并通過ORB與SURF算法特征匹配對比實驗驗證了ORB運行速度能達到SURF算法的5～10倍，并且該算法可以通過控制提取特征點的數目滿足實時高效識別要求，為移動機器人目標識別問題提供了一種嶄新的方法。
　　 第四，針對基于局部特征提取的目標識別算法存在的對紋理不豐富物體識別效果差、并不能同時多角度識別同一物體的問題，提出利用一種改進的基于模板匹配的在線目標識別算法，該算法利用梯度特征作為模板特征

6、，通過相似性度量完成聚類分析，能夠完成在實時視頻中快速學習獲得模板匹配結果，完成對雜亂背景下不同物體特別是紋理不豐富物體的識別。本文在研究該算法的過程中，加入仿射投影變換，使得算法能夠在同一次模板匹配學習過程中，將同一個模板生成多個角度范圍內的不同仿射變換模板，從而達到在匹配識別階段多視角匹配并識別同一個物體的目的。通過實驗證實，該算法運算速度快，實時性強，物體識別率高。
　　 最后，對本論文所做工作進行總結，并提出了下一步的研