改进Harris特征点的机器人定位算法.pdf

《改进Harris特征点的机器人定位算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2011年第3O卷第8期传感器与微系统(TransducerandMicrosystemTechnologies)131改进Harris特征点的机器人定位算法李永佳，周文晖，沈敏一，徐进，林颖，刘济林(1．浙江大学信息与电子工程学系，浙江杭州310027；2．杭州电子科技大学计算机学院，浙江杭州310018)摘要：提出一种改进Harris特征点的机器人精确定位方法，通过改进特征点提取、匹配、跟踪策略，为运动估计提供更加可靠的输入，提高运动估计结果的准确性。具体实现策略是在图像高斯金字塔中改进Harris特征点提取策略，提高其对旋转和尺度变化的适应性，实现特征点

2、的均匀分布且数量可控。然后利用惯导先验信息预测特征点跟踪的搜索区域，提高特征点跟踪的准确性和稳定性，提高搜索效率。最后采用四元数和最小二乘方法估计车体姿态信息。实验结果表明：算法可较好地实现惯导信息与视觉信息的融合，不仅改善了传统视觉定位算法中特征点特性影响定位精度的问题，且几乎不会受到惯导漂移引起定位精度下降的问题，可实现机器人精确定位。关键词：机器人定位；双目立体视觉；高斯尺度空间；Harris角点；特征跟踪；运动估计；惯性导航中图分类号：TP242文献标识码：A文章编号：1000-9787(2011)08--0131-04Robotlocalizatio

3、nalgorithmusingimprovedHarrisfeaturepointLIYong-jia，ZHOUWen．hui，SHENMin．yi，XUJin，LINYing，LIUJi—lin(1．DepartmentofInformationandElectronicEngineering，ZhejiangUniversity，Hangzhou310027，China；2．SchoolofComputerScience，HangzhouDianziUniversity，Hangzhou310018，China)Abstract：Apreciseself-

4、localizationalgorithmbasedonimprovedHarrisfeaturepointisproposed．Itprovidesmorereliableinputformotionestimationthroughimprovingthestrategiesoffeaturedetecting，matchingandtracking，whichimprovestheaccuracyofmotionestimation．TheimprovedstrategyofextractingHarriscornersinGaussianSCalesp

5、acesispresented．Themethodnotonlymakesthefeaturesberotationandscaleinvariant，butalsocontrolsthequantityoftheuniformdistributedfeatures．UsingtheIMUpriordatatoestimatetheareasofthetrackedfeatures，whichensurestheaccuracyoffeature—trackingandreducesthecomputingtime．Quatemionandleastsquar

6、emethodareusedtoestimatetheattitudeinformationofthevehicle．ResultsoftheexperimentsshowthatthealgorithmfusesIMUdataandvisualinformationexcellently，makesfeaturematchingandtrackingstably，avoidsthedriftproblemofIMUdataandachievesahigherlocalizationprecision．Keywords：robotlocalization；bi

7、nocularstereovision；Gaussianscalespaces；HarriscoYnerpoint；featuretracking；motionestimation；inertialnavigation0引言于光流的方法和基于特征跟踪的方法，后者通常由特征点运动过程中自定位是实现车辆自主导航的关键技术。提取、特征点匹配和跟踪、鲁棒的运动估计三部分组成。传统定位技术通常有全球定位系统(globalpositioningsys—提取稳定的特征点，使其能适应图像尺度、旋转、光照tem，GPS)和航位推算方法。前者在外星表面等特定环境等变化，是实现视觉

8、自定位的关键。目前主流的机器人定下无法