物流移动机器人的视觉全局定位方法研究

移动机器人为生产制造、仓储物流等领域提供了灵活度高、效率高和可靠性强的自动化物流解决方案。当机器人首次上线作业或位置发生跳变时,必须及时明确自身在全局坐标系下的位姿。以物流移动机器人在制造车间中的实际工程应用为导向,提出了基于纯视觉信息的全局定位方法。基于实验分析,首先,构建了基于EfficientFormerV2中层特征的场景外观描述方法,以生成具有较强鲁棒性和表征性能的场景描述符。随后,通过图像配准输出匹配特征点,并采用随机抽样一致筛除错误匹配。最后,基于八点法实现了匹配图像对之间的基本矩阵解算。

基于局部与全局描述符紧耦合联合决策的机器人分层式视觉位置识别方法

视觉位置识别是移动机器人维持高精度定位和维护地图一致性的重要手段。然而,受视点和外观变化的双重干扰,位置识别问题仍然极具挑战性。本文提出了一种基于局部与全局描述符紧耦合联合决策的分层式视觉位置识别方法。该方法基于多任务知识蒸馏来学习描述符提取能力。经过良好训练的轻量化模型以紧耦合的形式同时提取图像的全局和局部描述符,并进一步实现局部描述符的二值化表示和词袋空间映射。在所构建的位置识别架构中,提出了分层式识别策略进行由粗到精的位置检索,并基于相位相关法分配全局和局部描述符的联合决策权重。在多项基准数据集上的评估结果证实,所提方法在可接受的匹配效率下实现了匹配性能的显著提升,在多种复杂环境下表现出较强的泛化性和鲁棒性。