一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。

移动机器人自然路标特征提取方法

介绍了一种基于2维激光测距仪的自然路标特征提取方法.本方法由3部分组成:数据聚类、滤波平滑以及特征提取.该方法根据计算机图形学中的尺度空间理论,利用无迹卡尔曼滤波器(unscented Kalman filter)构建曲线模型估计器,对描述环境局部区域形状的扫描点间的几何拓扑关系进行估计.根据估计过程中获得的Mahalanobis距离构建滤波卷积核对原始范围图像进行自适应滤波平滑处理,利用距离数据的曲率函数对聚类后的数据进行分割并提取特征.该方法对噪声鲁棒稳定,并且可以有效地提取非结构化环境中的自然路标特征.实验结果证明本文所提出的方法对自然路标特征提取是行之有效的,可以为自主移动机器人导航系统提供丰富的路标特征.

自然环境中显著性多路标提取算法的研究和改进

自主移动机器人利用视觉传感器在自然环境中进行探索,因为没有任何先验信息,只有提取自然环境中比较显著的物体作为路标。因此,自然路标提取是对未知环境开始探索的第一步,也是至关重要的一步,因为它直接影响到移动机器人后续的定位导航的完成,文中融合亮度、纹理1、颜色等信息,结合中心上-中心外机制得到显著性区域,并采用分块聚类方法跟踪完整提取多显著性区域,实验结果表明本算法对显著性区域具有较好的检出能力,并且基本完整提取多个显著性自然区域路标,能够适应远近尺度、旋转、视角变化及一定的光线变化等自然识别的要求。