機(jī)器人的混合特征視覺(jué)環(huán)境感知方法_圖文

1、 第1 期 楊俊友， 等： 機(jī)器人的混合特征視覺(jué)環(huán)境感知方法 119 圖5 Fig 5 混合特征視覺(jué)環(huán)境感知框架 Framework of visionbased environment perceptions 3 實(shí)驗(yàn)與分析 建立環(huán)境感知數(shù)據(jù)庫(kù)。 在實(shí)驗(yàn)階段， 該數(shù)據(jù)庫(kù)規(guī)模 可控。另采集 100 幅實(shí)驗(yàn)圖像并記錄其位姿信息， 圖像 中 包 括 了 時(shí) 間、 行 人、 光 照 局 部 遮 擋 等 因 素。 圖 6 為本文方法 （ Hybrid ） 與傳統(tǒng) SIFT 方法感知時(shí) 間與感知誤差的比較， 表 1 為統(tǒng)計(jì)結(jié)果?？梢钥闯觯?由于 SIFT 特征的局部性和高維性， 在數(shù)據(jù)庫(kù)規(guī)模擴(kuò) 大時(shí)存在

2、大量待匹配點(diǎn)， 同時(shí)無(wú)關(guān)特征點(diǎn)數(shù)量隨之 匹配時(shí)間也隨之增加。對(duì)特征的改進(jìn)、 匹配過(guò) 增加， 程的分級(jí)優(yōu)化以及顏色信息的表征使得本方法在感 知時(shí)間和誤差指標(biāo)中均優(yōu)于傳統(tǒng)方法， 并且隨著數(shù) 據(jù)庫(kù)規(guī)模的擴(kuò)大， 本文方法優(yōu)勢(shì)越發(fā)明顯。 從單純算法性能以及機(jī)器人實(shí)際的環(huán)境感知兩 方面對(duì)所提出方法進(jìn)行評(píng)價(jià)。 3 1 算法性能評(píng)價(jià) 為評(píng)價(jià)提出的混合特征匹配算法的性能， 采用 執(zhí)行效率較高的 SQLite 嵌入式數(shù)據(jù)庫(kù)。 選取 18 8 m2 室內(nèi)環(huán)境中的觀測(cè)點(diǎn)， 對(duì)每個(gè)觀測(cè)點(diǎn)從相對(duì) X 方向 0 360 范圍內(nèi)每隔 22 5 采集一幅觀測(cè)圖 像， 調(diào)整圖像尺寸到 320 240 ， 并根據(jù) 2 1 節(jié)方法

3、圖6 Fig 6 本文方法與 SIFT 方法在不同數(shù)據(jù)庫(kù)規(guī)模下的性能比較 Comparison of hybrid method with SIFT in different database scales 120 表1 Table 1 數(shù)據(jù)庫(kù) 規(guī)模 16 32 16 64 16 128 16 256 中國(guó)圖象圖形學(xué)報(bào) 兩方法性能對(duì)比表 www cjig cn 第 17 卷 Performancecontrast between two methods Hybrid 平均 時(shí)間 / ms 378 853 551 872 520 757 530 765 SIFT 平均 時(shí)間 / ms 562 1

4、93 663 213 1 482 73 1 751 40 Hybrid 平均 誤差 / % 7 492 5 010 4 088 2 841 SIFT 平均 誤差 / % 8 466 7 264 5 777 5 208 3 2 機(jī)器人實(shí)時(shí)環(huán)境感知評(píng)價(jià) 圖8 機(jī)器人視覺(jué)感知實(shí)驗(yàn)測(cè)試系統(tǒng)平臺(tái) Robot vision experiment system 表2 Table 2 項(xiàng)目 機(jī)器人型號(hào) 實(shí)驗(yàn)環(huán)境面積 程序開(kāi)發(fā)環(huán)境 視覺(jué)處理 SDK 數(shù)據(jù)庫(kù) 數(shù)據(jù)庫(kù)規(guī)模 / 副 處理圖像尺寸 / 像素 以日本村田機(jī)械株式會(huì)社的全方位移動(dòng) 6 自 檢驗(yàn)實(shí)際環(huán)境感知 由度機(jī)器人為平臺(tái) （ 見(jiàn)圖 7 ） ， 過(guò)程的魯棒

5、性 、 準(zhǔn)確性和實(shí)時(shí)性。圖 8 為機(jī)器 人 視覺(jué)感 知 實(shí) 驗(yàn) 測(cè) 試 系 統(tǒng) 平 臺(tái) ， 實(shí)驗(yàn)配置如表 2 所示 。 Fig 8 實(shí)驗(yàn)配置 Experimental configuration 規(guī)格數(shù)據(jù) Muratec RCA87A 18 m 8 m VC + + 6 0 OpenCV1 0 SQLite 32 40 16 320 240 在實(shí)驗(yàn)環(huán)境中設(shè)定機(jī)器人運(yùn)動(dòng)軌跡， 機(jī)器人通 過(guò)數(shù)字相機(jī)對(duì)環(huán)境信息實(shí)時(shí)感知， 圖 9 為機(jī)器人實(shí) 驗(yàn)視頻。給定機(jī)器人速度為 10 cm / s。 實(shí)驗(yàn)過(guò)程中 加入光照變化及行人局部遮擋因素， 其中通過(guò)調(diào)整 圖7 村田機(jī)械株式會(huì)社移動(dòng)操作機(jī)器人 Mobile

6、manipulator of muratec Fig 7 室內(nèi)熒光燈開(kāi)啟數(shù)量實(shí)現(xiàn)光照變化 。感知過(guò)程中機(jī) 器人運(yùn)行平穩(wěn)， 顯現(xiàn)了較強(qiáng)的魯棒性。 圖9 Fig 9 有行人遮擋和不同光照條件下的機(jī)器人感知視頻 The video of real robot environmental perception with the occlusion of human and change of light 第1 期 楊俊友， 等： 機(jī)器人的混合特征視覺(jué)環(huán)境感知方法 121 表 3 為單次機(jī)器人感知過(guò)程的平均消耗時(shí)間， 平均感知時(shí)間在 1 s 以下。 圖 10 為機(jī)器人視覺(jué)感 知結(jié)果與實(shí)際軌跡對(duì)比， 其中

7、實(shí)際軌跡由機(jī)器人里 程計(jì)給出， 采集頻率設(shè)為 20 Hz， 誤差小于 0 05% 。 估計(jì)路徑與實(shí)際路徑的最大偏差小于 3 2% 。 通過(guò)以上實(shí)驗(yàn)數(shù)據(jù)可以得出， 本文方法在機(jī)器 人實(shí)際感知中具有很強(qiáng)的魯棒性和很好的實(shí)時(shí)性 ， 并且保持了很高的感知精度。 表3 Table 3 感知過(guò)程各環(huán)節(jié)耗時(shí) Timeconsuming in each step of perception 感知過(guò)程 圖像采集 調(diào)整尺寸 HSV 轉(zhuǎn)換 直方圖特征提取 SIFT 特征提取 直方圖匹配與篩選 SIFT 匹配 環(huán)境信息推理 總計(jì) 耗時(shí) / ms 28 329 97 10 674 31 3 459 03 1 032 7

8、8 367 413 26 53 270 72 137 863 23 12 495 65 614 538 95 成的速度， 并且增強(qiáng)了特征匹配的穩(wěn)定性。 2 ） 提出的混合方法可以有效兼顧準(zhǔn)確性與實(shí) 時(shí)性， 特別是在數(shù)據(jù)庫(kù)規(guī)模增大時(shí)方法的優(yōu)越性越 發(fā)明顯； 在實(shí)際感知過(guò)程中對(duì)于光照變化和局部遮 擋也有良好的魯棒性。 3 ） 有效地挖掘數(shù)據(jù)庫(kù)中的先驗(yàn)知識(shí)， 提高了算 并且可以減少人工工作、 降低對(duì)系統(tǒng)設(shè)備 法的性能， 配置的要求。 本文的數(shù)據(jù)庫(kù)建立過(guò)程是需要人參與的， 為了 進(jìn)一步提高方法的智能水平以及實(shí)用性， 將在以下 方面開(kāi)展工作： 1 ） 增加用于自主獲得數(shù)據(jù)庫(kù)信息的 學(xué)習(xí)模塊； 2 ） 進(jìn)

9、一步挖掘數(shù)據(jù)庫(kù)可利用的知識(shí)來(lái)提 高算法性能； 3 ） 對(duì)本文方法基于的假設(shè)條件進(jìn)行深 入理論探究。 參考文獻(xiàn)（ References） 1 Xia T K， Yang M， Yang R Q Progress in monocular vision based 2010 ， 25 （ 1 ） ： mobile robot navigation J Control and Decision， 17 夏庭鍇， 楊明， 楊汝清 基于單目視覺(jué)的移動(dòng)機(jī)器人導(dǎo) J 控制與決策， 2010 ， 25 （ 1 ） ： 17 航算法研究進(jìn)展 Jiang X N， Lu H Q， et al Survey of

10、vision for 2 Huang X L， autonomous navigation J Journal of Jilin University （ Information Science Edition ） ， 2010 ， 28 （ 2 ） ： 158165 黃 顯 吉林大 林， 姜肖楠， 盧鴻謙， 等 自主視覺(jué)導(dǎo)航方法綜述J 2010 ， 28 （ 2 ） ： 158165 學(xué)學(xué)報(bào)， Kak A C Vision for mobile robot navigation： a 3 DeSouza G N， survey J IEEE Transactions on Pattern A

11、nalysis and Machine 2002 ， 24 （ 2 ） ： 237267 Intelligence， 4 Stephen S， David L， Jim L Mobile robot localization and mapping with uncertainty using scaleinvariant visual landmarks J The International Journal of Robotics Research，2002 ，21 （ 8 ） ： 735758 5 Francisco B F， Alberto O， Gabriel O Visual na

12、vigation for mobile robots： a survey J Journal of Intelligent and Robotic Systems： Theory and Applications， 2008 ， 53 （ 3 ） ： 263296 6 Lu H M，Zhang H， Zheng Z Q A review of visionbased mobile robot s selflocalization J Journal of Central South University （ Science and Technology） ， 2009 ， 40 （ 1 ） ：

13、 127134 盧惠民， 張 鄭志強(qiáng) 基于視覺(jué)的移動(dòng)機(jī)器人自定位問(wèn)題J 中南大 輝， 2009 ， 40 （ 1 ） ： 127134 學(xué)學(xué)報(bào)， Jiang N， Zhang L T Self- localization of mobile robots 7 Liu Z Y， based on artificial landmarks and stereo vision J Computer Engineering and Applications， 2010 ， 46 （ 9 ） ： 190192 劉振宇， 姜楠， 張令濤 基于人工路標(biāo)和立體視覺(jué)的移動(dòng)機(jī)器人自定 J 計(jì)算機(jī)工程與應(yīng)用， 20

14、10 ， 46 （ 9 ） ： 190192 位 David G L， James J L Visionbased global localization 8 Stephen S， and mapping for Mobile robots J IEEE Transactions on 圖 10 Fig 10 視覺(jué)感知與里程計(jì)數(shù)據(jù)對(duì)比 and from odometer Contrast between the data from vision 4 結(jié) 論 通過(guò)混合特征匹配方法實(shí)現(xiàn)機(jī)器人視覺(jué)全局環(huán) 境感知， 有效解決了準(zhǔn)確性與實(shí)時(shí)性兼顧問(wèn)題 ， 并得 到以下結(jié)論： 1 ） 改進(jìn)顏色直方圖和 S

15、IFT 特征， 提高了特征生 122 Robotics， 2005 ， 21 （ 3 ） ： 364375 中國(guó)圖象圖形學(xué)報(bào) www cjig cn 第 17 卷 19 Seong O S， TaeSun C Edge color histogram for image retrieval C/ / Proceedings of the International Conference on Image Processing Piscataway，NJ，USA： IEEE Signal Process Soc 2002 ： 957-960 20 Krystian M，Cordelia S A

16、performance evaluation of local descriptorsJ IEEE Transactions on Pattern Analysis and Machine Intelligence， 2005 ， 27 （ 10 ） ： 16151630. 21 David G L Object recognition from local scaleinvariant features C/ / Proceedings of the International Conference on Computer Visio Piscataway， NJ， USA： IEEE Co

17、mputer Society， 1999 ： 11501157 22 David G L Distinctive Image features from scaleinvariant key International Journal of Computer Vision， 2004 ， points J 60 （ 2 ） ： 91110 23 Herbert B， Tinne T， Luc V G SURF： speeded up robust features C/ / Proceeding of the 9th European Conference on Computer Vision

18、 Graz， Austria： Springer， 2006 ： 404-417 24 Liu L ，P F Y ， Zhao K Simplified SIFT algorithm for fast image matching J Infrared and Laser Engineering ， 2008 ， 37 （ 1 ） ： 181184 劉立， 彭復(fù)員， 趙坤 采用簡(jiǎn)化 SIFT 算法 實(shí) 現(xiàn) 快 2008 ， 37 （ 1 ） ： 181 速 圖 像 匹 配J 紅 外 與 激 光 工 程， 184 25 Hashem T， Andreas Z Global robot local

19、ization using iterative scale invariant feature transform C / / Proc of the 36th International Symposium on Robotics （ ISR ） Tokyo，Japan： Japan Robot Association， 2005 ： 326332 26 Cosmin A， Philippe B SIFTCCH： increasing the SIFT distinctness by color cooccurrence histogramsC/ / Proceedings of Inter

20、national Symposium on Image and Signal Processing and USA： Inst of Elec and Elec Eng Analysis Piscataway NJ， 2007 ： 130135 Computer Society， 27 Sim R， Dudek G Learning generative models of invariant features C/ / Prcoceedings of IEEE / RSJ International Conference on Intelligent Robots and Systems P

21、iscataway NJ，USA： IEEE 3488 Robotics Autom Soc 2004 ： 3481 28 Robert S，Gregory D Learning visual landmarks for pose estimationC/ / Prcoceedings of IEEE International Conference on Robotics and Automation Piscataway，NJ，USA： Robotics Autom Soc 1999 ： 19721978 29 Yang J Y， Cao S A， Ma L A method for in

22、door robots visual perception based on multifeature fusion C/ / Proceeding of International 2010 ： 1-4 Conference on EProduct EService and EEntertainment Piscataway NJ， USA： IEEE Computer Society， IEEE 9 Gao Q J， Li J， Ma L， et al Road crossing scene recognition for Journal of Image and Graphics， ro

23、bot vision based location J 2009 ， 14 （ 12 ） ： 25102516 高慶吉， 李娟， 馬樂(lè)， 等 機(jī)器人視 J 中國(guó)圖象圖形學(xué)報(bào)， 覺(jué)定位中的路口場(chǎng)景識(shí)別方法研究 2009 ， 14 （ 12 ） ： 25102516 10 Li G Z， An C W， Yang G S， et al Scene recognition for mobile Robot， 2005 ， 27 （ 2 ） ： 123127 李桂芝， robot localization J 安成萬(wàn)， 楊國(guó)勝， 等 基于場(chǎng)景識(shí)別的移動(dòng)機(jī)器人定位方法研 2005 ， 27 （ 2 ）

24、： 123127 究J 機(jī)器人， 11 Jrgen W， Wolfram B， Hans B Robust visionbased localization by combining an imageretrieval system with Monte Carlo 2005 ， 21 （ 2 ） ： localization J IEEE Transactions on Robotics， 208-216 12 Zhou C， Wei Y C， Tan T N Mobile robot selflocalization based on global visual appearance fe

25、atures C/ / Proceedings of IEEE International Conference on Robotics and Automation Piscataway， NJ， USA： IEEE Robotics Autom Soc 2003 ： 12711276 13 Wang L， Lu X X， Cai Z X Local salient regions based natural scene recognition J Journal of Image and Graphics， 2008 ， 13 （ 8 ） ： 15941600 王璐， 陸筱霞， 蔡自興 基于局部顯著區(qū) 中 國(guó) 圖 象 圖 形 學(xué) 報(bào)， 2008 ， 13 （ 8 ） ： 域的自然場(chǎng) 景 識(shí) 別J 15941600 14 Christian W， Hashem T， Andreas M A hybrid approach for vision based outdoor robot localization using global and local image features C / / Proceedings of the IEEE / RSJ International Confe