阵列式高速视觉里程计及其实现方法技术

本发明专利技术为一种阵列式高速视觉里程计及其实现方法。本发明专利技术包括若干个视觉测量单元、数据采集电路板和工控机。利用的单个视觉测量单元并行计算特征点的三维位置；根据视觉测量单元的空间位置变换关系和空间运动一致性，对各视觉测量单元输出的特征点的三维位置数据进行校验；利用多个视觉测量单元输出的特征点的三维位置数据，通过无色卡尔曼滤波方法进行数据融合；并根据视觉测量单元的空间位置变换关系，通过非线性优化方法，精确估计机器人的位姿变化量。本发明专利技术具有响应速度快、鲁棒性好、参数估计精度高、能耗低、隐蔽性好和使用方便等优点，完全可以满足机器人在非结构环境下对自主定位导航方法的实时性和鲁棒性的要求。

【技术实现步骤摘要】
阵列式高速视觉里程计及其实现方法
本专利技术属于机器人自主定位导航领域，涉及数字图像处理、计算机视觉和机器人学等技术，为一种机器人高精度实时定位定姿方法，具体为一种阵列式高速视觉里程计及其实现方法。
技术介绍
在机器人自主定位导航领域中，传统的机器人定位定姿方法主要包括：以码盘式里程计和惯导等设备以及相应的航迹推算算法（Dead-Reckoning）实现的相对定位方法；以固定路标和GPS技术为代表的绝对定位方法。其中，相对定位方法通过码盘式里程计实现定位，但由于码盘式里程计存在车轮半径测量误差带来的系统误差和车轮滑动造成的非系统误差，在高滑动地形条件下误差累积的速度非常快，因此往往与惯导组合使用，利用惯导实时估计机器人的姿态变化并推算其位置变化，通过数据融合相互校正。然而惯导存在以时间次方速率产生漂移的问题，当机器人进行长时间、大范围作业时，仍需要进行周期性校正。在人工环境下，这个问题可以通过设置固定路标或使用GPS解决，但在不存在固定路标的野外环境等非人工环境下，这种相对定位方法对GPS的依赖就十分严重了。但是由于GPS技术的敏感性（主要由美国掌握）、不确定性（受到干扰或卫星故障）、定位精度和应用空间的局限性，导致其在野外环境中的应用受限甚至无法应用，在这种情况下，传统技术方法的缺点更加突出，已明显无法满足机器人的技术要求。为了满足机器人在非结构化环境下长时间、长距离作业时的精确自主导航技术要求，上世纪80年代中期以来，出现了被称为视觉里程计（VisualOdometry）的机器人实时定位定姿方法，是计算机视觉理论在机器人领域的一个重要应用。视觉里程计仅利用视觉系统获得的环境图像，对机器人运动过程中的姿态和位置变化进行精确估计，属于被动非接触式测量方法，具有精度高、隐蔽性好、不依赖GPS校正以及不受环境地表特性和应用空间限制等突出的优点。虽然视觉里程计仍是一种相对定位方法，但已有的研究表明，视觉里程计的误差呈非单应性，即使机器人在高滑动地形条件（滑动比>100％）下进行长距离（作业距离>1km）导航时，仍能有效将累积误差控制在一定范围内，并且当与测角仪和惯导等组合使用时，累积误差的范围更小。2004年美国国家航空和宇宙航行局（NASA）将视觉里程计应用于火星探测并取得了巨大的成功，充分说明了视觉里程计方法的有效性以及在某些特定环境下的不可替代性。目前，现有的视觉里程计方法基本上都采用了“特征－特征三维位置－运动估计”的方法框架，只是在结构上有单目和双目之分，以及具体实现方法的差异。现有的方法都存在实时性差的瓶颈问题（处理速度<15Hz）。这主要是由于现有的这些方法对环境图像的处理过程采用的都是逐帧逐点的计算方式，这就造成当图像尺寸较大时，待处理的数据量很大，而计算机的处理能力与之相比就明显不够。而通过减小图像大小，降低数据量，将导致视觉里程计精度的大幅下降。此外，在非结构化环境下，存在各种导致视觉里程计失效的不确定性因素。现有的视觉里程计方法仅采用单目或双目结构，遇到相机或线路损坏等情况时，整个视觉里程计就完全失效，鲁棒性差。
技术实现思路
针对现有技术中存在的上述不足之处，本专利技术要解决的技术问题是提供一种解决机器人作业过程中实时精确定位定姿问题的高速鲁棒三维视觉里程计及其实现方法。本专利技术为实现上述目的所采用的技术方案是：一种阵列式高速视觉里程计，包括若干个视觉测量单元，呈平面或空间的几何阵列分布，用于观测机器人的姿态和位置参数，并行计算，独立输出，多个视觉测量单元设置图像各个方向上不同的长宽比，所提取的特征点在图像中均匀分布；数据采集电路板，连接各个视觉测量单元，用于采集所述视觉测量单元监测到的图像数据并对其进行数据校验和故障诊断，然后传送给工控机；工控机，用于将多个视觉测量单元间的数据进行融合，输出最终的机器人的姿态和位置。所述视觉测量单元包括：相机，用于拍摄机器人图像；固化算法的专用电路板，连接相机，用于计算图像特征点的空间三维位置。所述相机采集的图像大小不大于10000像素，数据传输速率不低于2Mbps。所述数据采集电路板还用于关闭失效的视觉测量单元通道。一种阵列式高速视觉里程计的实现方法，包括以下步骤：利用的单个视觉测量单元并行计算特征点的三维位置；根据视觉测量单元的空间位置变换关系和空间运动一致性，对各视觉测量单元输出的特征点的三维位置数据进行校验；利用多个视觉测量单元输出的特征点的三维位置数据，通过无色卡尔曼滤波方法进行数据融合；并根据视觉测量单元的空间位置变换关系，通过非线性优化方法，精确估计机器人的位姿变化量。所述单个视觉测量单元并行计算特征点的三维位置，包括以下步骤：步骤1，当i＝1时，从ti-1和ti时刻立体视觉图像对和中，采用Harris算子提取特征点；当i＞1时，仅从ti时刻立体视觉图像中，提取特征点；步骤2，当i＝1时，分别对ti-1和ti时刻立体视觉图像对和中提取的特征点进行匹配；当i＞1时，仅对ti时刻立体视觉图像中提取的特征点进行匹配；步骤3，对立体视觉图像对和中提取和匹配的特征点，在左右图像序列中分别进行跟踪，步骤4，对匹配和跟踪的特征点，进行最小二乘意义下的三维重建；步骤5，将中提取和匹配的特征点作为中提取和匹配的特征点，进入下一时刻的特征点匹配与跟踪。所述对特征点进行匹配采用改进的MNCC算法计算特征点在立体视觉图像对之间的匹配相关性，采用外极线校正和视差约束减小搜索范围；通过双向一致性约束和唯一性约束滤除误匹配特征点。所述步骤3采用改进的MNCC算法计算特征点之间的相关性，相关性最大的特征点将作为跟踪的特征点；仅采用极线约束条件，通过Hartley八点法估计基础矩阵，利用约束条件滤除误跟踪的特征点。所述对各视觉测量单元输出的特征点的三维位置数据进行校验，包括以下步骤：利用采集的视觉测量数据，通过加权最小二乘法估计机器人运动初值M0；设定一个阀，通过RANSAC法去除无效数据点值t′，当根据特征点计算得到的机器人运动与最优值之间的误差时，当前的跟踪特征点分别为离群值，反之为有效特征点；根据测量单元坐标变换关系，进行数据有效性的二次判断；如果视觉测量单元的输出数据过少或输出的有效数据过少时，将认为视觉测量单元出现故障，关闭该视觉单元。所述利用多个视觉测量单元输出的特征点的三维位置数据，通过无色卡尔曼滤波方法进行数据融合；并根据视觉测量单元的空间位置变换关系，通过非线性优化方法，精确估计机器人的位姿变化量，包括以下步骤：根据数据校验算法计算得到的机器人位姿估计机器人运动初值M0和全部视觉测量单元中匹配和跟踪的特征点，计算逆投影误差，与设定的误差阈值进行比较，滤除可能存在的无效数据；利用计算得到的有效数据，根据加权最小二乘法重新计算机器人位姿估计初值，并将其作为机器人位姿优化估计的初始值；根据稀疏LM算法计算机器人的位姿变化，通过位姿推算算法计算机器人的当前位姿。本专利技术克服了已有方法的实时性和鲁棒性差的问题，借鉴了现有方法参数估计的精度优势和实时性差的瓶颈问题，将昆虫蜂眼结构和全向快速运动感知能力的生物特征与计算机视觉理论有机融合，设计出的视觉里程计方法属于非接触式被动测量，具有响应速度快、鲁棒性好、参数估计精度高、能耗低、隐蔽性好和使用方便本文档来自技高网...

【技术保护点】
一种阵列式高速视觉里程计，其特征在于，包括若干个视觉测量单元，呈平面或空间的几何阵列分布，用于观测机器人的姿态和位置参数，并行计算，独立输出，多个视觉测量单元设置图像各个方向上不同的长宽比，所提取的特征点在图像中均匀分布；数据采集电路板，连接各个视觉测量单元，用于采集所述视觉测量单元监测到的图像数据并对其进行数据校验和故障诊断，然后传送给工控机；工控机，用于将多个视觉测量单元间的数据进行融合，输出最终的机器人的姿态和位置。

【技术特征摘要】
1.一种阵列式高速视觉里程计的实现方法，其特征在于，包括以下步骤：利用的单个视觉测量单元并行计算特征点的三维位置；根据视觉测量单元的空间位置变换关系和空间运动一致性，对各视觉测量单元输出的特征点的三维位置数据进行校验；利用多个视觉测量单元输出的特征点的三维位置数据，通过无色卡尔曼滤波方法进行数据融合；并根据视觉测量单元的空间位置变换关系，通过非线性优化方法，精确估计机器人的位姿变化量；所述单个视觉测量单元并行计算特征点的三维位置，包括以下步骤：步骤1，当i＝1时，从ti-1和ti时刻立体视觉图像对和中，采用Harris算子提取特征点；当i>1时，仅从ti时刻立体视觉图像中，提取特征点；步骤2，当i＝1时，分别对ti-1和ti时刻立体视觉图像对和中提取的特征点进行匹配；当i>1时，仅对ti时刻立体视觉图像中提取的特征点进行匹配；步骤3，对立体视觉图像对和中提取和匹配的特征点，在左右图像序列中分别进行跟踪，步骤4，对匹配和跟踪的特征点，进行最小二乘意义下的三维重建；步骤5，将中提取和匹配的特征点作为中提取和匹配的特征点，进入下一时刻的特征点匹配与跟踪。2.根据权利要求1所述的阵列式高速视觉里程计的实现方法，其特征在于，所述对特征点进行匹配采用改进的MNCC算法计算特征点在立体视觉图像对之间的匹配相关性，采用外极线校正和视差约束减小搜索范围；通过双向一致性约束和唯一性约束滤除误匹配特征点。3.根据权利要求1所述的阵列式高速视觉里程计的实现方法，其特征在于，所述步骤3采用改进的...

【专利技术属性】
技术研发人员：杜英魁，韩建达，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21