基于ROS操作系统的机器人物体识别方法技术方案

本发明专利技术提供一种基于ROS操作系统的机器人物体识别方法，通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；将特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体名称一起进行存储；将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，从而判断识别物体；返回待识别的物体的名称及相似度。本发明专利技术提供的基于ROS操作系统的机器人物体识别方法，采用sift算法提取特征向量值，有效的实现物体的识别，快速精确，独立性强。

【技术实现步骤摘要】

本专利技术涉及物体识别的图像识别领域，具体涉及一种基于ROS操作系统的机器人物体识别方法。
技术介绍
信息技术的发展，信息技术被广泛的应用到人们的生活方式与工作方式中。如有更有效的利用现有的信息技术，人们一直没有停止探索。机器人领域是集计算机、机械、传感技术、信息处理技术、图像处理与识别技术、语言识别与处理技术、控制技术和通信技术等于一体的系统。现有的Player、MOOS、CARMEN、YARP、Orocos、微软RoboticsStudio等操作系统无法满足实际应用的需求。ROS操作系统(RobotOperatingSystem)是一种开源机器人操作系统，能够提供类似于操作系统的功能，为机器人应用系统提供硬件抽象、底层驱动、消息传递和包管理，以及一些辅助开发工具，例如建立、编写和运行多机通信系统整合的程序。ROS操作系统的设计目标就是为了提高代码的复用性，所以采用一种分布式的进程架构，使得程序具有高度的独立性和低耦合性。Sift匹配尺度不便特征转换是一种电脑视觉的算法，用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出物质的位置、尺度、旋转不变量，该算法由DavidLowe在1999年所发表，2004年完善总结，其应用范围包括物体辨识、机器人地图感知与导航、手势辨识等，通过局部影像特征的描述与侦测来辨识物体，对光线、噪声、微视角改变的容忍度也高。在现有电脑硬件速度下和小型的特征数据库条件下，辨识速度可接近即时运算，sift特征的信息量大，适合在数据库中快速准确匹配。CN201210126760.8公开一种物体识别方法及其装置，该方法直接通过鱼眼照相机进行摄影所得到的鱼眼图像来对保护在鱼眼图像内的物体进行识别。通过不将鱼眼图像变成平面图像就能够使用具有广视场角的鱼眼图像全体来进行物体的识别，从而达到迅速且高精度的物体识别；但该方法的识别独立性不强，有待提高。CN201310526390.1公开了一种物品识别方法，包括获取图片特征再将获取的图片特征向量与数据库中的图片特征向量进行比对，利用欧氏距离确定所拍摄的照片的物品信息。该专利技术采用人类视觉较敏感的HSV色彩空间，将纹理特征和颜色特征结合之后使用直方图来统计，并且通过获取物体的重心来使物体在旋转不同角度时都能准确地对其进行特征的获取，还增加了对照片特征水平翻转、垂直翻转机像素移位的特征比对；该专利技术对于拍摄的图片像素和色彩均有相应的要求，在识别方面存在一定的局限性。
技术实现思路
针对现有技术的不足，本专利技术提供一种基于ROS操作系统的机器人物体识别方法，采用sift算法提取对图片的色彩、像素、尺度、亮度、旋转、拍摄视角等无关的特征向量值，有效的实现物体的识别，快速精确，独立性强。本专利技术为实现上述目的，采用以下技术方案：基于ROS操作系统的机器人物体识别方法，具体步骤为：步骤1：通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；步骤2：将ROS操作系统中图形分割后的特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体的名称对应进行存储；步骤3：将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，从而判断识别物体；步骤4：根据步骤3识别的物体情况，返回待识别的物体的名称及相似度。所述步骤2中，ROS操作系统根据图形化标定物体的类型和属性等对应进行存储。所述步骤4中除了返回待识别物体的名称，还能返回待识别物体的类型和属性等。所述步骤1和步骤3中图形分割的具体步骤包括：(1)根据sift算法，在ROS操作系统中构建尺度空间，采用DOG算子检测建立极值点，获得图形中尺度不变的特征点；(2)将图形的特征点进行过滤并精确定位；(3)在特征点处提取特征描述符，并将特征描述符通过高斯加权后配以128维方向参数得到128维特征向量值；(4)将特征向量值的长度归一化处理，进一步去除光照变化的影响。所述所述图形分割具体步骤(2)中图形的特征点进行过滤采用的是重复特征点过滤，每个特征点过滤两次，对可疑特征点重复过滤三次，剔除不稳定的特征点的方式。所述相似度是指判定特征向量值1与特征向量值2的欧式距离。所述步骤3中识别物体过程为：在ROS操作系统中取物体图像1的某个关键的特征向量值1，通过遍历物体图像2中与提取的关键的特征向量值1欧式距离最近的某个关键的特征向量值2，将分割后提取的关键的特征向量值2与关键的特征向量值1进行逐一匹配，并判定是否为一对匹配的特征向量值，将匹配的特征向量值1在图像上标记，连接匹配的特征向量值1；多个匹配的特征向量值1连接成与待识别的物体近似的图像，根据ROS操作系统中存储的物体的名称，从而获得待识别物体的名称，达到识别物体的目的。所述识别物体过程中，判定匹配特征向量值的方法是次近距离除以最近距离小于某个阙值。所述特征向量值包括图像的关键点的位置、所处尺度、方向。阈值取值原则：0.4对于准确度要求高的匹配；0.6对于匹配点数目要求比较多的匹配；0.5一般情况下。本专利技术的有益效果：本专利技术提供的一种基于ROS操作系统的机器人物体识别方法，通过在ROS操作系统中对拍摄的图像特征进行特殊处理，同时运算速度比较快，定位精度比较高，特征向量值作为图像的局部特征，对图像的旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配，多量性，即使少数的几个物体也可以产生大量的特征向量值；高速性，经优化的图形匹配算法甚至可以达到实时的要求，可扩展性，可以很方便的与其他形式的特征向量值进行联合；识别物体准确度高，快捷，独立性强。具体实施方式下面以具体实施例对本专利技术作进一步的说明，但本专利技术不受下述实施例的限定。实施例1本专利技术提供基于ROS操作系统的机器人物体识别方法，通过将物体图像以特征向量值和名称等方式进行存储；待识别物体的图形通过分割后得到的特征向量值与存储的特征向量值进行匹配，从而达到识别物体的目的；具体按照以下步骤进行实施：步骤1：通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；步骤2：将ROS操作系统中图形分割后的特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体的名称、类型、属性等对应进行存储；步骤3：将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，并判定是否为一对匹配的特征向量值，将匹配的特征向量值1在图形上标记，连接匹配的特征向量值1；多个匹配的特征向量值1连接成与待识别的物体近似的图像；判定匹配的特征向量值的方法是次近距离除以最近距离小于某个阙值。步骤4：根据步骤3得到的与识别的物体近似的图像，返回待识别的物体的名称、相似度、类型、属性等。所述相似度是指判定特征向量值1与特征向量值2的欧式距离。所述图形分割的具体步骤包括：(1)根据sift算法，在ROS操作本文档来自技高网...

【技术保护点】
基于ROS操作系统的机器人物体识别方法，其特征在于，具体步骤为：步骤1：通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；步骤2：将ROS操作系统中图形分割后的特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体的名称对应进行存储；步骤3：将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，从而判断识别物体；步骤4：根据步骤3识别的物体情况，返回待识别的物体的名称及相似度。

【技术特征摘要】
1.基于ROS操作系统的机器人物体识别方法，其特征在于，具体步骤为：步骤1：通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；步骤2：将ROS操作系统中图形分割后的特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体的名称对应进行存储；步骤3：将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，从而判断识别物体；步骤4：根据步骤3识别的物体情况，返回待识别的物体的名称及相似度。2.根据权利要求1所述的基于ROS操作系统的机器人物体识别方法，其特征在于，所述步骤1和步骤3中图形分割的具体步骤包括：(1)根据sift算法，在ROS操作系统中构建尺度空间，采用DOG算子检测建立极值点，获得图形中尺度不变的特征点；(2)将图形的特征点进行过滤并精确定位；(3)在特征点处提取特征描述符，并将特征描述符通过高斯加权后配以128维方向参数得到128维特征向量值；(4)将特征向量值的长度归一化处理，进一步去除光照变化的影响。3.根据权利要求2所述...

【专利技术属性】
技术研发人员：李景龙，李朝晖，
申请(专利权)人：湖南晖龙股份有限公司，
类型：发明
国别省市：湖南;43