一种机器人室内视觉定位方法技术

本发明专利技术涉及一种机器人室内视觉定位方法，适用于机器人导航。本发明专利技术通过模拟人类视觉识别过程建模，对机器人进行进行学习训练，使之可以自主实现定位，识别其自身所处位置，采取视觉显著性模型(Saliency Model)、场景主旨模型(Gist Model)等算法，结合集成为一整套完整的视觉定位算法，与现有的视觉定位技术相比，具有更高的准确率，同时减少了运算时间和训练时间。

【技术实现步骤摘要】

本专利技术涉及机器人自我感知技术和定位
，尤其涉及一种机器人室内视觉定位方法，适用于机器人导航。
技术介绍
六十年代，自第一台机器人装置诞生以来，机器人的发展经历了一个从低级到高级的发展过程。第一代机器人为示教再现型机器人，是通过计算机来控制多自主的机械装置，通过示教存储程序把信息读取出来并发出指令，也可以根据人示教的结果再现动作，它对于外界的环境没有感知能力。在20世纪70年代后期人们开始研究第二代机器人：有感觉的机器人。这种机器人有类似人类的力觉、触觉、听觉、视觉等。第三代机器人是智能机器人，它是当今机器人发展的热点和重点，机器人通过各种传感器获取环境信息，利用人工智能识别、理解、推理并进行判断和决策来完成一定的任务。因此智能机器人除了具有感知环境和简单的适应环境能力外，还具有较强的识别理解能力和决策规划能力。80年代中期，技术革命的第三次浪潮冲击着全世界，机器人总数每年以30％以上的速度增长。1986年国家把智能机器人课题列为高技术发展计划，进入90年代，在国内市场经济发展的推动下，确定了机器人及其应用工程并重、以应用带动关键技术和基础研究的发展方针，实现了高技术发展与国民经济主战场的密切衔接，研制出有自主支持产权的工业机器人系列产品，并小批量试产，完成了一批机器人应用工程，建立了9个机器人产业化基地和7个科研基地。通过多年的努力，取得了举世瞩目的硕果。随着机器人技术的发展，具有移动行走功能、环境感知能力以及自主规划能力智能移动机器人得到了各国研究人员的普遍重视，特别是在20世纪八、九十年代，随着计算机技术、微电子技术、网络技术等的快速发展，机器人技术的发展突飞猛进。智能机器人移动的重要特点在于它的自主性和适应性。自主性是指它可以在一定的环境中，不依赖外部控制，完全自主地执行一定的任务；适应性是指它可以实时识别和测量周围的物体，并根据环境变化，调节自身参数、动作策略以及处理紧急情况。随着智能机器人技术的发展，其在军事、医疗、商业等领域发挥着重要的作用，人们对智能移动机器人的需求和期望也越来越高，越来越迫切，移动机器人研究从而进入了崭新的发展阶段。定位技术是智能移动机器人的研究核心，同时也是其实现完全自动化的关键技术。机器人只有准确知道自身位置，工作空间中障碍物的位置以及障碍物的运动情况等信息，才能安全有效地进行移动，由此可见，自主定位和环境分析是移动机器人最重要的能力之一。
技术实现思路
本专利技术提供了一种机器人室内视觉定位方法，通过模拟人类视觉识别过程建模，对机器人进行学习训练，使之可以自主实现定位，识别其自身所处位置。为了解决上述技术问题，本专利技术通过下述技术方案得以解决：一种机器人室内视觉定位方法，包括以下步骤：1)对预定范围的室内场景连续拍摄形成图片库；2)对图片库中的每一图片进行显著性建模和场景主旨建模，建立位置信息数据库；3)拍摄任一图片并对图片进行场景主旨建模，与位置信息数据库进行比对匹配，从而获知机器人的定位信息。显著性建模包括以下步骤：2a)利用高斯金字塔构建8种不同的空间尺度后，对图像低通过滤和二次采样生成8个幅度的横向和纵向的缩小因素图像；2b)提取明暗、色彩、方向三种早期视觉特征，对每一个特征通过一组线性的中心周边差运算构建明暗、色彩、方向三组特征图；2c)将明暗、色彩、方向三组特征图分别合并成三张亮度、颜色、方向显著图；2d)对三张亮度、颜色、方向显著图归一化后取平均值获得图片的整体显著性。归一化为步骤如下：2d1)将每张图进行正规化到一个固定的值域[0…M]，以消除振幅的差别；2d2)找出每张图的全局极大值M，并计算所有局部极大值的平均值m；2d3)对整个特征图进行乘上(M-m)^2运算。场景主旨建模包括以下步骤：3a)利用高斯金字塔构建8种不同的空间尺度后，对图像低通过滤和二次采样生成8个幅度的横向和纵向的缩小因素图像；3b)提取明暗、色彩、方向三种早期视觉特征，对明暗、色彩特征通过一组线性的中心周边差运算，构建明暗、色彩、方向三组特征图；3c)将明暗、色彩、方向三组特征图分别划分为4乘4共计16个子区域的明暗、色彩、方向特征图；3d)对16个子区域的明暗、色彩、方向特征图矢量化；3e)运用主成分分析或/和独立成分分析运算降低16个子区域特征图的维度。场景主旨建模在多种光线条件进行，便于降低光线对场景识别的影响。本专利技术采取视觉显著性模型(SaliencyModel)、场景主旨模型(GistModel)等算法，结合集成为一整套完整的视觉定位算法，与现有的视觉定位技术相比，具有更高的准确率，同时减少了运算时间和训练时间。附图说明图1为本专利技术的显著性建模流程图；图2为本专利技术的场景主旨建模流程图；图3为本专利技术的学习训练阶段流程图。具体实施方式下面结合实施例对本专利技术作进一步详细描述。实施例1学习训练阶段，即连续拍摄照片，并对照片进行处理进行显著性建模和场景主旨建模，建立位置信息数据库。1、显著性建模流程如图1所示，具体过程详见下文。高斯金字塔是在图像处理、计算机视觉、信号处理上使用的一项技术，本质上是信号的多尺度表示方法，亦即将同一信号或图片多次的进行高斯模糊，并且向下取样，从而产生不同尺度下的多组信号或图片用于后续处理。例如在影像辨识上，可以通过对比不同尺度下的图片，避免要寻找的内容在图片上可能有不同的大小带来的误差。高斯金字塔的理论基础是尺度空间理论。给定一张图片f(x，y)，它的尺度空间表示方式L(x，y；t)定义为：影像信号f(x，y)和高斯函数的旋积。完整的表达式如下：g(x,y;t)=12πte-(x2+y2)/2t]]>L(x，y；t)＝g(x，y；t)*f(x，y)，其中分号代表旋积的对象为x，y，而分号右边的t表示定义的尺度大小当t＞0是对于所有的t都会成立，不过通常只会选取特定的t值。其中t为高斯函数的变异数，当t越接近零的时候，使得L(x，y；t)＝f(x，y)，这代表t＝0的时候把这项操作视为图片f本身，当t增加时，L表示将影像f通过一个较大的高斯滤波器，从而使得影像的细节被去除更多。在建立高斯金字塔时，首先将影像转换为尺度空间的表示方式，即乘上不同大小的高斯函数，之后再依据取定的尺度向下取样。乘上的高斯函数大小和向下取样的频率通常会选为2的幂次。所以，在每次迭代的过程中，影像都会被乘上一个固定大小的高斯函数，并且被以长宽各0.5的比率被向下本文档来自技高网...

【技术保护点】
一种机器人室内视觉定位方法，其特征在于：包括以下步骤：1)对预定范围的室内场景连续拍摄形成图片库；2)对图片库中的每一图片进行显著性建模和场景主旨建模，建立位置信息数据库；3)拍摄任一图片并对图片进行场景主旨建模，与步骤2)中位置信息数据库进行比对匹配，从而获知机器人的定位信息。

【技术特征摘要】
1.一种机器人室内视觉定位方法，其特征在于：包括以下步骤：
1)对预定范围的室内场景连续拍摄形成图片库；
2)对图片库中的每一图片进行显著性建模和场景主旨建模，建立位置信息数据库；
3)拍摄任一图片并对图片进行场景主旨建模，与步骤2)中位置信息数据库进行比对匹
配，从而获知机器人的定位信息。
2.根据权利要求1所述的机器人室内视觉定位方法，其特征在于：所述步骤2)中显著性
建模包括以下步骤：
2a)利用高斯金字塔构建8种不同的空间尺度后，对图像低通过滤和二次采样生成8个
幅度的横向和纵向的缩小因素图像；
2b)提取明暗、色彩、方向三种早期视觉特征，对每一个特征通过一组线性的中心周边
差运算构建明暗、色彩、方向三组特征图；
2c)将明暗、色彩、方向三组特征图分别合并成三张亮度、颜色、方向显著图；
2d)对三张亮度、颜色、方向显著图归一化后取平均值获得图片的整体显著性。
3.根据权利要求2所述的机器人室内视觉定位方法，其特征在于：所述步骤2d)中的归
一化为步骤如下：<...

【专利技术属性】
技术研发人员：陈铁英，
申请(专利权)人：浙江梧斯源通信科技股份有限公司，
类型：发明
国别省市：浙江;33