The invention relates to a robot frame feature descriptor between convolutional neural networks pose estimation method based on the extracted current frame image feature point extraction algorithm using feature points, and then cut to the local region of the image feature point location of the center, the local area of the image input to the convolutional neural network with intermediate layer in the middle layer and the output vector convolution neural network are extracted as the feature descriptor of the feature points; on feature descriptors of two adjacent frames of the feature points are matched according to the matching relation by using inter frame motion estimation algorithm to estimate the robot pose changes between two adjacent frames.
【技术实现步骤摘要】
基于卷积神经网络特征描述子的机器人帧间位姿估计方法
本专利技术涉及一种基于卷积神经网络特征描述子的机器人帧间位姿估计方法。
技术介绍
在机器人学与计算机视觉领域,视觉里程计是一个通过分析相关图像序列,来确定机器人位置和朝向的过程。在传统的测量领域,例如采用旋转编码器测量机器人轮子的转动,当机器人向前移动一段时间后,想要知道大致的移动距离,借助旋转编码器,可以测量出轮子旋转的圈数,如果知道了轮子的周长,便可以计算出机器人移动的距离。但通常会遇到精度问题,例如轮子的打滑就会导致产生机器人移动的距离与轮子的旋转圈数不一致的问题。当机器人在不光滑的表面运动时,误差是由多种因素混合产生的。由于误差随时间的累积,导致了里程计的读数随着时间的增加,而变得越来越不可靠。视觉里程计是一种利用连续的图像序列来估计机器人移动距离的方法。视觉里程计增强了机器人在任何表面以任何方式移动时的导航精度。视觉里程计是机器人定位、地图构建以及路径规划等高层任务的基础。传统的视觉里程计主要通过匹配帧间视觉特征描述子,分析计算特征之间的空间几何关系,估计机器人帧间位姿。传统的特征描述子需要人工设计和计算,造成对图像信息表示具有一定的人为性和局限性,在应对图像的光照变化、遮挡、运动模糊等情形具有较大的局限性,影响了其估计精度。
技术实现思路
本专利技术为了解决上述问题,提出了一种基于卷积神经网络特征描述子的机器人帧间位姿估计方法,利用了卷积神经网络描述图像特征的鲁棒性,相较于传统特征描述方法拥有更好的特征点匹配效果。为了实现上述目的,本专利技术采用如下方案:基于卷积神经网络特征描述子的机器人帧间位姿 ...
【技术保护点】
基于卷积神经网络特征描述子的机器人帧间位姿估计方法,首先采用特征点提取算法提取当前帧图像中的特征点,其特征在于:裁剪以所述特征点位置为中心的局部区域图像,将该局部区域图像输入到具有中间层的卷积神经网络中,并提取卷积神经网络的中间层输出向量作为该特征点的特征描述子;对相邻两帧图像中的特征描述子进行特征点匹配,根据得到的特征匹配关系采用帧间运动估计算法估计相邻两帧图像之间机器人的位姿变化。
【技术特征摘要】
1.基于卷积神经网络特征描述子的机器人帧间位姿估计方法,首先采用特征点提取算法提取当前帧图像中的特征点,其特征在于:裁剪以所述特征点位置为中心的局部区域图像,将该局部区域图像输入到具有中间层的卷积神经网络中,并提取卷积神经网络的中间层输出向量作为该特征点的特征描述子;对相邻两帧图像中的特征描述子进行特征点匹配,根据得到的特征匹配关系采用帧间运动估计算法估计相邻两帧图像之间机器人的位姿变化。2.根据权利要求1所述的方法,其特征在于:当所述特征点为多尺度特征时,根据特征点所在的图像尺度进行局部区域图像的裁剪。3.根据权利要求1所述的方法,其特征在于:所述特征点包括SIFT特征、SURF特征或ORB特征中的一种。4.根据权利要求3所述的方法,其特征在于:需提取SIFT特征时,采用DOG算法;需提取SURF特征时,采...
【专利技术属性】
技术研发人员:刘国良,张威,田国会,赵洋,
申请(专利权)人:山东大学,
类型:发明
国别省市:山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。