【技术实现步骤摘要】
一种基于SIFT算法的视觉导航方法
本专利技术涉及机器人视觉导航领域，更具体地说，本专利技术涉及一种基于SIFT算法的视觉导航方法。
技术介绍
目前移动机器人通常采用的定位传感器包括里程计、激光雷达、超声波、红外线、微波雷达、陀螺仪、指南针、速度或加速度计、触觉或接近觉传感器等。另一方面，机器人通常采用的定位技术主要包括绝对定位和相对定位技术两类。绝对定位采用导航信标、主动或被动标识、地图匹配或全球定位(GPS)进行定位，定位精度较高，但成本较高，不适用于小型机器人。相对定位是通过测量机器人相对于初始位置的距离和方向来确定机器人的当前位置，通常也称为航位推算法，所用的传感器主要为里程计、陀螺仪、加速度计等；其中，当采用航位推算法时，机器人的位置是自我推算出来的，因而不需要对外界环境的感知信息，但是，这种方法的漂移误差会随时间积累，不适于精确定位。对于这些现有技术的定位方法，存在以下缺点:⑴在视觉导航定位中，图像处理计算量大，计算机实时处理的速度无法满足现实中的需求。⑵高精度定位与导航技术成本高，难以应用在中小型机器人中，而低成本的技术，精度低，误差大，严重...
【技术保护点】
一种基于SIFT算法的视觉导航方法，其特征在于包括：第一步骤：利用机器人的导航相机获取图像；第二步骤：对于导航相机获取的图像基于SIFT方法提取自然路标的特征点；第三步骤：根据所提取的自然路标的特征点，利用动态扩展卡尔曼滤波器融合视觉信息以修正机器人的惯性导航系统的测量误差，由此对机器人运行状态和视觉特征的位置进行估计，从而获得机器人的导航参数。
【技术特征摘要】
1.一种基于SIFT算法的视觉导航方法，其特征在于包括: 第一步骤:利用机器人的导航相机获取图像； 第二步骤:对于导航相机获取的图像基于SIFT方法提取自然路标的特征点； 第三步骤:根据所提取的自然路标的特征点，利用动态扩展卡尔曼滤波器融合视觉信息以修正机器人的惯性导航系统的测量误差，由此对机器人运行状态和视觉特征的位置进行估计，从而获得机器人的导航参数。2.根据权利要求1所述的基于SIFT算法的视觉导航方法，其特征在于，所述第二步骤包括: 第一步，进行尺度空间极点检测，其中通过不同尺度的高斯核函数对导航相机获取的图像进行连续滤波和下采样，形成高斯金字塔图像，然后再对相邻尺度的两个高斯图像相减得到高斯偏差，以得到关键点；其中，关键点不仅是当前高斯偏差图像局部相邻的预定个数的像素的极大值或极小值，而且是前后相邻尺度的高斯偏差领域的极大或极小值； 第二步，进行特征点定位，其中在极值点的局部领域用三维二次函数拟合方法来差值确定极值点的坐标； 第三步，进行主方位赋值，其中在构造SIFT描述算子之前，首先为每个关键点赋予一个主方向，其中主方向是指关键点领域内各点梯度方向的直方图中最大值所对应的方向； 第四步，进行SIFT描述算子的建立，其中将坐标轴旋转为关键点的...
【专利技术属性】
技术研发人员：崔显龙，朱旭红，张哲栋，王海军，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：
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。