CN101556647A - 一种基于改进sift算法的移动机器人视觉定位方法 - Google Patents

Abstract

本发明提供了一种基于改进SIFT算法的移动机器人视觉定位方法。首先采集移动机器人行走路径中的特定标示物模版图像，运用改进的SIFT算法计算标示物模版图像的SIFT特征点向量集合；然后对标示物模版图像的SIFT特征点向量集合和待识别图像的SIFT特征点向量集合进行匹配操作；最后实现对待识别图像中的特定标示物的识别。本发明利用SIFT算法的优点，综合匹配效率与实时性，针对移动机器人图像识别的具体情况，提供了一种基于改进SIFT算法的移动机器人图像识别方法，改进SIFT算法中，采用的向量维数为6维，大大降低了匹配时间，并能对移动机器人行走路径中的复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的特定标示物进行有效识别。

Description

一种基于改进SIFT算法的移动机器人视觉定位方法

(一)技术领域

本发明属于移动机器人导航领域，特别涉及一种移动机器人视觉定位系统中的图像识别的方法。

(二)背景技术

图像识别技术作为移动机器人视觉定位系统的核心和基础技术之一，是目前移动机器人视觉定位领域研究的前沿和热点，该技术在移动机器人环境感知、自主定位、类人行为等具体实践中正得到越来越广泛的应用。其图像匹配算法-SIFT算法也逐渐被人们所采用。

SIFT(Scale Invariant Feature Transform)算法即尺度不变特征变换算法，是David G.Lowe在2004年总结了现有的基于不变量技术的特征检测方法的基础上，提出的一种基于尺度空间的、对图像缩放、旋转、仿射变换、光照变化保持稳定性的图像局部特征描述算法-SIFT算子。SIFT特征点向量的生成由以下四步骤组成：1、在尺度空间中检测极值点；2、去除低对比度的极值点和不稳定的边缘极值点，得到特征点；3、计算特征点的方向参数；4、生成SIFT特征点向量，向量维数一般为128维。

运用SIFT算法提取的SIFT特征点向量具有如下优点：1、SIFT特征是图像的局部特征，对旋转、尺度缩放、亮度变化保持不变化性，对视角变化、仿射变换、噪音也保持一定程度的稳定性；2、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；3、多量性，即使少数的几个物体也可以产生大量SIFT特征向量。

但是由于它受到天气、阳光、遮挡等外界因素的严重影响，并存在因不同的成像时间、角度、距离等外界因素而导致的图像平移、旋转、缩放的问题，这都给图像匹配工作带来了很大的难度。而且由于移动机器人视觉定位时要求很高的实时性，目前的基于SIFT的图像匹配技术虽然能达到很高的匹配精度，但是匹配效率很低，因此需要对SIFT算法进行改进，在保证合理的匹配精度的前提下，提高移动机器人图像匹配的实时性。

(三)发明内容

本发明的目的在于提供一种可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的移动机器人定位中的特定标示物有效识别的基于改进SIFT算法的移动机器人视觉定位方法。

本发明的目的是这样实现的：首先采集移动机器人行走路径中的特定标示物模板图像，然后运用改进的SIFT算法计算标示物模板图像的SIFT特征点向量集合；接着对机器人摄像头拍摄到的待识别的原始图像进行定位计算得到标示物候选区域，并截取标示物候选区域生成待识别图像；运用改进SIFT算法对待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；然后对标示物模板图像的SIFT特征点向量集合和待识别图像的SIFT特征点向量集合进行匹配操作；最后根据标示物模板图像中匹配特征点集合的坐标位置，实现对待识别图像中的特定标示物的识别，进而根据标示物的坐标，得到移动机器人的位置坐标。

本发明的技术特征有：

1、方法包含下列步骤：

(1)将移动机器人行走路径中的特定标示物景物进行图像采集，并进行处理，得到含有特定标示物图像的原始图像；

(2)制作标示物模板图像，具体方法为将获得的特定标示物原始图像进行处理，截取标示物的重要部分，制作成标示物模板图像；

(3)运用改进SIFT算法对标示物模板图像进行处理，得到特定标示物模板图像的SIFT特征点向量集合；

(4)利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理；

(5)运用改进SIFT算法对步骤(4)中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；

(6)在步骤(3)中的到的特定标示物模板图像的SIFT特征点向量集合和步骤(5)中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；

(7)对步骤(6)中计算得到的特定标示物模板图像的匹配特征点集合进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，最后根据特定标示物所处的坐标位置，确定移动机器人的位置，达到视觉定位的目的。

2、所述的特定标示物可以是移动机器人行走路径中任意的图形；

3、所述的原始图像进行的处理方法为对图像进行灰度处理，将图像变成灰度图；

4、所述的改进SIFT算法为对每个关键特征点只采用6维向量来表示，大大缩短了提取特征点的计算时间；

5、所述的运用改进SIFT算法对标示物模板图像进行处理方法为通过检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后提取出对图像旋转、尺度缩放、亮度变化保持不变性SIFT特征向量，并存储在计算机数据库中；

6、所述的匹配特征点的查找及计算方法为采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量。取特定标示物图像中的某个关键点，并找出其与待识别图像中的欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点；

7、所述的匹配特征点集合的处理方法为采用极线约束法去除误匹配点，提高匹配准确率。

本发明利用SIFT算法的优点，综合匹配效率与实时性，，针对移动机器人图像识别的具体情况，提供了一种基于改进SIFT算法的移动机器人图像识别方法，能对移动机器人行走路径中的复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的特定标示物进行有效识别。

由于采用了上述技术方案，本发明具有如下优点和效果：

1、无需对包含特定标示物背景图进行较精确的分割，只要特定标示物背景图像中包括特定标示物的图像即可；

2、特定标示物无需进行倾斜校正、二值化等预处理过程；

3、无需采集训练样本，工作量低，特定标示物模板图像制作简单，可根据需要灵活的加以变更；

4、可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的特定标示物进行有效识别；

5、匹配时间短，非常适合移动机器人视觉定位的实时性要求。

(四)附图说明

图1为本发明的流程示意图。

图2为特定标示物图像。

图3为包含特定标示物图像的背景图。

图4为SIFT图像匹配图。

(五)具体实施方式

下面结合附图和具体实施方式对本发明作进一步的说明，本实施例包括下列步骤：

(1)将移动机器人行走路径中的特定标示物景物进行图像采集，并进行特征标示物图像的灰度处理，得到含有特定标示物图像的原始图像；

(2)制作标示物模板图像，具体方法为将特定标示物的灰度图像进行截取，得到标示物图像的重要部分，制作成标示物模板图像，如图2所示；

(3)运用改进SIFT算法对标示物模板图像进行处理，得到特定标示物模板图像的SIFT特征点向量集合，并存储在计算机数据库中；

(4)利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理，如图3所示；

(5)运用改进SIFT算法，每个关键特征点只采用6维向量来表示，并对步骤(4)中得到的待识别图像进行处理：检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后提取出对图像旋转、尺度缩放、亮度变化保持不变性SIFT特征向量集合；

(6)在步骤(3)中的到的特定标示物模板图像的SIFT特征点向量集合和步骤(5)中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合，如图4所示；

(7)对步骤(6)中计算得到的特定标示物模板图像的匹配特征点集合进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，最后根据特定标示物所处的坐标位置，确定移动机器人的位置，达到视觉定位的目的。

Claims (7)

1、一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于方法步骤包括：首先采集移动机器人行走路径中的特定标示物模板图像，然后运用改进的SIFT算法计算标示物模板图像的SIFT特征点向量集合；接着对机器人摄像头拍摄到的待识别的原始图像进行定位计算得到标示物候选区域，并截取标示物候选区域生成待识别图像；运用改进SIFT算法对待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；然后对标示物模板图像的SIFT特征点向量集合和待识别图像的SIFT特征点向量集合进行匹配操作；根据标示物模板图像中匹配特征点集合的坐标位置，实现对待识别图像中的特定标示物的识别，最后根据特定标示物代表的坐标位置，确定移动机器人的位置，达到视觉定位的目的。

2、根据权利要求1所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于方法包含下列步骤：

(1)将移动机器人行走路径中的特定标示物景物进行图像采集，并进行处理，得到含有特定标示物图像的原始图像；

(2)制作标示物模板图像，具体方法为将获得的特定标示物原始图像进行处理，截取标示物的重要部分，制作成标示物模板图像；

(3)运用改进SIFT算法对标示物模板图像进行处理，得到特定标示物模板图像的SIFT特征点向量集合；

(4)利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理；

(5)运用改进SIFT算法对步骤(4)中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；

(6)在步骤(3)中的到的特定标示物模板图像的SIFT特征点向量集合和步骤(5)中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；

(7)对步骤(6)中计算得到的特定标示物模板图像的匹配特征点集合进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，达到视觉定位的目的。

3、根据权利要求2所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于所述的原始图像进行的处理方法为灰度处理，将图像变成灰度图。

4、根据权利要求3所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于所述的改进SIFT算法为对每个关键特征点只采用6维向量来表示，大大缩短了提取特征点的计算时间。

5、根据权利要求4所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于所述的运用改进SIFT算法对标示物模板图像进行处理方法为通过检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后提取出对旋转、尺度缩放、亮度变化保持不变性SIFT特征向量，并存储在计算机数据库中。

6、根据权利要求5所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于所述的匹配特征点的查找及计算方法为采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量，取特定标示物图像中的某个关键点，并找出其与待识别图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。

7、根据权利要求6所述的一种基于改进SIFT算法的移动机器人视觉定位方法，其特征在于所述的匹配特征点集合的处理方法为采用极线约束法去除误匹配点。

Images