论文部分内容阅读
视觉监视系统是近些年来机器人和计算机视觉领域的热门研究方向之一,其主要目的是利用场景下所得到的一系列图像检测和跟踪特定目标。视觉监视系统在生产生活中得到了广泛的应用,如交通监视系统,社区楼宇安保系统,军事目标监测系统,医疗监护系统等。传统的视觉监视系统主要是通过在场景中布置多个摄像头来执行监视任务。为了实现实时响应,常常需要一些工作人员被动地值守在显示器前,观察目标区域的情况。这种做法的缺陷是值守人员的注意力不可避免地随着值守时间的增长而下降,而且人类很容易会忽略掉一些细节,尤其是在同时监视多个区域的时候。一种可行的替代方案就是利用装备有摄像头的机器人来代替人类从而自动化地完成监视任务。我们首先针对不同机器人在目标监视区域视野的差异性,对每个图像提取了特征点并构建相应的特征描述子。考虑到多机器人系统任务的实时性要求,我们对几个典型的特征点提取算法做了精度和效率的对比并最终选用了 ORB算法。为了提高匹配算法的准确性,我们基于K近邻算法改进了 ORB算法,在保证算法鲁棒性的同时提高了算法的精度。基于ORB算法的匹配结果,我们参考分布式多自主体系统的一致性算法,设计得到了每个机器人的控制协议,本文中主要考虑的是系统拓扑动态变化的情况。为了实现多机器人系统自动视觉监视的目的,我们提出了视觉一致性的概念,并设计了相应的算法。我们的目的是通过设计控制率,使每个机器人能够自动地调整姿态,实时跟踪目标。为了防止目标在跟踪过程中丢失,我们基于图像的视觉伺服控制细化了控制策略。借助图论和稳定性理论,我们简要地分析了所提出控制算法的稳定性,并做了相应的仿真验证。此外,我们利用Virtual Robot Experimentation Platform(V-REP)仿真平台和 Pioneer-3DX 机器人平台论证了本文所提出算法的可行性和有效性。文章的最后我们对本文的主要工作做了总结,指出研究工作中的创新点,以及一些不足之处,并对后续的研究工作做了一些展望。