论文部分内容阅读
作为家庭服务机器人的一种,智能轮椅在老年人及残障人士的生活中扮演着重要的角色。将机器人导航技术应用于智能轮椅上已经经过了多年的发展与研究,而如何准确地估计出机器人在运动中的速度成为了该领域的一项研究重点。 作者所在实验室在前期工作中利用光流里程计作为智能轮椅位姿估计的方法,在光照不均匀、存在障碍物等不利条件的影响下,速度估计精度和鲁棒性相对于轮式里程计取得了一定的改善。但当轮椅线速度或角速度较大时,导致机载相机成像产生显著的运动模糊;且轮椅机器人的机械抖动易产生光流场的偏差,进而影响速度估计的精度。本文提出一种运动图像去模糊复原和基于仿射运动模型的光流场去抖动相结合的方法,实现在原有方法上的改进,以提高智能轮椅中光流里程计方法的精度。主要贡献有: (1)利用了一种的运动去模糊的退化图像复原方法,对机载相机采集的模糊退化视频帧进行复原,并采用无参考图的图像质量客观评价方法对复原后的图像进行定量分析。该运动去模糊方法主要有数据项和时间空间正则项组成,利用这三项构成能量泛函,为了求解简便将其划分成关于光流和清晰图像的两项,通过交替迭代的方法求解。特别是对于非均匀变化模糊,例如旋转运动造成的模糊也能够达到很好的复原效果。 (2)提出了一种基于光流场去抖动的方法,有效的缓解了轮椅行进时机械抖动产生光流场偏差对最终速度估计的影响。该方法利用了图像运动的仿射模型和初始光流特征点来计算出仿射参数,其次利用卡尔曼滤波来滤除仿射参数中的抖动噪声,最后反向求解得到光流补偿特征点,为后续的位姿估计提供较为准确的光流场。 (3)利用GPU的高效计算能力,分别实现了鲁棒变分光流算法在CUDA和OpenCL架构上的并行方式加速,相比于CPU端的串行运行方式,显著的提高了其实时性。 本文针对机载相机成像模糊、轮椅机械抖动及鲁棒变分光流实时性问题,提出了有效的解决方案。实验证明了所提方法的合理性和可行性。