论文部分内容阅读
康复机器人通过视觉系统感知外部环境,将视觉信息反馈给控制系统,实现康复机器人导航定位以及机械手臂对任务目标的识别和操控,以辅助残疾人完成日常生活中的各种行为功能。康复机器人目标识别方法研究是实现机器人感知外部环境以及机器人操控的关键问题。目标特征提取与匹配是目标识别中的关键技术。提取对视角、尺度、旋转和光照具不变性的图像局部特征,对于复杂背景下目标识别的最终效果有着决定性的影响。同时,图像局部特征提取准确度直接影响康复机器人摄像机标定以及视觉系统对任务目标的姿态估计。针对康复机器人用户对象是残疾人,康复机器人目标识别的另一个主要工作是视觉系统对用户人脸信息的识别。本文根据康复机器人FRIENDⅢ研制需求,围绕基于图像局部特征的康复机器人目标识别方法关键问题展开研究,论文的主要研究工作如下:1研究了康复机器人目标识别的主要任务。概述了机器人视觉目标识别方法的关键问题。对比了基于全局信息和基于局部特征的目标识别图像处理算法,依次分析了典型的目标特征提取方法,特征描述符构建以及图像特征匹配策略。2提出了基于快速SIFT算法的目标识别方法。SIFT算法存在的主要不足是高维数的SIFT特征描述符计算复杂,造成算法实时性较差。为简化算法计算复杂程度,同时保证不损失正确匹配特征,首先构建目标图像尺度空间,提取SIFT特征点时将其按大小分类,然后扩展SIFT角度属性,由SIFT特征点子区域方向直方图计算得到4个新角度,代表特征点方向信息,最后在特征匹配时,根据SIFT特征点角度信息以及大小来限制特征点匹配范围,简化算法复杂程度,得到快速SIFT算法。实验结果表明,应用快速SIFT算法有效提高了特征匹配效率。3为了实现复杂背景下目标识别的稳定性,在快速SIFT算法基础上,提出了基于图像尺度因子的SIFT特征匹配方法。康复机器人FRIENDⅢ的视觉系统主要任务之一在视觉传感器发生视角变化、目标局部遮挡、旋转、以及光照变化等复杂背景下进行目标识别,但是复杂背景下能够获取的SIFT特征点数目减少,识别准确率降低。通过计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征匹配,有效的保证了正确匹配数量,同时将最近邻和次近邻特征点距离限定在一个特定范围查询,减小其比值,有效地恢复被错误排除的正确匹配,保证了复杂背景下目标识别的准确率。4提出了一个基于扩展SIFT特征点的闭环模糊控制方法。分别提取原目标图像与待识别目标图像的极大特征值点与极小特征值点,进行SIFT特征点匹配,将每一个仿射变换与单位矩阵的差异传递给模糊控制器,用于改进匹配结果。应用Mamdani模糊控制器,采用三角模型函数和梯形模型实现模糊化,通过康复机器人目标识别实验分析,构建合理的模糊规则表,采用质心逆模糊化方法,最终实现基于扩展SIFT特征点的闭环模糊控制目标识别优化策略。5进行了康复机器人视觉系统目标姿态估计与摄像机标定研究。在闭环模糊控制策略的基础上,对机器人目标图像进行目标姿态估计实验,通过实验数据从图像信息中获取三维空间物体几何信息,通过计算摄像机成像几何模型参数实现康复机器人视觉系统摄像机标定。研究了基于图像的康复机器人视觉伺服方法。6提出了Adaboost算法与改进SIFT方法融合的机器人用户人脸信息识别方法。康复机器人FRIENDⅢ的视觉伺服系统需要实时采集用户人脸信息,通过基于Haar-like人脸特征的Adaboost机器学习算法进行人脸检测,再通过改进SIFT算法提取人脸局部特征,实现在光照、表情、姿态发生变化情况下的人脸识别。采用SIFT算法进行人脸识别不需要对人脸图像规范化,也不需要训练样本,同时改进SIFT算法,从速度和鲁棒性方面优化算法,满足视觉系统对用户人脸识别的要求。