随着人口老龄化和提高残疾人生活质量的需要,如何提高智能轮椅的自动化水平成为学术界重要的研究课题。采用麦克纳姆轮的全向运动轮椅能够提高智能轮椅的灵活性,但同时也为其速度测量推出了挑战。由于光照不均匀、局部运动模糊和障碍物会影响传统基于光流的机器人运动速度测量的精度。因此,本研究提出了一种基于变分光流的全向智能轮椅测速算法,并在装载有单目相机的全向智能轮椅平台和Pioneer3-DX机器人平台上进行了实验验证。主要贡献有:(1)对传统变分光流算法进行改进,以提升光流估计精度。传统变分光流模型易受光照变化影响且在边缘处会造成过度平滑,针对以上问题,本文在传统能量泛函模型的数据项中引入了梯度守恒假设和拉普拉斯守恒假设,以提升算法在存在光照变化及快速旋转分量情况下的鲁棒性;在平滑项中引入了图像、光流联合驱动的平滑策略以保护边缘。与传统稀疏光流算法相比,通过引入改进光流算法能够有效提高全向轮椅速度测量精度。(2)引入基于平面片光流模型的随机抽样一致(Random Sample Consensus,RANSAC)光流提纯算法。在室内场景中,由于光照不均匀、运动模糊以及障碍物的影响,难以避免异质光流的产生,从而影响运动估计的精度。针对以上问题,本研究首先基于智能轮椅的平面运动假设建立光流平面片模型,然后将平面片光流模型应用于RANSAC算法中,以排除异质光流矢量,提升智能轮椅在存在光照不均匀、运动模糊及障碍物情况下的精度。(3)结合卡尔曼滤波对全向轮椅速度进行估计。由于机械振动、运动冲击以及光流估计不准等因素的影响,将导致轮椅速度测量值产生振荡现象,研究通过引入卡尔曼滤波抑制振荡现象;当轮椅运动速度较快,即帧间位移较大时,光流计算所需的图像重叠降低,将导致光流估计的失败。研究将卡尔曼滤波先验状态变量与光流估计相结合,有效预测像点帧间位移量,提供光流估计的初值,以缩小特征匹配搜索的区域,使变分光流算法快速收敛,提升智能轮椅快速运动时速度测量的精度。实验结果表明,通过引入变分光流算法,能有效提高全向轮椅速度估计的精度和鲁棒性,扩大了智能轮椅的速度测量范围。