论文部分内容阅读
随着人口老龄化的加剧,移动机器人走入家庭服务人类的需求越来越迫切。而自主导航的鲁棒性、高效性是制约移动机器人走入家庭的重要因素。智能机器人的首要任务是能够自主到达目标区域,既有的导航方式往往难以胜任如今愈加多样化的动态室内环境。为了克服以往导航方式成本高、对环境依赖性高的缺点。本文基于BoW模型提出了一种自然路标导航方法,并模仿“寻人指路”的方式,设计了一种高效易操作的手绘地图。 为了方便机器人定位,本文采用室内常见的显著物体为自然路标,并利用BoW模型实现自然路标的识别。以显著物体为路标具有很多优点:对局部遮挡具有较高的鲁棒性;不需要改造环境;成本低廉。具体研究包括下面几部分。 首先,在分析经典BoW模型的基础上,提出了一种改进的SBoW算法。本文从三个方面改进经典的BoW算法:1.在经典BoW模型的基础上融合了特征点之间的空间关系,避免了经典BoW算法忽略特征点空间分布特性的缺陷;2.提出了一种背景过滤的方法,降低背景对主体目标的干扰;3.采用更加高效的层次K均值聚类,构造BoW模型中的词汇树。通过在标准数据库上的物体分类对比实验,证明改进后的算法极大地缩短了聚类时间,同时提高了物体识别率。 然后,本文提出了一种便于人机交互的“手绘地图”帮助机器人在部分未知环境下快速导航。为了方便机器人获得环境模型,本文从“寻人指路”方式中获得启发,设计了一种类似的手绘地图。手绘地图中只标注了自然路标的大致位置,自然路标代表的物体种类以及导航路径。对自然路标的可靠识别、手绘地图的表示方式、基于路标识别的视觉粗定位、避障导航4个方面进行了研究,提出了一套完整的视觉导航算法。 最后,在Pioneer3移动机器人平台上实现了本文设计的基于自然路标识别的视觉导航算法。通过真实环境下大量的实验,从不同角度验证导航算法的有效性。实验结果表明,依靠本文设计的导航算法,机器人能够从不精确的手绘地图中获取有效的导航信息,然后识别自然路标达到视觉导航的功能。该导航方法体现了操作简单高效,人机交互性强,动态环境下适应能力高的优点。