论文部分内容阅读
稳像是提高基于视觉的移动机器人作业精度的关键。论文建立了完整的稳像算法流程，包含图像运动学模型、KLT特征提取、SAD特征匹配和滤波算法；设计了运动参数的Kalman和FIR滤波算法；并利用MATLAB实现了运动参数的Kalman和FIR滤波器；仿真验证和对比分析了Kalman和FIR滤波器对运动参数的去抖效果。结果表明，机器人视觉稳像中，Kalman滤波效果优于FIR滤波。用VC＋＋和OpenCV编程实现了基于Kalman滤波的机器人视觉稳像软件，在双机器人移动平台上开展了实验，稳像计算时间小于视频采样