在目前的肠道疾病检查领域,传统的内窥镜检查因其高痛苦、高风险的特性已不能适应人们的需要。以非侵入式的胶囊机器人进入人体检查,正成为一种新型的检查方式。在实际的诊疗过程中,为了便于医生观察病灶,胶囊机器人的姿态反馈控制信息显得至关重要。现有的姿态感知方法多采用信号探测或传感器阵列测量的方式,这种方式极大地消耗了硬件资源并增加了成本,不利于胶囊机器人的推广使用。本文从胶囊机器人携带的相机入手,提出了一种基于计算机视觉的胶囊机器人姿态感知方法。该方法分为四个模块:特征增强模块、皱襞匹配模块、光流跟踪模块和姿态计算模块。肠道中的视觉不变特征可根据肠道绒毛信息的强弱在皱襞匹配和光流跟踪中切换。本文首先建立了磁场控制系统中的多个坐标系,推导了胶囊机器人在世界坐标系中的姿态描述方法。接着在充分分析肠道的生理结构解剖特性的基础上,分别选取肠道皱襞和绒毛作为视觉不变特征。考虑到肠道中欠光照的情况,本文采用单尺度Retinex对图像进行光照补偿,同时利用双边滤波在降噪的同时尽可能地保留了肠道中的皱襞信息以便于后续的提取和匹配。在半稠密的肠道皱襞方面,本文采用自适应阈值分割的方式提取皱襞,在此基础上将皱襞的匹配分为粗匹配与精匹配两部分。粗匹配主要解决的是肠道皱襞的整体性匹配问题,因此从具备RST不变性的Hu矩入手,以不同肠道皱襞间Hu矩的欧氏距离大小作为其相似性度量,而精匹配过程是为了获得肠道皱襞点间的对应关系,因此采用形状上下文将其抽象成带权的二分图匹配,利用Kuhn-Munkres算法求解。当肠道中绒毛特征点数量大于所设阈值时,本文采用了实时性更强的Lucas-Kanade光流法,将胶囊机器人的运动信息分解至图像金字塔上每层的光流增量,自顶向下迭代求解。并对传统Shi-Tomasi角点提取算法作出改进,以角点作为肠道初始帧中的光流点。在得到皱襞点或光流点在前后帧中的匹配关系后,本文将胶囊机器人的姿态计算分为姿态初值计算和可选的姿态优化部分。首先通过对极几何约束求解出胶囊机器人姿态变化的运动参数,并以此为基础恢复出肠道中空间点的相对深度信息,接着将肠道空间点和运动参数作为待优化变量,利用光束平差法进行优化。为了验证该姿态感知方法的可行性,本文在理想肠道模型中进行了实验,同时以肠道内空间点的重投影误差衡量姿态计算的准确程度。实验结果表明,该感知方法的姿态计算的误差小于5个像素,可满足胶囊机器人在人体肠道中姿态感知需求。