基于单目摄像头的步行机器人定位系统

摘要

一种基于单目摄像头的步行机器人定位系统，环境模型采用点模型表示，标定离线地图，并建立动作模型及观测模型进行位置更新及路标标定，采用蒙特卡罗粒子滤波技术，用带有权值的粒子集分布表示机器人位姿估计，通过路标匹配处理更新粒子的权值和分布，栅格化场地粒子分布，选择粒子密集度最大的子区域定位机器人所在位置。该系统作为独立平台，其地图标定技术在环境模型上有很大改进，对地面线段的识别有很大的灵活性，在环境变换后只需重新标定，不需重新建模。该模型降低了视觉处理中匹配的复杂度，提高了计算效率。在对信息融合处理技术上对蒙特卡罗定位算法进行扩展，保证了系统的实时性和鲁棒性。

主权项

1.一种基于单目摄像头的步行机器人定位系统，其特征在于：环境模型采用点模型表示，标定离线地图，并建立动作模型及观测模型进行位置更新及路标标定，采用蒙特卡罗粒子滤波技术，用带有权值的粒子集分布表示机器人位姿估计，通过路标匹配处理更新粒子的权值和分布，栅格化场地粒子分布，选择粒子密集度最大的子区域定位机器人所在位置；所述步行机器人定位系统包括离线地图标定模块、动作更新模块、观测更新模块、重采样模块和位置估计模块；所述的离线地图标定模块标定离线地图，其将环境中的人为路标和自然路标的绝对坐标信息保存在机器人内部文件里，对地面线段的标定用一定间隔的边缘点的标定代替线的标定，其坐标系与表示机器人位置的世界坐标系一致，定位系统通过探测的路标与该地图比较得到机器人的当前位置；所述的动作更新模块对应里程计传感器建立，其通过机器人的里程计传感器信息对粒子集中的每个粒子的位置进行更新，每个粒子在当前位姿上累加单位时间的机器人位移和噪声误差，噪声误差为零均值的高斯噪声，其方差取决于当前位置的可信度；所述的观测更新模块对应摄像头传感器建立，其通过观测物体相对机器人的角度和距离更新粒子的权值，并将单个粒子看作一个高斯分布模型，通过视觉观测信息改进粒子预测分布，在模型中嵌套扩展卡尔曼滤波器对采样粒子的分布进行优化处理，更新粒子集；所述的重采样模块定义了以观测更新后的粒子分布信息为判断依据适时地进行新粒子补充的扩展蒙特卡罗定位算法，其在第一次粒子集更新基础上，对粒子权值进行检验：计算当前粒子集合的平均权值并作为阙值，按一定的概率抽取集合中的粒子，比较其权值与的大小，若小于平均权值，则删除该粒子，产生新粒子替代；所述的位置估计模块确定机器人的最终位置，其将粒子空间栅格化后，将空间的倍作为子空间以子空间为单位遍历粒子空间，得到粒子数最多的区域，将其代替整体区域作为机器人位姿最终估计区域，其中将矢量中分量分成k等分，i为空间维数；所述的粒子集更新包括以下步骤：1)路标匹配，将视觉得到的环境信息匹配到离线地图中，根据机器人的绝对位置和点对机器人坐标系的相对位置，计算出点在世界坐标系上的绝对位置及其边缘梯度值信息，边缘梯度则为点的方向，由机器人的位置得到局部地图的范围，已知点的属性后代入局部的离线地图表中查询，根据最小方差匹配出该点的绝对位置估计值；2)粒子权值更新，根据路标类型的不同，粒子权值P由一系列权值表示P＝{p₁，...，p_n}，n表示类型的数量，通过路标匹配所有观测到的路标得到其唯一的全局坐标；当识别到类型为j的路标时，粒子点针对此类型的权值p^j取决于粒子点位置与地标的距离和夹角与机器人观测到路标的距离和夹角的偏差，建立关于偏差和权值关系的高斯模型函数，其中的协方差参数作为调节不同地标对物体的影响；3)粒子集通过重要路标更新分布，将机器人的观测模型中混合扩展卡尔曼滤波算法，将单个粒子看作一个高斯分布模型，通过视觉观测信息改进粒子预测分布，使粒子向似然较高区域移动，减少了粒子退化，并加快收敛。