移动机器人的三种通用视觉效果优化算法

优化算法1:深度特征提取。

它的基本原理是用两台平行的摄像机对室内空间的每一点进行三角测量。根据左右成对摄像机中成像点的部位,计算室内空间中匹配的三维点之间的距离。

智能机器人要想从多幅图像中获取整体目标的三维坐标,双目视觉技术中最重要的工作就是对图像进行配对,首先在上下两幅图像中建立物体的匹配点,然后得到每个点的视差及其深层信息内容。

双目立体视觉具有机械设备简单、质优价廉、精度高、速度快等优点,不需要接触物体就能测量距离和深层信息内容。它在无人飞机电缆安全检测和工程机器人工业生产中有着重要的应用。

优化算法2:导航定位。

智能机器人导航条是一个非常复杂的系统软件,它涉及以下技术方面:

(1)视觉效果里程表VO;

(2)绘图,使用VO和深度图;

(3)重新精确定位,从已知地形图中识别当前位置;

(4)闭环控制检查,清除VO的闭环控制差异;

(5)全球导航条;

(6)避开障碍物的视觉效果;

(7)场景切换,识别房子里的物体,添加标签。

简单来说就是智能机器人附近自然环境的光电解决方案。首先,通过监视摄像机收集图像数据,并且减少收集的信息内容。然后将其意见反馈给由神经网络和统计方法组成的学习和训练子系统。然后,学习训练子系统将采集到的图像信息内容与智能机器人的具体部位进行链接,对智能机器人进行独立定位和导航。

这种方法被称为SLAM(同步定位与地图绘制),是移动机器人智能水平的最好体现。它是否具有测绘和精确定位的工作能力,被广泛认为是智能机器人完全独立的重要必要条件。

目前常见的SLAM技术关键分为两类,一类是基于机器视觉系统的VSLAM,另一类是基于光电传感器激光的SLAM。

视觉效果SLAM是指利用监控摄像头、Kinect等深度摄像头进行定位导航和探索;到目前为止,室内视觉效果SLAM还处于科研环节,还没有达到具体应用的水平;而激光SLAM技术已经比较完善,也是目前性能优异的最稳定可靠的SLAM方法。

优化算法3:避障。

导航条的难点在于正确引导智能机器人接近总体目标。当智能机器人没有地形图时,接近整体目标的方法称为视觉效果避障技术。避障优化算法的难点是根据机器视觉系统的数据信息避开静态数据障碍物和动态障碍物,但仍保持向整体目标位置运动,并立即独立导航条。

有很多避开障碍物的优化算法。传统的导航条避障方法,如能见度图法、栅格数据法、自由空间法等,可以解决已知障碍物信息含量时的避障问题。然而,当障碍物的信息内容未知或障碍物可以移动时,传统的导航条不能很好地处理避障问题或根本无法避开障碍物。

然而,在大多数情况下,智能机器人所处的自然环境是动态的、可变的、不清楚的。为了更好地处理这些问题,我们从电子计算机和人工智能技术等行业引入了一些优化算法。

此外,由于CPU数学计算的改进和传感技术的发展趋势,移动机器人的服务平台越来越容易进行一些复杂优化算法的计算,产生了一系列智能避障的方法,其中比较流行的有进化算法、神经网络优化算法、模糊算法等。




相关文章