基于嵌入式的移动机器人快速视觉定位及远程监控系统及方法

1.一种基于嵌入式的移动机器人快速视觉定位及远程监控系统，包括嵌入式底板(1)、嵌入式核心板(2)、图像数据采集模块(3)、数字信号处理模块(4)、通信模块(5)、USB接口(6)、存储模块(7)、摄像头(8)和定位显示终端(9)，其特征在于：在嵌入式底板(1)内设置嵌入式核心板(2)、图像数据采集模块(3)、数字信号处理模块(4)、无线通信模块(5)、USB接口(6)和存储模块(7)，摄像头(8)与嵌入式底板(1)上的USB接口(6)相连接，图像数据采集模块(3)的信号输入端连接到USB接口(6)。
2.根据权利要求1所述的基于嵌入式的移动机器人快速视觉定位及远程监控系统，其特征在于：所述的嵌入式核心板(2)为基于ARM的体系结构，图像数据采集模块(3)为具备视频解码功能的CCD/CMOS照相模块，数字信号处理模块(4)为基于DSP的数字信号处理模块，通信模块(5)为无线通信模块。
3.一种基于嵌入式的移动机器人快速视觉定位及远程监控方法，它包含下列步骤：
(1)将移动机器人行走路径中的特定标示物景物进行图像采集，并进行处理，得到含有特定标示物图像的原始图像；
(2)制作标示物模板图像，将获得的特定标示物原始图像进行处理，截取标示物的重要部分，制作成标示物模板图像；
(3)运用改进SIFT算法对标示物模板图像进行处理，得到特定标示物模板图像的SIFT特征点向量集合；
(4)利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理，将图像变成灰度图，得到待识别图像；
(5)运用改进SIFT算法对得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；
(6)将得到的特定标示物模板图像的SIFT特征点向量集合和得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；
(7)将计算得到的特定标示物模板图像的匹配特征点集合进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，最后根据特定标示物代表的坐标位置，确定移动机器人的位置，达到视觉定位的目的，并通过通信模块将定位信息通过网络传送到移动机器人定位显示终端。
4.根据权利要求3所述的基于嵌入式的移动机器人快速视觉定位及远程监控方法，其特征在于：所述的特定标示物是移动机器人行走路径中任意的图像。
5.根据权利要求3所述的基于嵌入式的移动机器人快速视觉定位及远程监控方法，其特征在于：所述的改进SIFT算法为对每个关键特征点采用6维向量表示。
6.根据权利要求3所述的基于嵌入式的移动机器人快速视觉定位及远程监控方法，其特征在于：所述的对标示物模板图像进行处理为通过检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后，提取出对旋转、尺度缩放、亮度变化保持不变性SIFT特征向量，并存储在计算机数据库中。
7.根据权利要求3所述的基于嵌入式的移动机器人快速视觉定位及远程监控方法，其特征在于：所述的匹配特征点的查找及计算为采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量，取特定标示物图像中的某个关键点，并找出其与待识别图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点。
8.根据权利要求3所述的基于嵌入式的移动机器人快速视觉定位及远程监控方法，其特征在于：所述的匹配特征点集合的处理为采用极线约束法去除误匹配点。

基于嵌入式的移动机器人快速视觉定位及远程监控系统及\n方法\n技术领域\n[0001] 本发明涉及一种移动机器人导航技术，特别是一种应用嵌入式计算机技术和基于改进SIFT算法的数字图像识别技术相结合的移动机器人远程快速视觉定位系统及方法。\n背景技术\n[0002] 图像识别技术作为移动机器人视觉定位系统的核心和基础技术之一，是目前移动机器人视觉定位领域研究的前沿和热点，该技术在移动机器人环境感知、自主定位、类人行为等具体实践中正得到越来越广泛的应用，其图像匹配算法一SIFT算法也逐渐被人们所采用。\n[0003] SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。运用SIFT算法提取的SIFT特征点向量具有如下优点：SIFT特征是图像的局部特征，对旋转、尺度缩放、亮度变化保持不变化性，对视角变化、仿射变换、噪音也保持一定程度的稳定性；独特性好，信息量丰富，适用于在海量特征数据库中进行快速、准确的匹配；多量性，即使少数的几个物体也可以产生大量SIFT特征向量。\n[0004] 目前，移动机器人视觉定位为提高视觉识别的实时性大都使用功能强大的工控机进行视觉识别运算，这样造成了机器人系统结构的庞大、冗余度大、功耗高、对环境适应性弱、移动性不好、价格昂贵，且原有的SIFT算法需要较大的计算量，降低了移动机器人定位的实时性。\n发明内容\n[0005] 根据背景技术所述，本发明的目的在于避免上述不足，提供一种利用嵌入式计算机技术和基于改进S IFT算法的图像识别技术，可大大降低匹配时间，并能对移动机器人行走路径中的复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的特定标示物进行有效识别，简化移动机器人的结构的基于嵌入式的移动机器人快速视觉定位及远程监控系统及方法。\n[0006] 为了实现上述目的，本发明是通过以下技术方案来实现的：\n[0007] 一种基于嵌入式的移动机器人快速视觉定位及远程监控系统，包括嵌入式底板(1)、嵌入式核心板(2)、图像数据采集模块(3)、数字信号处理模块(4)、通信模块(5)、USB接口(6)、存储模块(7)、摄像头(8)和定位显示终端(9)，其中：在嵌入式底板(1)内设置嵌入式核心板(2)、图像数据采集模块(3)、数字信号处理模块(4)、无线通信模块(5)、USB接口(6)和存储模块(7)，摄像头(8)与嵌入式底板(1)上的USB接口(6)相连接，图像数据采集模块(3)的信号输入端连接到USB接口(6)。\n[0008] 所述的嵌入式核心板(2)为基于ARM的体系结构，图像数据采集模块(3)为具备视频解码功能的CCD/CMOS照相模块，数字信号处理模块(4)为基于DSP的数字信号处理模块，通信模块(5)为无线通信模块。\n[0009] 基于嵌入式的移动机器人快速视觉定位及远程监控方法，它包含下列步骤：\n[0010] (1)将移动机器人行走路径中的特定标示物景物进行图像采集，并进行处理，得到含有特定标示物图像的原始图像；\n[0011] (2)制作标示物模板图像，将获得的特定标示物原始图像进行处理，截取标示物的重要部分，制作成标示物模板图像；\n[0012] (3)运用改进SIFT算法对标示物模板图像进行处理，得到特定标示物模板图像的SIFT特征点向量集合；\n[0013] (4)利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理，将图像变成灰度图，得到待识别图像；\n[0014] (5)运用改进SIFT算法对得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；\n[0015] (6)将得到的特定标示物模板图像的SIFT特征点向量集合和得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合；\n[0016] (7)将计算得到的特定标示物模板图像的匹配特征点集合进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，最后根据特定标示物代表的坐标位置，确定移动机器人的位置，达到视觉定位的目的，并通过通信模块将定位信息通过网络传送到移动机器人定位显示终端。\n[0017] 所述的特定标示物是移动机器人行走路径中任意的图像；\n[0018] 所述的改进SIFT算法为对每个关键特征点采用6维向量表示；\n[0019] 所述的对标示物模板图像进行处理为通过检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后提取出对旋转、尺度缩放、亮度变化保持不变性SIFT特征向量，并存储在计算机数据库中；\n[0020] 所述的匹配特征点的查找及计算为采用关键点特征向量的欧式距离来作为两幅图像中关键点的相似性判定度量，取特定标示物图像中的某个关键点，并找出其与待识别图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点；\n[0021] 所述的匹配特征点集合的处理为采用极线约束法去除误匹配点。\n[0022] 由于采用了上述技术方案，本发明具有如下优点和效果：\n[0023] 1、本发明无需对包含特定标示物背景图进行较精确的分割，只要特定标示物背景图像中包括特定标示物的图像即可；特定标示物无需进行倾斜校正、二值化等预处理过程；\n无需采集训练样本，工作量低，特定标示物模版图像制作简单，可根据需要灵活的加以变更；\n[0024] 2、本发明可对复杂背景、倾斜、形变、污浊、部分遮挡、光线变化的特定标示物进行有效识别；匹配时间短，非常适合移动机器人视觉定位的实时性要求；\n[0025] 3、本发明利用了嵌入式技术，根据软硬件的具体要求量体裁衣，去除冗余，使软硬件都达到最精简状态。与PC机相比，嵌入式系统的功耗低、体积小，对环境的适应性强、移动性强，更主要的是价格便宜很多，约为同等功能的PC系统的1/10-1/5；\n[0026] 4、本发明采用Internet技术，把移动机器人定位信息传到网络另一端的移动机器人定位显示装置，实现了移动机器人远程定位。\n[0027] 5、本发明\n附图说明\n[0028] 图1为本发明系统的结构示意图。\n[0029] 图2为本发明基于改进SIFT算法的视觉定位流程图。\n具体实施方式\n[0030] 由图1示出基于嵌入式的移动机器人快速视觉定位及远程监控系统，它包括：嵌入式底板(1)、嵌入式核心板(2)、图像数据采集模块(3)、数字信号处理模块(4)、通信模块(5)、USB接口(6)、存储模块(7)、摄像头(8)和定位显示终端(9)，其中：在嵌入式底板(1)内设置基于ARM(advanced RISC machines)体系结构的嵌入式核心板(2)、具备视频解码功能的CCD/CMOS图像数据采集模块(3)、基于DSP(digital signal processor)的数字信号处理模块(4)、无线通信模块(5)、USB接口(6)和存储模块(7)，摄像头(8)与嵌入式底板(1)上的USB接口(6)相连接，图像数据采集模块(3)的信号输入端连接到USB接口(6)；采集的图像数据送给数字信号处理模块，利用其内部的改进SIFT算法对图像进行特征提取，然后交给核心板的Linux操作系统进行与存储模块(7)内存储的特定标示物的特征数据进行比对，实现图像识别，识别成功后将特定标示物的坐标通过无线通信模块(5)传送到网络，经过互联网送到定位显示终端，实现移动机器人远程快速视觉定位。\n[0031] 由图2示出基于嵌入式的移动机器人快速视觉定位及远程监控方法，具体步骤如下：\n[0032] 1、将移动机器人行走路径中的特定标示物景物进行图像采集并进行处理，特定标示物可以是移动机器人行走路径中任意的图像，得到含有特定标示物图像的原始图像；\n[0033] 2、制作标示物模板图像，具体方法为将获得的特定标示物原始图像进行处理，截取标示物的重要部分，制作成标示物模板图像；\n[0034] 3、运用改进SIFT(Scale Invariant Feature Transform)算法对每个关键特征点采用6维向量表示，对标示物模板图像进行处理，通过检测尺度空间极值点、精确定位极值点、为每个关键点指定方向参数及关键点描述子的生成这几步之后提取出对旋转、尺度缩放、亮度变化保持不变性SIFT特征向量，得到特定标示物模板图像的SIFT特征点向量集合，存储在计算机数据库中；\n[0035] 4、利用移动机器人摄像头对机器人周围图像进行采集，存储并进行灰度处理，将图像变成灰度图；\n[0036] 5、运用改进SIFT算法对步骤4中得到的待识别图像进行处理，得到待识别图像的SIFT特征点向量集合；\n[0037] 6、在步骤3中的到的特定标示物模板图像的SIFT特征点向量集合和步骤(5)中得到的待识别图像的SIFT特征点向量集合中查找相互匹配的特征点，计算两张图像相对应的匹配特征点集合，匹配特征点的查找及计算为采用关键点特征向量的欧式距离(euclidean distance在m维空间中两个点之间的真实距离)来作为两幅图像中关键点的相似性判定度量，取特定标示物图像中的某个关键点，并找出其与待识别图像中欧式距离最近的前两个关键点，在这两个关键点中，如果最近的距离除以次近的距离少于某个比例阈值，则接受这一对匹配点；\n[0038] 7、对步骤6中计算得到的特定标示物模板图像的匹配特征点集合采用极线约束法去除误匹配点进行处理，根据匹配特征点在特定标示物模板图像中的坐标位置，实现对机器人周围景物的图像识别，最后根据特定标示物代表的坐标位置，确定移动机器人的位置，达到视觉定位的目的。