移动机器人视觉抖动的Ｋａｌｍａｎ滤波补偿

2012年07月03日13:50:46 本网站我要评论(2)字号：T | T | T

关键字：

王斌锐，徐　肶，金英连
中国计量学院机电工程学院自动化研究所，浙江杭州

摘　　　要：消除视觉抖动是机器人移动中对接作业的关键。基于仿射变换，建立了图像的递推运动模型；设计了基于梯度的分区域的ＫＬＴ特征提取算法，分析了梯度与灰度变化的关系；利用绝对误差和较优进行特征点的匹配，并利用菱形搜索算法来提高匹配速度，设计自适应模板算法来解决匹配结果不惟一的问题；利用较小二乘法求解超定运动方程组，得到运动参数。推导得到有意运动参数的观测模型；利用Ｋａｌｍａｎ滤波去除无意运动；利用滤波后的运动参数重构图像，对含抖动的视频进行稳像补偿。在非平整路面内移动机器人上开展实验。结果表明，相对参数滤波比绝对参数滤波更平滑，且算法对ｘ和ｙ方向的抖动补偿无相互干扰，经过该算法处理后的视频序列与原序列相比结果得到较大改善，满足准确性要求。

关　键　词：视觉抖动；特征匹配；超定方程；Ｋａｌｍａｎ滤波；运动补偿

１　引　言
摄像头安装在非平稳移动的机器人上，视频带有抖动。视频稳定主要包括光学稳像、机械稳像和电子稳像［１２］３种方法。光学稳像和机械稳像需专用设备，成本高。电子稳像直接对视频进行操作，是现代稳像技术发展的重要方向，主要包括运动的估计、滤波和补偿三部分。文献［３］提出用块匹配的方法估计视频运动参数，计算量大；文献［４］用灰度投影方法估计运动参数，算法精度不高，效果不明显；文献［５６］用ＳＩＦＴ（尺度不变）特征匹配估计运动矢量；文献［７］主要研究以灰度投影算法为基础的电子稳像算法。运动滤波是视频稳定的重点，主要有均值滤波、ＦＩＲ滤波和Ｂ样条滤波［８１０］。ＫＬＴ［１１］算法是Ｋａｎａｄｅ，Ｌｕｃａｓ，和Ｔｏｍａｓｉ等人提出的一种利用空间亮度等级差异信息获取特征点的特征提取和跟踪算法。本文首先利用ＫＬＴ方法对图像进行特征提取；其次对相邻２帧之间作特征匹配得到运动参数；而后运用Ｋａｌｍａｎ滤波方法去除无意运动；较后开展了实验研究。

登录网站后可下载文件

移动机器人视觉抖动的Ｋａｌｍａｎ滤波补偿

相关阅读: