1、第 卷 第期 年 月广西大学学报（自然科学版）（）收稿日期：；修订日期：基金资助：国家自然科学基金项目（）；广西自然科学基金项目（）通讯作者：陈继清（），男，广西玉林人，广西大学副教授，博士；：。引文格式：陈继清，桂海宁，王志奎，等基于特征点法的自适应 改进方法广西大学学报（自然科学版），（）：基于特征点法的自适应 改进方法陈继清，桂海宁，王志奎，龙腾，黄春林（广西大学 机械工程学院，广西 南宁 ；南宁正腾农机有限公司，广西 南宁 ）摘要：由于传统的机器人定位导航的方法多为特征点法，由于特征点法需要在较为丰富的纹理环境下进行特征点的提取，故特征点法易在低纹理环境下失效。针对机器人定位导航在低纹
2、理环境下失效的问题，提出一种机器人定位导航改进方法，通过对于相机图像的预处理，分选出低纹理环境图片，并把分选好的图片流入不同的系统进行处理，最后结合得到的位姿信息与惯性测量单元（）中的数据进行融合，得到一个可以适用于低纹理环境下的机器人定位导航系统。使用 数据集对于改进的机器人定位导航系统进行验证。实验结果表明，该系统可以识别 无法正常运行的低纹理环境，误差比 的减小。关键词：低纹理空间；直接法；自适应；自动行驶；惯性测量单元中图分类号：文献标识码：文章编号：（），（，；，）：，广西大学学报（自然科学版）第 卷 ，（）：；引言近些年，即时定位与地图构建（，）作为自动驾驶领域的关键技术，已经开始
3、广泛的应用于航空航天、无人化驾驶和扫地机器人等领域。对于 系统而言，高精度和低计算成本是视觉 的核心的要求。目前主流的方法有基于光度不变性的直接方法 和 （，），以及基于特征的间接方法。直接方法通过最小化光度误差来恢复相机姿态位置，而间接方法则利用最小化重投影误差来判别相机姿态位置，并使用回环检测实现重定位来消除全局基于特征点的漂移。这种连续跟踪相邻帧的关键点来恢复相机运动轨迹的方法具有鲁棒性，因为这种辨别出的关键点相对而言是不受视点和光照变化的影响的。最近，很多学者提出了许多用于实时的间接 方法的应用。其中，被认为是一种先进的 方法 ，是在总结前人的基础上进一步开发的 系统，是一种结合了实时
4、视觉 系统（）与一种快速位置的识别方法（），以及一种高效的基于图像处理的光束法平算法的 系统，因此，与现有的其他解决方案相比 有更好的精度和稳定性。在实验研究中发现，在一些低纹理场合中，无法得到足够的描述子数量，使得 的跟踪失败，致使 无法正常运作。而 因为其直接法使用的是像素梯度而不必是角点，所以可以在特征缺失的环境下运行得到了定位信息。为了应对在低纹理环境下 失效的情况，本文中提出了一种对于环境进行预处理的检测方法，使得系统可以自主分辨出环境是否为低纹理环境，对于分辨出的低纹理环境由 进行处理，而对于非低纹理环境的图片 由 进 行 处 理。最 后 把 从 和 中得到的位姿信息与惯性测量单元
5、（，）相结合，使得整个算法得到更为准确的尺度信息，从而提高整个 算法 的精度。该算法首先基于传统的 和 算法，不仅使得跟踪可以在低纹理环境下运行，且保持着更快的速度比之于传统的 算法。其次，对于针对单目相机对于尺度判断的不确定性，通过 数据 增强系统的鲁棒性，增加系统的精度。图像预处理设计对于环境的分析较为常见的是特征点的直接统计，但是在实验的过程中发现直接统计特征点的方法不能非常有效的区分低纹理环境。虽然有些环境下的图片的特征点分布较为集中，导致其特征点数量达到了要求，但是分布的问题导致其并不能满足特征点法的需求。本文提出一种图像预处理方法来帮助 系统可以识别当前环境。图像预处理流程图如图所
6、示。首先，图中的图像处理器使用 特征点提取的方法对于图片的特征进行处理。而传统的对于特征点的判断是基于特征点的数量，图片中的特征点非常集中且为远点不利于特征点法的定位，而相对于特征点法，则体现出了相当强的捕捉能力。第期陈继清，等：基于特征点法的自适应 改进方法图图像预处理流程图 系统首先用 四分法 对于整个图像进行处理。去除其不含特征点的区域，以此方法对此迭代次，得到 个分割后的图像，对于保有特征点的图像进行保留并记录，并记录保留图像总数记为，为计算所得当前图像的评价系数，为图像的评价系数。经过多次实验验证取 时系统表现最好。具体流程如图所示。图图像处理器进程图 初始化处理 张图像后，通过记录
7、值的大小，分辨出图片是否为低纹理图片，再流向不同的 系统对于图像信息进行进一步的处理。与此同时，提取特征点 的 的一个进程，所以对于处理后的结果无需重复进行，直接将图导入 中，由于没有进行匹配，因此运行时间仅为 。特征点处理时间为 。当图片导入到 算法中，由于直接法使得算法的运行速度大大快于原有的特征点法，因此整个运行速度提升。同时，低纹理状态下的图片导入到了 中，使得整个系统得以对低纹理环境继续进行追踪，弥补了 的失效问题。自适应改进 整体框架如图所示，图中的系统 与系统 分别为 与 系统。深色的方框是自适应改进 的贡献。为了实现运动的连贯性，采用了速度滑冰接力赛的方法：预留一个缓冲区，使得
8、系统的切换变得更加紧凑，由于 的处理速度远远慢于 的处理速度，因此当判定符号发出以后，的线程继续运行 张图片后处理公布出姿态位置信息，同时也对这 张图进行处理，并公布姿态位置信息，个姿态位置信息融合得到新的姿态位置信息，随后 停止运作，在新的姿态信息的基础上 对于后面的信息进行运作。为了保持系统的稳定性，对于 线程切换到 线程也是运用这种方式。广西大学学报（自然科学版）第 卷图改进的 的框架 融合设计首先在通常情况下 的更新频率远远快于系统输出的位姿估计，使得对于 融合的时候要同步二者的更新频率，保证二者在时域上进行统一，以惯性数据为核心，视觉测量数据修正惯性测量数据的累积误差，从而得到更准确
9、的位姿信息。系统采用的是多传感器融合（，）的方法，方法的进程图如图所示。图 融合进程图 图中位姿预测信息来源于之前系统中生成的坐标信息，信息 来自于传感器和数据集中提供的 信息。主要是加速度信息和速度信息，位姿信息为系统生成的坐标信息，由于单目相机中生成的图片信息很容易产生尺度的突变。为了应对这种现象同时计算双方的相对位置，这样尺度就可以过滤的比较准确。然后，再把优化后的值加入到原来的状态中，整合出新的位姿 的均值和扰动，进而优化了整个 系统。具体关于 与姿态的整合公式说明如下：初始状态表示：，（）式中：代表相对位置信息（坐标）；代表相对运动信息（速度）；代表相对位姿信息（旋转）；代表初始的白
10、噪声；为度量常数；为 坐标系；为世界坐标系（地心惯性坐标系）；为当前时间；为相机坐标系；为视觉框架坐标系；为当前时间 坐标系相对于世界坐标系的位置坐标；表示为偏差；为加速度；为测量加速度；为加速度噪音，为角速度。理想运动模型：，（）第期陈继清，等：基于特征点法的自适应 改进方法（）（），（）（），（），（）。（）实际运动模型：?，（）?（?）（?），（）?（?）?，（），（）?。（）误差状态表示：?。（）误差运动状态模型：，（）（?）（?）（?），（）?，（）?，（）?，（）?，（），（）?。（）误差状态导数的转移矩阵：?。（）二阶泰勒展开（忽略二阶以上微小量）：！（）。（）误差状态的转移矩阵
11、：?（）?（）。（）预测误差状态和预测误差协方差矩阵：广西大学学报（自然科学版）第 卷 。（）因为系统与 的融合是建立在位姿估算已经完成的情况下，所以在这里系统已经完成了回环检测以及建图的工作，因此系统无需与常规的 融合一样进行全局。系统以标定的位姿估计为起点，把视觉的相对测量值与 的相对测量值进行融合，随后融合得到相对的测量状态，再把相对状态的均值和扰动合并进主状态以及主状态扰动，最后主状态再与位姿估计融合出新的主状态。对于的位置进行测算：（）（），（）?。（）得到误差测量参数矩阵：?。（）再对于位姿进行测算：，（）?。（）得到误差测量参数矩阵：?。（）最后得到位置纠正矩阵：?，（）式中：?
12、；?。最后更新位置信息：（）。（）完成 融合，同时更新地图信息，输出跟踪轨迹信息。实验 实验设计为了测试自适应改进 的性能，系统将在 和 中进行运行通用数据集 ，实验所用的电脑配置为低功耗的 。其中值取 ，为提高 运行速度及提高描述子采集频率描述子关联数量取。采用的数据集为 ，其中数据集名称中的 代表工厂（多纹理环境），代表室内环境（多纹理和低纹理共存环境），代表相机的移动速度为慢，代表相机的移动速度为中等，代表相机的移动速度为快。为了展示实验的效果图片，实验收集了改进的 的位姿信息和 位姿信息，并用 做出其与真实轨迹的对比图片。为了评估系统与其他系统之间的差异性，实验使用绝对轨迹误差（）和相
13、对位姿误差（）的均方根误差（）进行评估。最后为了评估系统与其他系统运行时间方面的差异性，实验统计了平均执行时间，以此对于系统的运行速度进行评估。实验结果分析首先分别使用 和改进的 运行数据集 中的数据包，使得生成位姿信息，并分别使用 把位姿信息与真实轨迹进行对比，结果如图 所示。第期陈继清，等：基于特征点法的自适应 改进方法（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（）改进的 系统相对位置误差分析表图运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图运行
14、数据集的 与改进的 的绝对位置图 广西大学学报（自然科学版）第 卷（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（）改进的 系统相对位置误差分析表图运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图运行 数据集的 与改进的 的绝对位置图 第期陈继清，等：基于特征点法的自适应 改进方法（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（）改进的 系统相对位置误差分析表图运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）
15、改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图 运行 数据集的 与改进的 的绝对位置图 广西大学学报（自然科学版）第 卷（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（）改进的 系统相对位置误差分析表图 运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图 运行 数据集的 与改进的 的绝对位置图 第期陈继清，等：基于特征点法的自适应 改进方法（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（
16、）改进的 系统相对位置误差分析表图 运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图 运行 数据集的 与改进的 的绝对位置图 广西大学学报（自然科学版）第 卷（）相对位置轨迹跟踪图（）改进的 系统相对位置轨迹跟踪图（）相对位置误差分析表（）改进的 系统相对位置误差分析表图 运行 数据集的 与改进的 的相对位置图 （）绝对位置轨迹跟踪图（）改进的 系统绝对位置轨迹跟踪图（）绝对位置误差分析表（）改进的 系统绝对位置误差分析表图 运行 数据集的 与改进的 的绝对位置图 第期陈继清，等：基于特征点法的自适应 改进方法其中图 中的图（）与图（）是原有的 系统运行结果，图（）与图（）是自适应改进 的运行结果。由于与 的融合，使得整个 有了尺度信息，因此自适应改进 系统的 要远远优于 系统的 。在实验数据中可以发现 、和 数据集中改进的 的 要比 的 小 倍，但是在 和 中发现，改进的 的 反倒不如 ，经研究发现是因为这个数据集是在较快运动速度的情况下运行，由于改进的 系统的图片分选，系统的反