文摘

区间估计是至关重要的维持一个安全的距离,尤其是视觉导航和定位。单眼自主车辆适合户外环境由于其灵活性和可操作性。然而,准确的估计范围使用视觉系统是具有挑战性的,因为非完整动力学和易感性的车辆。在这篇文章中,一个测量整流算法估计在震动条件下的设计范围。该方法主要关注如何使用单眼视觉估计范围发生动摇时,该算法只需要获得相机的姿势变化。同时,它解决了如何同化结果的问题从不同的传感器。消除测量误差通过握手,我们建立一个pose-range变化模型。后来,代数距离增量之间的关系和相机的姿势变化是制定的。提出了构成变化的形式,音高,和偏航角的变化来评估incensement像素坐标。证明我们的算法的优越性,方法是使用先锋dx机器人在实验室环境中进行验证。 The experimental results demonstrate that the proposed approach improves in the range accuracy significantly.

1。介绍

移动机器人的应用观察和救援任务近年来获得了越来越多的关注。当前先进的传感和计算机促进移动机器人作为一个合适的选项在搜索和救援等场合,大满贯(同步定位和映射),自动导航和目标探测。移动机器人,检索他们的地位的一个重要问题。近年来,为了解决这个问题,视觉传感器已经吸引了大量的关注,因为视觉传感器和低功耗相对便宜和紧凑。此外,使用版本传感器方法可以定位机器人在各种环境中很难一般轮测程法和GPS的定位方法。如果定位只能利用图像信息,进行机器人的灵活性将得到了显著提高。

然而,一个成功的智能机器人系统的前提是准确的感知环境,目标的距离和方位信息起着重要的作用。范围估计算法使用视觉传感器被称为VO(视觉测程法)。

的方法来估测范围主要可以分为三类:雷达、激光及应用。作为一个非接触方法的典型范例,超声波传感器的优势时间效率和测量精度。然而,艰苦来检测这些对象与小表面或位于一个广角与超声波传感器(s)。在所有感知传感器、计算机幻想有一个额外的优势,获取大量的信息以更低的成本。应用方法可以解决距离和方位估计问题只使用获得的图像本身。有很多兴趣研究对象检测由立体相机(1- - - - - -4),但单眼相机仍强烈优势大的感应区域,成本低,安装方便。

实现精确的签证官在室外环境中,一些问题仍有待解决。在这部作品中,签证官在崎岖不平的课程存在的问题主要是在户外环境被认为是,在崎岖不平的课程意味着环境包括粗糙的道路VO精度动态视觉传感器构成变化的影响。此外,如果实现精确VO环境包括粗糙的道路,我们相信,它可以使用在任何户外环境。

在智能无人驾驶车辆系统的研究,一般采用计算机视觉图像处理算法的方法。在这些作品中,图像特征提取,随着周围环境的模型,车辆定位和避障。距离和方位信息然后使用视觉系统以上模型中精炼出来的。是不现实的假设这条路绝对是平坦的。本文专注于摄像机构成的动态测量整改问题突然变化。这种方法特别适合应用,如自主导航车辆运行在崎岖的地形。姿势变化顺序首先由三轴角测量传感器和应用于使用该range-pixel模型计算偏移的距离。虽然在宽视场单眼视觉测程法有优势(视野)、照明等因素条件下,阴影,和随机噪声不可避免地会降低测量精度,是诱发人类的局限性和传感器特性。相反,非接触传感器,如声纳通常不容易的外部条件会影响结果的准确性。然而,一个主要缺陷是固有的存在盲目的地区。 In the view of these possible advantages and corresponding limitations, sensor assimilation technique based on OI (Optimal Interpolation) method is employed. The main contributions of this paper are summarized as follows.(1)范围增加和相机的姿势变化之间的关系已经制定,根据一个可行的数据校正算法设计修改的结果。我们所知,这是第一工作解决相机震动条件下的区间估计问题。(2)OI范围信息模型的一种改进的评估机制已经被开发出来,增强适应性和多传感器测量系统的准确性。(3)移动机器人实验和分析结果。

本文的其余部分组织如下。以下部分将提供一些背景知识和更详细的文献综述。部分3定义问题和相关文献。部分4细节的建议的方法测量整流和传感器融合。最后,给出了实验结果和结论部分5和6。

2。相关的工作

可视距离估计是一套专业的方法关注实时和精确的图像捕获范围信息获取紧随其后。一些这些机制已经发展为基本元素的3 d重建,同时定位和地图构建。

一些基本算法及其改进范围估计开发:纵向约束模型(2),散焦方法(3- - - - - -5],坐标映射模式[6,7),和相机运动的方法(1,8]。Katsuyuki等人提出了一种耦合估计未知的车辆宽度和距离由连续的贝叶斯估计。该方法可以实时运行和生产高度精确估计下列前提下距离,没有相机抖动。

这些提议的方法可以分为两类:单眼和音响系统。单眼方法涉及一个不复杂的相机,计算像素大小或坐标用于估计范围。这些研究的例子9]。立体视觉方法比单眼能提供更高的精度,但他们有小的视野和高操作的复杂性。几个聪明的和可操作的算法(10,11属于这一类。

单眼和立体视觉方法在不同的方面有优势。单眼方法通常易于实现和优化视图范围。与此同时,他们需要比前者低得多的成本。立体视觉方法,相比之下,有一个好的表现由于亚像素精度综合定位技术,而其最大的缺点在于复杂的操作和计算复杂度高,特别是在校准过程。

在这些研究中走出来,大多数的工作假设相机姿势是固定的(3,6,9,10,12- - - - - -14]。一些例外,相似到现在工作,如下。郭et al。15)提出一个平行约束方法基于两个车道边界。车辆配备一个角度传感器准确获得相机的俯仰角(13,16,17),作者提出了一个改进算法在角计算通过使用的函数表示两个平行的角度车道线。

一些其他的方法也被提出。典型的范例如下。汉et al。18单眼)设计一种基于特征点的方法测量,但他们阻碍实时实现。马里和当19)设计一个混合算法最小化令牌两个坐标系之间的相对位移,然后估计图像空间距离。

3所示。问题公式化

在图1假设是一个点在图像平面上的相机的姿势,假设我们有一个估计的三轴陀螺仪相机的姿势。从这个信息标准ground-constrained模型(18可以用来估计的位置在世界坐标。如果相机的姿势突然变化,我们可以用这些信息来项目的观点摄像机的图像平面上,得到第二点。现在假设构成测量准确、合理,位置估计算法是有效的,问题是估计利用测量数据包括,,和姿态变化的相机。

相机的初始和最终的姿势是用和分别在哪里,,()代表初始辊、音高和偏航角。尽管实际的光学中心的相对距离目标略有变化,测量结果明显偏离事实。这主要是因为像素坐标之间的非线性映射和相应的距离值。问题是正确的实际测量接近真相通过消除造成扰动的相机。

4所示。数据校正算法

在本节中,我们描述我们的方法单眼的测量建立整改的问题。因为机器人的轨迹是最方便地描述世界坐标系,而地上的目标通常是描述摄像机坐标系,我们从这两个坐标系的预览。模型问题一般geometrodynamical架构,相机的代数关系构成位移和位移测量距离。

4.1。世界和摄像机坐标系统

假设和分别是世界坐标系和摄像机的坐标系如图2。一个点的坐标在这两个坐标系统转换 在哪里和是点世界坐标系和机器人相机坐标系。此外,和分别是旋转和翻译从相机到世界坐标系的位置和姿态确定摄像机在世界坐标系中。此外,一个3 d点在相机的视场,其图像坐标的投影方程如下: 在哪里的坐标是在图像坐标系和是相机的焦距。

4.2。切比雪夫最佳一致逼近校正算法

distance-orientation信息目标与摄像机之间可以从图像中对应像素坐标(20.,21]。发现图像像素运动比相机旋转角度变化非线性沿主光轴。设计算法的主要思想是分段线性化非线性率,然后计算变化率对旋转角度以及测量距离。方程(3介绍了在三维空间旋转矩阵:

变化的像素坐标系与世界坐标系的旋转矩阵参数的态度角度相机,这是所描述的 在内部参数和只是由CCD结构本身决定的。

为了方便讨论,我们假设摄像机姿态变化主要沿着偏航角方向。

表示;使用(3)和(4),我们得到 在哪里

用(3)(5)的结果

从图3,我们可以看到曲线的斜率会不断在自变量的变化区间。这个区间的比率时变得越来越小来增加。切比雪夫逼近法对选定的闭区间有近似均匀的特点。受此启发,非线性率可以用线性近似多项式和摄像机姿态变化造成的偏差可以有效地补偿。二阶导数是作为

考虑的偏航角变化PTZ (Pan /倾斜/缩放)相机不均匀造成的路面在实际机器人的运动,一个封闭的子区间()选择进一步演绎。自(8)是一个连续函数符号并保持一致性,可以使用的最佳一致逼近法。

表示使用这种获得正常的近似方程:

设置的解决方案(9),。然后写如下近似方程:

我们探索线后的斜率线性近似研究不同比例的功能来。结果表明,该边坡收敛于其限制一致。此外,这种恒定值与上述比率: 用(7)(11)的结果 演示的融合,我们也分析的极限值

坚实的曲线在图4是实际边坡和线性近似的结果,分别。这两条曲线相互配合好翻译后操作。这表明边坡用线性近似的精度高。图5体现的融合斜率相关的指标,这是在良好的协议与实验结果。另一个重要属性,应该注意的是,函数值大幅增加后迅速达到收敛;也就是说,测量范围会随度规高的非线性。这也意味着测量应进行平滑间隔减少相机抖动造成的错误。另一方面,是不可能补偿时的偏差度量太小了。

4.3。声纳和相机数据同化模型

最优插值算法推导生成向量的最小二乘结果的观察和背景字段假设“先验”已知的背景误差协方差的统计模型。最优插值技术,基于方差最小化估计,数据同化中起着重要的作用。它使用几种不同的实际观测产生修正输出,这是接近真相。

该方法的动机来自于相似的特征和现象之间的相机和声纳测量系统和OI算法。首先,相机和声纳系统可以被认为是一个OI系统,通过几组观测产生最优的输出。第二,OI算法dimension-extensible和宽松的先验特征对相机的吸引力和声纳测量系统。

以下给出:(我)背景场可以在两个或三个维度。(2)一组观察可以在不规则的位置。描述的最优估计 的错误 然后最优权重如下: 在哪里和代表的平均值和。从相机和声纳无关数据,假设。

5。评估和分析

在本节中,我们提出一套物理实验的结果证明该算法的性能4。验证提出的数据校正算法的有效性,我们比较结果之前和之后的姿势变化的事实。此外,我们进行了一系列的实验在不同初始姿势的相机来证明该方法的鲁棒性。此外,比较实验设计来展示数据同化方法的有效性。

自主车辆可以建模为移动机器人,然后我们使用移动机器人的先驱dx(图6)安装相机实验。准备实验,首先PTZ摄像机校准。

5.1。摄像机标定

网格大小的标定板实验。图片分辨率VCC50I是固定的。以确保平衡和校准精度,误差的校准图像包含四个图像从不同的姿势是10厘米的距离间隔收集。校准范围从1500毫米到4000毫米的距离。考虑倾斜和旋转角度的影响以及缩放值,相机在校准状态是固定表中给出1。内部参数表中列出2,距离测量的关键。

5.2。绩效评估数据的校正算法

角变化正在收购三轴角传感器,充当矫正算法的输入。模块(MPU6050)在低温依赖优势,高分辨率,低噪音。由于这些优势,选择这个模块作为一个工具来测量欧拉角。

验证算法的鲁棒性,目标设置在不同的随机位置。对于每个度量分析了相机的姿势,结果下一组(偏航、俯仰和滚角随机为每个指标表3)。角度传感器的数值如下:(节):9.65,(偏航):−0.27°,(卷):−0.94°。目标位置设置为元组。

图7(一)显示测量相机从最初的状态。与事实相比,它显示了偏见在水平和垂直方向。

签证官结果的偏差引起的相机运动是独立解决。基于区间的分析模型3,螺旋角是一个距离函数的自变量。因此,我们重新计算螺旋角,而不是对像素坐标反转操作。数据7 (b)- - - - - -7 (f)显示之前和之后的整改结果。在图7 (e)沿光轴的距离误差几乎是用直接测量高达50%。然而,这个值减少使用该算法仅为6%。我们还可以看到,在这个方向上至少提高精度是10%,如图7 (c)。因此,更显著的效果从结果可以看出沿着垂直于光轴方向。在最坏的情况下,如图7 (f),测量距离设在从测量整流−最后的98毫米780毫米。测量精度方法的百分比涨幅878%。即使在一般情况下,这个比例可以接近35%,显示在图7 (c)。这些数据还表明,偏差范围变大的距离沿光轴方向增加。这主要是因为物理距离比像素单元增加沿光轴。

5.3。数据同化的评估

普遍性,不同指标下的大小(即同化的结果。、操纵)固定相机的姿势。数据从声纳传感器设置为背景从相机设置字段值和野外观测值。在图8(一个)测量结果在缺少某些位置,表明当声纳系统只采用盲区域存在。范围的数据在图8 (b)是传感器同化的结果。它展示了从精度改进设在和设在相比之下,仅仅从视觉系统和声纳传感器测量。同化结果证明是高达25%的准确设在和9%准确设在相比获得使用单一类型的传感器。这主要是因为新信息补偿一个测量系统的输出,即野生视场相机和声纳传感器的测量精度高。

6。结论

在本文中,我们提出了一个分析测量整流算法单眼相机震动条件下的区间估计。具体地说,我们已经建立了一个pose-range模型然后代数距离增量之间的关系和一个相机的姿势变化已经制定。我们还设计了一个数据同化系统提供可靠的信息使用不同类型的传感器系统。进行物理实验来验证该算法的有效性和鲁棒性。为未来的工作我们将努力实现我们的算法在多机器人编队以及群协调应用程序。

相互竞争的利益

作者宣称没有利益冲突。

确认

本研究为中国自然科学基金资助(批准号61571334)和中国自然科学基金(批准号2014 aa09a512)。