一种机器人室内视觉定位方法
【技术领域】
[0001] 本发明设及机器人自我感知技术和定位技术领域，尤其设及一种机器人室内视觉 定位方法，适用于机器人导航。
【背景技术】
[0002] 六十年代，自第一台机器人装置诞生W来，机器人的发展经历了一个从低级到高 级的发展过程。第一代机器人为示教再现型机器人，是通过计算机来控制多自主的机械装 置，通过示教存储程序把信息读取出来并发出指令，也可W根据人示教的结果再现动作，它 对于外界的环境没有感知能力。在20世纪70年代后期人们开始研究第二代机器人:有感觉 的机器人。运种机器人有类似人类的力觉、触觉、听觉、视觉等。第=代机器人是智能机器 人，它是当今机器人发展的热点和重点，机器人通过各种传感器获取环境信息，利用人工智 能识别、理解、推理并进行判断和决策来完成一定的任务。因此智能机器人除了具有感知环 境和简单的适应环境能力外，还具有较强的识别理解能力和决策规划能力。80年代中期，技 术革命的第=次浪潮冲击着全世界，机器人总数每年W30% W上的速度增长。1986年国家 把智能机器人课题列为高技术发展计划，进入90年代，在国内市场经济发展的推动下，确定 了机器人及其应用工程并重、W应用带动关键技术和基础研究的发展方针，实现了高技术 发展与国民经济主战场的密切衔接，研制出有自主支持产权的工业机器人系列产品，并小 批量试产，完成了一批机器人应用工程，建立了 9个机器人产业化基地和7个科研基地。通过 多年的努力，取得了举世瞩目的硕果。
[0003] 随着机器人技术的发展，具有移动行走功能、环境感知能力W及自主规划能力智 能移动机器人得到了各国研究人员的普遍重视，特别是在20世纪八、九十年代，随着计算机 技术、微电子技术、网络技术等的快速发展，机器人技术的发展突飞猛进。智能机器人移动 的重要特点在于它的自主性和适应性。自主性是指它可W在一定的环境中，不依赖外部控 审IJ，完全自主地执行一定的任务;适应性是指它可W实时识别和测量周围的物体，并根据环 境变化，调节自身参数、动作策略W及处理紧急情况。
[0004] 随着智能机器人技术的发展，其在军事、医疗、商业等领域发挥着重要的作用，人 们对智能移动机器人的需求和期望也越来越高，越来越迫切，移动机器人研究从而进入了 崭新的发展阶段。定位技术是智能移动机器人的研究核屯、，同时也是其实现完全自动化的 关键技术。机器人只有准确知道自身位置，工作空间中障碍物的位置W及障碍物的运动情 况等信息，才能安全有效地进行移动，由此可见，自主定位和环境分析是移动机器人最重要 的能力之一。
【发明内容】
[0005] 本发明提供了一种机器人室内视觉定位方法，通过模拟人类视觉识别过程建模， 对机器人进行学习训练，使之可W自主实现定位，识别其自身所处位置。
[0006] 为了解决上述技术问题，本发明通过下述技术方案得W解决：
[0007] -种机器人室内视觉定位方法，包括W下步骤：
[0008] 1)对预定范围的室内场景连续拍摄形成图片库；
[0009] 2)对图片库中的每一图片进行显著性建模和场景主旨建模，建立位置信息数据 库；
[0010] 3)拍摄任一图片并对图片进行场景主旨建模，与位置信息数据库进行比对匹配， 从而获知机器人的定位信息。
[0011] 显著性建模包括W下步骤：
[0012] 2a)利用高斯金字塔构建8种不同的空间尺度后，对图像低通过滤和二次采样生成 8个幅度的横向和纵向的缩小因素图像；
[0013] 2b)提取明暗、色彩、方向=种早期视觉特征，对每一个特征通过一组线性的中屯、 周边差运算构建明暗、色彩、方向=组特征图；
[0014] 2c)将明暗、色彩、方向S组特征图分别合并成S张亮度、颜色、方向显著图；
[0015] 2d)对S张亮度、颜色、方向显著图归一化后取平均值获得图片的整体显著性。
[0016] 归一化为步骤如下：
[0017] 2dl)将每张图进行正规化到一个固定的值域[0-M]，妒消除振幅的差别；
[0018] 2d2)找出每张图的全局极大值M，并计算所有局部极大值的平均值m;
[0019 ] 2d3)对整个特征图进行乘上(M-mr 2运算。
[0020] 场景主旨建模包括W下步骤：
[0021] 3a)利用高斯金字塔构建8种不同的空间尺度后，对图像低通过滤和二次采样生成 8个幅度的横向和纵向的缩小因素图像；
[0022] 3b)提取明暗、色彩、方向=种早期视觉特征，对明暗、色彩特征通过一组线性的中 屯、周边差运算，构建明暗、色彩、方向=组特征图；
[0023] 3c)将明暗、色彩、方向=组特征图分别划分为4乘4共计16个子区域的明暗、色彩、 方向特征图；
[0024] 3d)对16个子区域的明暗、色彩、方向特征图矢量化；
[0025] 3e)运用主成分分析或/和独立成分分析运算降低16个子区域特征图的维度。
[0026] 场景主旨建模在多种光线条件进行，便于降低光线对场景识别的影响。
[0027] 本发明采取视觉显著性模型（Saliency Model)、场景主旨模型(Gist Model)等算 法，结合集成为一整套完整的视觉定位算法，与现有的视觉定位技术相比，具有更高的准确 率，同时减少了运算时间和训练时间。
【附图说明】
[0028] 图1为本发明的显著性建模流程图；
[0029] 图2为本发明的场景主旨建模流程图；
[0030] 图3为本发明的学习训练阶段流程图。
【具体实施方式】
[0031 ]下面结合实施例对本发明作进一步详细描述。
[0032]实施例1
[0033] 学习训练阶段，即连续拍摄照片，并对照片进行处理进行显著性建模和场景主旨 建模，建立位置信息数据库。
[0034] 1、显著性建模流程如图1所示，具体过程详见下文。
[0035] 高斯金字塔是在图像处理、计算机视觉、信号处理上使用的一项技术，本质上是信 号的多尺度表示方法，亦即将同一信号或图片多次的进行高斯模糊，并且向下取样，从而产 生不同尺度下的多组信号或图片用于后续处理。例如在影像辨识上，可W通过对比不同尺 度下的图片，避免要寻找的内容在图片上可能有不同的大小带来的误差。高斯金字塔的理 论基础是尺度空间理论。给定一张图片f(x，y)，它的尺度空间表示方式LU, y;t)定义为:影 像信号f(x，y)和高斯函数的旋积。完整的表达式如下：
[0036]
[0037] L(x，y ;t) =g(x，y ;t)*f (x，y)，
[0038] 其中分号代表旋积的对象为x，y，而分号右边的t表示定义的尺度大小当t>0是对 于所有的t都会成立，不过通常只会选取特定的t值。其中t为高斯函数的变异数，当t越接近 零的时候，使得1^，7;〇 = ^^，7)，运代表* = 0的时候把运项操作视为图片'本身，当*增加 时，L表示将影像f通过一个较大的高斯滤波器，从而使得影像的细节被去除更多。
[0039] 在建立高斯金字塔时，首先将影像转换为尺度空间的表示方式，即乘上不同大小 的高斯函数，之后再依据取定的尺度向下取样。乘上的高斯函数大小和向下取样的频率通 常会选为2的幕次。所W，在每次迭代的过程中，影像都会被乘上一个固定大小的高斯函数， 并且被W长宽各0.5的比率被向下取样。如果将向下取样过程的图片一张一张叠在一起，就 会呈现一个金字塔的样子，因此称为高斯金字塔。
[0040] 模型研究的特征分为=种，分别为明暗特征，色彩特征和方向特征。
[0041] r，g，b分别代表输入图像的红色、绿色和蓝色，图像的亮度通道I通过I = (r+g+b)/ 3计算得到的。I用于创建高斯金字塔I(O