室内移动机器人物体识别方法技术

本发明专利技术公开了一种室内移动机器人物体识别方法，该方法首先需要对目标图像进行局部特征的检测，所检测得到的局部特征邻域小块通过一系列的随机变换以生成训练样本，最终生成随机蕨分类器；在线识别阶段过程中，在场景图像中所检测到的局部特征经过线下训练所获取的分类器进行分类，这一分类的过程即为与目标图像中局部特征的匹配过程，之后对匹配点进行二次匹配，计算变换单应性矩阵，实现误匹配的剔除并最终实现场景中目标物体的识别。本发明专利技术能够对物品进行准确识别和判断，且识别和判断稳定可靠。

Object recognition method for indoor mobile robot

The invention discloses an object recognition method for indoor mobile robots. The method first needs to detect the local features of the target image. The detected local feature neighborhood blocks are transformed by a series of random transformations to generate training samples and finally generate random fern classifiers. During the online recognition stage, they are present. Local features detected in scene images are classified by classifiers acquired by off-line training. The process of classification is the matching process with local features in the target image. After that, the matching points are matched twice, and the transformation homography matrix is calculated to eliminate mismatches and finally realize the target object in the scene. Identification. The invention can accurately identify and judge articles, and is stable and reliable in identification and judgement.

【技术实现步骤摘要】
室内移动机器人物体识别方法
本专利技术属于机器人的
，特别涉及室内机器人的物体识别方法。
技术介绍
机器人是自动执行工作的机器装置。它既可以接受人类指挥，又可以运行预先编排的程序，也可以根据以人工智能技术制定的原则纲领行动。它的任务是协助或取代人类工作的工作，例如生产业、建筑业，或是危险的工作。随时技术水平的提高，机器人的智能化越来越高，已经逐步进入到人们的日常工作和生活领域。对于机器人来说，一个重要的技术问题是对物体进行识别判断，以便于执行控制指令。经研究发现：真实场景的物体识别可由先验知识的引导通过二维图像直接完成。由二维信息推导出三维物体的过程可以分为三个步骤：首先，需要从二维图像中提取出相对观察点保持不变的结构特征；其次，通过某种描述方式尽可能的将所提取的特征加以区分；最后，通过对未知观测点与图像模型参数计算以获取所提取特征结构的空间关系，从而实现场景中物体三维投影与二维图像信息特征的对应。因此，局部特征的思想就是在以上理论基础上应运而生，其思想核心即提取图像中不受表象影响(如仿射变换、尺度缩放、视角旋转、灰度变换)的结构特征，从而实现目标图像特征与场景中所对应特征的匹配。基于局部特征的物体识别依照以上理论步骤，通常简单分为特征提取、特征描述与特征匹配。当今一类重要的局部特征算法方向是结合统计学习理论的思想，即将特征匹配问题视为模式分类问题，换而言之即将目标图像中所获取的局部特征视为所有类别，将场景图像中所获取的特征视为分类对象，从而将大量计算转移至线下分类器训练，该方案几乎为移动机器人物体识别量身定做。如专利申请201610700131.X所公开的一种基于ROS操作系统的机器人物体识别方法，通过相机获取物体图像1，在ROS操作系统中将物体图像1进行图形分割处理，提取物体图像1中的尺度缩放、旋转、亮度变化无关的特征向量值1；将特性向量值1作为物体的唯一标识符与ROS操作系统根据图形化标定的物体名称一起进行存储；将待识别的物体通过相机获取物体图像2后，在ROS操作系统中进行图形分割处理，将分割后提取的特征向量值2与步骤2中存储的特征向量值1进行逐一匹配，从而判断识别物体；返回待识别的物体的名称及相似度。本专利技术提供的基于ROS操作系统的机器人物体识别方法，采用sift算法提取特征向量值，有效的实现物体的识别，快速精确，独立性强。然而该方法由于仅仅采取提取特征向量，对特征向量进行匹配，导致匹配算法不是很准确，常常会引起误判，影响物体识别的准确性和可靠性。
技术实现思路
针对上述问题，本专利技术的目的在于提供一种室内移动机器人物体识别方法，该方法能够对物品进行准确识别和判断，且识别和判断稳定可靠。本专利技术的另一个目的在于提出一种室内移动机器人物体识别方法，该方法通过对物品的角点初步检测，并通过重复度比较测试的方法得到了其中更稳定的关键点，进一步提高识别和判断的准确性和可靠性。为实现上述目的，本专利技术的技术方案为：一种室内移动机器人物体识别方法，其特征在于该方法首先需要对目标图像进行局部特征的检测，所检测得到的局部特征邻域小块通过一系列的随机变换以生成训练样本，最终生成随机蕨分类器；在线识别阶段过程中，在场景图像中所检测到的局部特征经过线下训练所获取的分类器进行分类，这一分类的过程即为与目标图像中局部特征的匹配过程，之后对匹配点进行二次匹配，计算变换单应性矩阵，实现误匹配的剔除并最终实现场景中目标物体的识别。进一步，所述检测到的局部特征，为关键点特征。更进一步，所述关键点P的灰度值与以其为中心的圆周上16个像素点的灰度值进行比较，其角点响应公式如下：其中I(X)为圆周上点X的灰度，I(P)为关键点P灰度，εd为灰度值差的阈值，若N大于所设阈值，那么P即为所需检测的关键点。更进一步，为了进一步增强检测速度，可以首先测试某像素点圆周模板上1、5、9、13这四端像素点，若不少于3点满足FAST角点响应公式，那么将该点视为角点关键点，并对其周围其他像素点做出进一步判断，否则将直接抛弃该测试点。更进一步，检测完关键点后，对上述关键点进行重复筛选。更进一步，由于FAST检测算法对噪声比较敏感，为了进一步提高关键点的稳定性，还需要对FAST所检测到的关键点进行精筛选。在实际的特征检测的筛选方式如下：首先对输入图像I通过以下2x2仿射变换矩阵M进行随机仿射变换：其中θ∈[0:2π]，(λ1，λ2)∈[0.6:1.5]，分别表示旋转角度，视角角度，尺度缩放因子，且为了增强最终分类器的鲁棒性，随机添加了均值为0，强度范围为(0,256)，方差为25的高斯噪声，随机得到T幅仿射变换图I，并在这些仿射变换图中进行阀值较低的FAST-9角点，以保证每张图中都能检测到足够多的角点。将在变换图像中所检测到的角点通过逆变换得到在图像I中的对应的点K，即有并计算通过以上逆变换M-1得到K点的仿射图的数目NK，则定义关键点K的重复率rk即为：将重复率rk最高的前R个点视为最终的关键点选择。本专利技术所实现的移动机器人物体识别方法，运用角点初步检测，并通过重复度比较测试的方法得到了其中更稳定的关键点，通过关键点的检测和筛选，能够对物品进行准确识别和判断，且识别和判断稳定可靠。同时，还能够提高运算效率，减少运算时间，大大缩短了对物体识别和判断的时间，能够及时、可靠地识别物体。附图说明图1为本专利技术所实施的流程图。图2为本专利技术所实施的关键点检测流程图。图3为本专利技术所实施关键点检测中的仿射变换图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。图1所示，为本专利技术所实现的室内移动机器人物体识别方法具体流程，首先需要对应用场景中的目标图像进行局部特征也即关键点的检测，所检测得到的局部特征邻域小块(关键点特征)通过一系列的随机变换以生成训练样本，最终生成随机蕨分类器；在线识别阶段过程中，在场景图像中所检测到的局部特征经过线下训练所获取的分类器进行分类，这一分类的过程即为与目标图像中局部特征的匹配过程(关键点匹配)，之后对匹配点进行二次匹配，计算变换单应性矩阵，实现误匹配的剔除并最终实现场景中目标物体的识别。按照提取范围不同，一般将图像特征分为全局特征、局部特征、分割特征和随机采样特征。其中，基于局部特征一般的典型方法是以特征点为中心建立特征领域，以该领域为特征模式，从而进行进一步的应用。众所周知，在复杂场景物体识别过程中，目标分割一直是悬而未解的技术难题，而遮挡的存在使得分割变得尤为困难，研究表明，目标局部特征可以出现在场景中任意位置，从而避免了对区域中目标物体分割的难题，对复杂背景及部分遮挡具有鲁棒性；除此之外，由于仅需对小范围区域进行计算，因此计算量小，对特征定位准确稳定，这些均非常符合室内移动机器人物体识别的需求，因此本专利技术选择了局部特征中最为常用的点特征(也就是上文中的关键点特征)作为识别系统的特征模式。角点特征是局部特征中最常用的特征之一，移动机器人物体识别过程中，计算资源与时间极其珍贵，一般特征检测算法很难在保证准确率的基础上预留出足够的时间从而做出进一步工作，就此种意义而言FAST-9检测子非常契合室内移动机本文档来自技高网...

【技术保护点】
1.一种室内移动机器人物体识别方法，其特征在于该方法首先需要对目标图像进行局部特征的检测，所检测得到的局部特征邻域小块通过一系列的随机变换以生成训练样本，最终生成随机蕨分类器；在线识别阶段过程中，在场景图像中所检测到的局部特征经过线下训练所获取的分类器进行分类，这一分类的过程即为与目标图像中局部特征的匹配过程，之后对匹配点进行二次匹配，计算变换单应性矩阵，实现误匹配的剔除并最终实现场景中目标物体的识别。

【技术特征摘要】
1.一种室内移动机器人物体识别方法，其特征在于该方法首先需要对目标图像进行局部特征的检测，所检测得到的局部特征邻域小块通过一系列的随机变换以生成训练样本，最终生成随机蕨分类器；在线识别阶段过程中，在场景图像中所检测到的局部特征经过线下训练所获取的分类器进行分类，这一分类的过程即为与目标图像中局部特征的匹配过程，之后对匹配点进行二次匹配，计算变换单应性矩阵，实现误匹配的剔除并最终实现场景中目标物体的识别。2.如权利要求1所述的室内移动机器人物体识别方法，其特征在于所述检测到的局部特征，为关键点特征。3.如权利要求2所述的室内移动机器人物体识别方法，其特征在于所述关键点P的灰度值与以其为中心的圆周上16个像素点的灰度值进行比较，其角点响应公式如下：其中I(X)为圆周上点X的灰度，I(P)为关键点P灰度，εd为灰度值差的阈值，若N大于所设阈值，那么P即为所需检测的关键点。4.如权利要求3所述的室内移动机器人物体识别方法，其特征在于首先测试某像素点圆周模板上1、5、9、13这四端像素点，若不少于3点满足FAST角点响...

【专利技术属性】
技术研发人员：谢锋，
申请(专利权)人：深圳市丰巨泰科电子有限公司，
类型：发明
国别省市：广东,44