一种基于图像检索的机器人自定位方法.pdf

《一种基于图像检索的机器人自定位方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第23卷第4期传感技术学报V01．23No．42010年4月CHINESEJOURNALOFSENSORSANDACTUATORSApr．2010ARobotSelf-LocalizationMethodBasedonImageRetrievalSystemL／UDongbo，，LIUGuorong’，YUMiaohua，HUHui，，1．CollegeofElectricalandInformationEngineering，HunanUniversity，Changsha410082，China；、＼2．DeptofComputerand

2、Communication，HunanInstituteofEngineering，XiangtanHunan411104，China)，Abstract：Todea1withmonocularvisionrobotlOCalizationproblem．anEM—basedGaussianmixtureparticlelocali．zationalgorithmisproposed．UsingthemethodofGaussianmixturevectorquantization(GMVQ)，thecolorimagehistogramis

3、obtained．Thenusingimagefeaturesimilaritymeasurementmethodforextractionoftheimagehisto·gramtomatch，andthenthegloballocalizationisachievedbyapplyingimagehistogrammatchingresultsinparticlefilterlocalizationinindoorenvironment．Thesimulationexperimentresultshowsthatcolorfeaturee

4、xtractionmeth-odandrobotlocalizationmethodareeffective．Keywords：mobilerobot；Gaussianmixtuemodel(GMM)；vectorquantization(VQ)；MonteCarlolocalizationEEACC：6330一种基于图像检索的机器人自定位方法术刘洞波，刘国荣，喻妙华，胡慧／1．湖南大学电气与信息工程学院，长沙410082；、＼2．湖南工程学院计算机与通信学院，湖南湘潭411104／摘要：针对单目视觉机器人的定位问题，提出了一种基于EM(ex

5、pectationmaximizationalgorithm)的混合高斯粒子滤波定位算法。采用高斯混合模型矢量量化的方法生成图像直方图，利用图像特征相似性度量方法对提取的图像直方图进行匹配，并将匹配的结果应用到粒子滤波定位中，实现了室内结构化环境下机器人的全局定位。仿真实验结果表明颜色特征提取方法和机器人定位方法的有效性。关键词：移动机器人；高斯混合模型；矢量量化；MonteCarlo定位中图分类号：TP24文献标识码：A文章编号：1004—1699(2010)04-0548—05移动机器人定位是机器人最重要的功能之一，强了图像匹配的准确性。

6、将数据库中的图像和环境在不同的任务中获取位置信息是非常重要的。根据地点关联起来，结合粒子滤波定位方法进行机器人选定传感器的不同，感知机器人位置的方法也不同。视觉定位。机器人利用运动模型【4进行位姿预测；本文提出一种结构化环境下，采用图像检索和利用视觉传感器信息建立感知模型J，进行位姿更MonteCarlo定位相结合的机器人视觉定位方新。MonteCarlo全局定位方法将机器人定位问法】。选取HSV颜色模型，采用高斯混合模型矢题转化为状态空间中机器人位置概率分布的计算和量量化(GMVQ，Gaussianmixturevectorquantiza

7、-更新，最终实现了移动机器人的精确定位。tion)方法，对机器人训练阶段采集的存储于数据库1基于高斯混合模型的颜色特征提取中的每一幅环境图像提取对应的颜色直方图，数据库中的每一幅图像有效地构成一个特定的类。采用高斯混合模型常用于语音识别，目标分离，信号欧氏距离作为直方图距离进行图像相似性度量，将参量提取等领域，并被移植到图像处理领域，以实现机器人采集的当前环境图像和数据库中的图像进行图像压缩，纹理特征提取，图像分割等目的。基于高匹配，检索出定位环境中的最相似图像。矢量量化斯混合模型的颜色特征提取是一种基于矢量量化的在量化过程中考虑了实际颜色分

8、布的空间特征，增方法，需要将图像看作一个高斯随机过程。而同一项目来源：湖南省教育厅资助科研项目资助(08C224)；湖南省科技计划项目资助(2008FJ3029)；