摘要

提出一种改进Harris特征点的机器人精确定位方法,通过改进特征点提取、匹配、跟踪策略,为运动估计提供更加可靠的输入,提高运动估计结果的准确性。具体实现策略是在图像高斯金字塔中改进Harris特征点提取策略,提高其对旋转和尺度变化的适应性,实现特征点的均匀分布且数量可控。然后利用惯导先验信息预测特征点跟踪的搜索区域,提高特征点跟踪的准确性和稳定性,提高搜索效率。最后采用四元数和最小二乘方法估计车体姿态信息。实验结果表明:算法可较好地实现惯导信息与视觉信息的融合,不仅改善了传统视觉定位算法中特征点特性影响定位精度的问题,且几乎不会受到惯导漂移引起定位精度下降的问题,可实现机器人精确定位。

全文