基于视觉的移动机器人定位

这部分是我毕业设计的重点，但我没有做好，草草了事。还好混了个硕士毕业。

这部分只能总结一下了，我作的那个定位方法吓唬吓唬人还可以，实际试验时在我建立的那个模型中（见三维栅格地图构建之四：点集配准）只有两次定位成功的。

其实定位和建模在实际中是不分家的，也没有先后顺序，是鸡生蛋和蛋生鸡的问题。现在的SLAM技术就是搞这个的。建模的同时有定位，定位的同时也在更新地图即建模。

定位主要分为两种：全局定位（global localization），局部定位（local localization）。目前的局部定位技术很成熟，多看看SLAM就知道了。但全局定位很难，在基于经典的evidence grid的方法中，moravec定位和蒙特卡罗（粒子）定位都可以实现全局定位，但这是有先决条件的，即需要提前知道运行轨迹，在预设轨迹上获取的实际场景信息与预期的比较，再用概率的方法推算，这有点像自动控制里的闭环控制。这类方法我一直没好好研究过，理解的不深刻（有可能以上的理解都是错误的）。我见过的方法中，加拿大British Columbia大学的Stephen Se和DavidLowe利用场景中sift特征做自然路标的方法我比较喜欢。这种方法可以很容易的解决全局定位和局部定位问题，并且他们又引入闭环理论，使他们的方法进一步完善。有兴趣的童鞋不妨试试。

我的方法有点像粒子滤波，但定位效率会随区域面积的增大而降低，而且要求较高的模型经典，再有就是不靠谱（在4*7m^2的范围内，只成功两次，有很大原因是由于模型的不精确造成的）。