19、基于视觉的机器人定位技术：PHLAC与序贯蒙特卡罗方法

基于视觉的机器人定位技术：PHLAC与序贯蒙特卡罗方法

1. 引言

在室内环境中，利用激光测距仪、毫米波雷达或声纳等长距离传感器进行机器人定位已基本得到解决，但基于视觉的定位仍是一个开放的研究领域。视觉作为主要传感器具有诸多优势，如相机具有几乎无限的范围、高更新率、多相机互不干扰、能提供丰富的颜色和纹理信息，且成本相对较低、功耗有限。

有一种新颖的图像处理技术，能让配备全向相机的移动机器人实现实时定位。由于定位空间是连续的，且计算需在线进行，同时资源有限，因此采用序贯蒙特卡罗（粒子滤波）方法来估计机器人的大致位置和方向。基于视觉的定位系统仅依靠图像数据和里程计读数，就能实现移动机器人的全局定位，并从被“绑架”中恢复。

2. 基于视觉的定位

基于视觉的定位主要有以下几种方法：
- 基于3D模型的定位 ：获取环境的详细三维模型，用于生成不同位置的预期2D投影（相机图像）。但创建准确的预期相机图像困难，因为光照、纹理、反射等都会影响结果。为降低计算和资源成本，可以使用不太详细的地图，预测相机图像在不同位置的特征。不过，单张相机图像缺少深度信息，难以完全匹配特征，通常需要辅助距离传感器，如立体相机和三目相机来获取深度信息。
- 基于地标定位 ：在受控和结构化的环境中，可使用一组已知位置的视觉地标进行定位，如RoboCup竞技场。但在大型有人活动的环境中，机器人可能无法依赖特殊提供的地标，而需依靠环境中已有的结构。
- 基于外观的定位 ：通过记忆不同位置的整体感官模式来进行定位。对于难以用3D建模的高度非结构化环境，仅使用单