● 摘要
本文围绕机器人组合导航与目标跟踪技术，首先针对机器人在动态场景下的视觉应用需求，设计了基于轮廓信息的特征提取及匹配算法；其次，设计了特征匹配的量化评估方案，并应用于轮廓信息匹配算法进行研究；针对机器人动摄像机下目标跟踪问题，设计目标跟踪匹配算法，搭建图像采集平台，进行跑车实验，完成了算法的验证；最后，针对机器人在不同工作环境下高精度定位的需求，设计了视觉导航算法、惯性/卫星紧组合导航算法。
在特征匹配算法的研究过程中，首先针对机器人图像序列的光照变化及成像噪声问题，提出了一种量化描述成像噪声的指标，设计了基于灰度梯度一致性的边缘提取算法。进而，针对边缘特征不利于描述匹配的问题，提出了梯度方向一致性局部特征提取算法，设计了梯度一致性描述符，重点对尺度空间的构建、特征主方向的计算、描述符采样方式以及加速运算等方面展开讨论，保证了匹配算法对旋转变化、尺度变化的鲁棒性及计算效率。
在特征匹配算法性能量化评估的过程中，首先针对边缘检测性能量化评估方案，对评估方法的选择、基准图的获取、测试边缘集获取等方面进行了设计。在特征匹配算法性能量化评估方面，完成了OpenCV/MATLAB评估软件包的开发，完成了特征检测的复现性指标评估、特征描述符性能量化评估、特征匹配性能召回率与准确率评估、特征匹配精度量化评估。最终，根据以上评估结果完成了轮廓信息特征匹配算法的设计。
在目标跟踪算法的研究过程中，针对机器人实时应用的需求，引入基于积分投影直方图的匹配算法；同时，针对传统算法抗光照变化性能差等问题，提出了一种基于差分高斯金字塔的改进算法，并设计了分层匹配策略、匹配模板更新机制，在保证算法实时性的前提下，提高了算法的跟踪精度。其次，在算法性能评估方面，分别进行了性能的量化评估以及实际跑车实验验证。在跑车实验验证方面，完成了多路视频流、云台相机等两种方案的图像采集平台搭建，设计图像拼接算法获取大视场图像，进行校外跑车实验采集数据。
机器人视觉导航算法的研究部分，首先针对自主避障导航功能，设计了结构光辅助的快速双目测距算法，实现了三维场景的快速恢复。针对机器人在非结构化环境中导航的需求，利用梯度灰度一致性特征匹配算法，进行了单目航向提取算法、双目视觉导航算法的设计。在单目航向提取算法中，对关键帧更新、运动参数估计降维、误匹配点判定等方面进行了设计，提高了算法的鲁棒性。在双目视觉导航算法中，设计了多重约束条件的特征匹配方法，建立匹配异常处理机制，保证了匹配精度；最后，完成了观测信息自适应调节的双目视觉导航。
在GNSS/INS紧组合导航算法的研究中，首先针对GNSS观测噪声特性未知问题，介绍了量测噪声方差阵自适应估计定理。基于该定理，针对传统选星算法只考虑卫星几何关系而忽略伪距、伪距率误差的问题，设计了一种最佳导航卫星选星算法，并将其应用于GNSS/INS紧组合导航系统中。最后分别利用仿真实验数据和实际跑车数据对算法进行了验证。