FAST算法機(jī)器人角點(diǎn)檢測中的應(yīng)用與研究

張衛(wèi)兵

（湖南信息職業(yè)技術(shù)學(xué)院，湖南長沙，410200）

0 引言

機(jī)器人作為當(dāng)前最為先進(jìn)的自動化工具，可以在很多復(fù)雜的環(huán)境中工作，取代人們完成高精度、高難度和高危險(xiǎn)作業(yè)，大大地提高了社會的信息化和智能化[1]。蛇形機(jī)器人是機(jī)器人應(yīng)用的關(guān)鍵研究領(lǐng)域，其可以應(yīng)用于復(fù)雜多變的環(huán)境，但是蛇形機(jī)器人的導(dǎo)航和控制技術(shù)一直是制約其應(yīng)用的關(guān)鍵技術(shù)，針對單目視覺未知環(huán)境的蛇形機(jī)器人SLAM進(jìn)行研究發(fā)現(xiàn)，可以利用實(shí)時(shí)的圖像角點(diǎn)檢測和特征提取實(shí)現(xiàn)相鄰關(guān)鍵幀快速特征匹配與局部圖像構(gòu)建，接著可以使用卷積神經(jīng)網(wǎng)絡(luò)的回環(huán)檢測方法來生成全局地圖[2]。因此，本文針對高動態(tài)不確定性環(huán)境下實(shí)時(shí)圖像角點(diǎn)檢測與特征提取針對高動態(tài)復(fù)雜未知運(yùn)動環(huán)境下，為提高蛇形搜救機(jī)器人在蜿蜒、蠕動、翻滾步態(tài)運(yùn)動時(shí)圖像的尺度、平移、旋轉(zhuǎn)變化的角點(diǎn)檢測速度與特征提取準(zhǔn)確度，詳細(xì)地描述具有方向特征信息的改進(jìn)FAST角點(diǎn)檢測算法，然后改進(jìn)基于像素點(diǎn)二進(jìn)制位比較的BRIEF特征描述子，使其具備對旋轉(zhuǎn)不變性及對圖像噪聲不敏感，提高特征提取準(zhǔn)確度，提高機(jī)器人動態(tài)環(huán)境下圖像跟蹤的準(zhǔn)確度和魯棒性[3]。

1 Fast算法在機(jī)器人角點(diǎn)檢測中的應(yīng)用現(xiàn)狀

FAST（Features From Accelerated Segment Test）是一種非常先進(jìn)的角點(diǎn)檢測算法，該算法運(yùn)算過程簡單，計(jì)算速度非常快，能夠?qū)崿F(xiàn)特征點(diǎn)提取，完成物體對象的跟蹤和映射，遠(yuǎn)優(yōu)于傳統(tǒng)的SIFT算法、SURE算法、Harris算法。FAST算法定義了角點(diǎn)，形式化角點(diǎn)判定規(guī)則如下：比較候選像素與其周圍一圈像素的灰度值，如果灰度值相差非常大的像素集合在一起能夠構(gòu)成連續(xù)的弧，通過計(jì)算可以發(fā)現(xiàn)弧長大于圓周長的75%，因此可以判定這個(gè)弧即是角點(diǎn)[4]。圖像角點(diǎn)檢測與配準(zhǔn)在高動態(tài)不確定性環(huán)境中，高速提取特征點(diǎn)十分必要。FAST算法是一種基于機(jī)器學(xué)習(xí)的快速角點(diǎn)檢測算法。對于灰度圖像的FAST角點(diǎn)檢測可以定義為：在某一像素點(diǎn)的周圍鄰域內(nèi)有足夠多像素點(diǎn)的灰度值大于或者小于該點(diǎn)灰度值，則該點(diǎn)選為角點(diǎn)。機(jī)器人角點(diǎn)檢測需要使用特征點(diǎn)的鄰域階距，某特征點(diǎn)鄰域的(p+q)階矩定義如公式1所示。

特征點(diǎn)鄰域的質(zhì)心坐標(biāo)C計(jì)算過程如公式2所示。

質(zhì)心的方向計(jì)算過程如公式3所示。

采用分割檢測判據(jù)進(jìn)行FAST特征檢測，即在以像素點(diǎn)p為中心，以r為半徑的圓周上如果存在聯(lián)系的n個(gè)像素，通過下式判斷該像素點(diǎn)是否為角點(diǎn)：表示圓周上任意一個(gè)像素點(diǎn)的灰度值；表示中心像素點(diǎn)p的灰度值，t是給定的一個(gè)很小的閾值，如果CRF=1的個(gè)數(shù)大于一個(gè)給定的閾值T，則該點(diǎn)選為候選點(diǎn)，通常T=12。Fast角點(diǎn)檢測示意圖由于FAST興趣點(diǎn)不具有多尺度特性，因此建立圖像金字塔，在每一層圖像中提取FAST角點(diǎn)以引入尺度特性。然后就要為FAST興趣點(diǎn)添加方向，使其成為具有方向的FAST興趣點(diǎn)，通過引入灰度質(zhì)心法確定特征點(diǎn)的方向，即通過計(jì)算特征點(diǎn)的矩來得到點(diǎn)的方向。在單目視覺中，由于單個(gè)CCD攝像頭無法直接獲得圖像的深度信息，即無法獲得相機(jī)與特征點(diǎn)之間的坐標(biāo)關(guān)系，在蛇形機(jī)器人平臺中需要采用特殊的特征初始化方法來解決這個(gè)問題。FAST角點(diǎn)檢測算法通常應(yīng)用于機(jī)器人單目視覺，可以大大地提升角點(diǎn)檢測效率。但是，經(jīng)過多年的應(yīng)用和普及，F(xiàn)AST算法也在不斷地改進(jìn)和提升。劉亮等人針對FAST角點(diǎn)檢測僅僅針對單一類型角點(diǎn)檢測的問題進(jìn)行分析，發(fā)現(xiàn)其采用單一閾值應(yīng)用于一幀圖像檢測無法取得理想效果，引入了自適應(yīng)思想，提出一種基于區(qū)域灰度變化的FAST角點(diǎn)檢測算法，該算法可以針對一幀圖像進(jìn)行高斯濾波，然后結(jié)合灰度差篩選出候選點(diǎn)，再引入自適應(yīng)閾值針對不同大小的灰度值進(jìn)行分類，使用檢測模板再次對候選點(diǎn)進(jìn)行篩選，獲得一個(gè)最佳的匹配角點(diǎn)，該算法能夠提取出有效的角點(diǎn)，能夠克服不同的角點(diǎn)輪廓檢測產(chǎn)生的丟失或冗余問題，具有較好的魯棒性。劉妍等人詳細(xì)地描述了合成雷達(dá)孔徑檢測過程中FAST算法存在的問題，引入了變化檢測和圖像信息融合技術(shù)提出SAR-FAST算法，該算法能夠使用迭代引導(dǎo)平滑算法抑制斑點(diǎn)噪聲針對角點(diǎn)檢測造成的影響，然后以檢測點(diǎn)為圓心，選擇一個(gè)合適的半徑在圓周上選擇檢測窗口，能夠準(zhǔn)確統(tǒng)計(jì)與檢測點(diǎn)不相似的窗口數(shù)量，準(zhǔn)確判斷檢測點(diǎn)是否為角點(diǎn)，可以有效地保證檢測算法穩(wěn)定，提高檢測的準(zhǔn)確度。另外，F(xiàn)AST算法還引入了擴(kuò)展卡爾曼濾波技術(shù)，該技術(shù)是一種應(yīng)用非常廣泛的誤匹配剔除算法，隨著匹配點(diǎn)個(gè)數(shù)的增加，算法迭代次數(shù)就會迅速上升，大大地增加了算法的計(jì)算效率，因此采用卡爾曼濾波可以利用先驗(yàn)信息，確保角點(diǎn)檢測的計(jì)算速度，確保計(jì)算精度，降低迭代次數(shù)，該算法應(yīng)用于機(jī)器人檢測時(shí)，可以充分利用周圍環(huán)境信息，結(jié)合卡爾曼濾波算法提出誤匹配算法，獲得更加穩(wěn)定的特征點(diǎn)，從而構(gòu)建環(huán)境的地圖信息，最后用得到的匹配點(diǎn)進(jìn)行三維環(huán)境重建和機(jī)器人定位。

2 Fast算法在機(jī)器人角點(diǎn)檢測中的應(yīng)用發(fā)展趨勢

目前，蛇形機(jī)器人具有一個(gè)較強(qiáng)的運(yùn)動性，因此高動態(tài)不確定性環(huán)境下構(gòu)建一個(gè)大尺度旋轉(zhuǎn)性較強(qiáng)的實(shí)時(shí)圖像特征提取能力，可以提高機(jī)器人動態(tài)環(huán)境圖像跟蹤的魯棒性。為了能夠縮小機(jī)器人運(yùn)動距離，局部擴(kuò)大運(yùn)動地圖面積，縮小相關(guān)的數(shù)據(jù)誤差。蛇形機(jī)器人視覺系統(tǒng)結(jié)構(gòu)設(shè)計(jì)為了保證機(jī)器人能夠適應(yīng)復(fù)雜現(xiàn)場環(huán)境，要求機(jī)器人結(jié)構(gòu)具有高穩(wěn)定性和適應(yīng)性，兼具基本運(yùn)動和復(fù)雜運(yùn)動的多步態(tài)運(yùn)動方式，要遵循質(zhì)量輕、體積小、結(jié)構(gòu)簡單等原則；采用模塊化設(shè)計(jì)及建模仿真設(shè)計(jì)方法，應(yīng)用三維模型設(shè)計(jì)軟件、機(jī)械系統(tǒng)動力學(xué)仿真軟件和輔助分析設(shè)計(jì)軟件等進(jìn)行設(shè)計(jì)，蛇形機(jī)器人變形、分體及總體裝配結(jié)構(gòu)如圖1所示。

圖1 蛇形機(jī)器人總體結(jié)構(gòu)

蛇形機(jī)器人視覺圖像包含的內(nèi)容非常豐富，模式特征也較多，比如直方圖特征、模板各種、顏色特征、結(jié)構(gòu)特征等，圖像檢測就是可以將有價(jià)值的信息挑出來，利用這些特征實(shí)現(xiàn)對象檢測。圖像識別時(shí)，蛇形機(jī)器人視覺系統(tǒng)拍攝的照片光線不均勻，因此圖像識別時(shí)產(chǎn)生的噪聲數(shù)據(jù)非常多，需要利用二值法、閾值法等針對圖像進(jìn)行預(yù)處理，降低圖像識別時(shí)的噪聲數(shù)據(jù)，更加準(zhǔn)確的獲取圖像內(nèi)容。利用FAST算法以及其他深度學(xué)習(xí)可以構(gòu)建多層次的神經(jīng)網(wǎng)絡(luò)提取圖像特征，然后針對特征內(nèi)容進(jìn)行分類，將圖像劃分為背景內(nèi)容、目標(biāo)對象，然后針對圖像進(jìn)行加工，將這些內(nèi)容與數(shù)據(jù)庫中保存的模式進(jìn)行比對，更好的識別申請對象提交的內(nèi)容。這樣就可以更好的完成目標(biāo)檢測。蛇形機(jī)器人視覺目標(biāo)檢測主要包括兩類，分別是基于區(qū)域的方法和無區(qū)域的方法。區(qū)域特征檢測技術(shù)采用選擇性搜索策略提取候選區(qū)域，從學(xué)習(xí)網(wǎng)絡(luò)中的每個(gè)區(qū)域提取固定長度的特征向量，經(jīng)過多個(gè)卷積層和全連接層進(jìn)行處理，可以得到一個(gè)高緯度特征向量進(jìn)行分類，這樣就可以獲取區(qū)域高度的交疊。無區(qū)域特征檢測將目標(biāo)檢測看作是一個(gè)回歸問題，其可以估計(jì)圖像中的目標(biāo)位置和類型概率，采取BP神經(jīng)網(wǎng)絡(luò)的回歸輸出目標(biāo)輪廓，更加有利于分類特征描述，準(zhǔn)確捕獲目標(biāo)幾何信息。隨著機(jī)器人技術(shù)的發(fā)展和改進(jìn)，這些機(jī)器人技術(shù)應(yīng)用的場景日趨復(fù)雜，因此未來FAST算法需要在機(jī)器人檢測中進(jìn)一步改進(jìn)和提升，研究發(fā)展趨勢包括以下兩個(gè)方面：

（1）針對蛇形機(jī)器人的機(jī)械結(jié)構(gòu)特點(diǎn)，F(xiàn)AST算法需要合理部署多個(gè)攝像機(jī)位置，從不同的角度實(shí)現(xiàn)圖像信息采集，優(yōu)化機(jī)器人系統(tǒng)的并聯(lián)結(jié)構(gòu)，實(shí)現(xiàn)多目視覺檢測，提高機(jī)器人系統(tǒng)可擴(kuò)展性和魯棒性。

（2）本文總結(jié)分析FAST算法使用的圖形圖案標(biāo)定板，針對標(biāo)定攝像機(jī)計(jì)算時(shí)產(chǎn)生的誤差進(jìn)行分析，建立一個(gè)橢圓形投影過程，這樣可以更好地保證誤差分析模型，利用簡潔的矩陣表達(dá)式替代繁瑣的空間幾何投影，這樣也可以縮小計(jì)算繁雜程度，同時(shí)減少計(jì)算產(chǎn)生的誤差，基于圓形測量應(yīng)用提供強(qiáng)大的理論基礎(chǔ)。

3 結(jié)束語

蛇形機(jī)器人運(yùn)動過程非常復(fù)雜，具有較強(qiáng)的實(shí)時(shí)性和高效性要求，因此為了提高蛇形機(jī)器人的運(yùn)動準(zhǔn)確度，保證運(yùn)動軌跡與預(yù)測一致，本文在蛇形機(jī)器人角點(diǎn)檢測中引入了FAST算法，該算法可以提高角點(diǎn)特征提取的魯棒性和準(zhǔn)確度，進(jìn)一步改進(jìn)蛇形機(jī)器人導(dǎo)航控制能力。