摘 要

针对室内机器人移动导航定位存在的问题，该文研究了基于Ｋｉｎｅｃｔ传感器的定位算法。该方法应用Ｋｉｎｅｃｔ传感器采集了移动机器人运动过程中连续帧的彩色和深度信息；通过尺度不变特征变换算法匹配连续场景图像中的特征点对，经随机抽样一致性算法剔除点集中的误匹配点；利用Ｋｉｎｅｃｔ的深度信息将可用点集的二维坐标转换到相机坐标系下的三维坐标；并使用绝对定向算法计算机器人在相邻位置上的姿态信息和平移量，从而提高了机器人的移动参数的计算精度。通过实验验证了该方法的可行性，且能够满足实时要求，可以同时进行定位与地图创建。

近年来，移动机器人导航技术得到了迅速发展，在现实环境复杂多变的情况下实现自主导航是一项关键的任务。由于其在室内导航时缺乏可靠的全球导航卫星系统（ｇｌｏｂａｌｎａｖｉｇａｔｉｏｎｓａｔｅｌｌｉｔｅｓｙｓｔｅｍ，ＧＮＳＳ）信号， 所以相对于室外导航有着许多不同的挑战。因此， 室内机器人的自主导航技术得到了研究者们的广泛重视。实现室内机器人的自主导航存在若干方法， 国内外的研究者们主要采用了航位推算、主动信标定位、路标定位、基于地图的定位和基于视觉的定位等方法。上述所有方法都经过了广泛研究， 并应用于商业产品。而这些方法都存在各自的缺点与不足：航位推算会产生漂移； 主动信标导航需要专用硬件设置，其费用昂贵； 基于地图的导航容易受阻塞和篡改；基于视觉的导航系统连续性不足， 系统和算法比较复杂。

随着ＲＧＢ-Ｄ 传感器的广泛应用，研究者们对其展开了大量研究，并且取得了显著成果。Ｋｉｎｅｃｔ是Ｍｉｃｒｏｓｏｆｔ公司开发的一款低成本的３Ｄ 传感器，由ＲＧＢ摄像头和红外摄像头组合而成，功能强大，具有较高的性价比， 而且能够获得环境的颜色信息和深度值， 为机器人同时定位与地图创建（ｓｉｍｕｌｔａｎｅｏｕｓ ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ ｍａｐｐｉｎｇ，ＳＬＡＭ）提供重要信息；在理想条件下，其可获得分辨率为３ｍｍ 的深度信息。其获取的环境深度值具有连续性、信息量大、受光线影响小等特点，因此，其被广泛应用于机器人避障、目标重构、目标跟踪和姿态控制等领域。

本文主要开展了基于Ｋｉｎｅｃｔ的室内机器人自定位算法的研究。首先利用尺度不变特征变换（ｓｃａｌｅｉｎｖａｒｉａｎｔｆｅａｔｕｒｅｔｒａｎｓｆｏｒｍ，ＳＩＦＴ）技术对由Ｋｉｎｅｃｔ获得的ＲＧＢ 图像进行特征点提取和匹配，利用图形处理器（ｇｒａｐｈｉｃｓｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ，ＧＰＵ）来提高计算效率， 并引用随机抽样一致性（ｒａｎｄｏｍｓａｍｐｌｅｃｏｎｓｅｎｓｕｓ，ＲＡＮＳＡＣ）算法去除误匹配点；然后采用绝对定向算法， 得到Ｋｉｎｅｃｔ位姿和偏移量，从而获得移动机器人运动的轨迹。

Ｋｉｎｅｃｔ因能够直接获得深度和彩色信息， 在机器人自定位创建中具有很好的应用前景。本文提出了一种基于Ｋｉｎｅｃｔ的室内移动机器人自定位算法，该算法简单、精度较高。但机器人转弯时误差累积较大，还须进一步的研究。

引用格式：温熙，郭杭．室内移动机器人自定位方法［Ｊ］．测绘科学，２０１６，４１ （６）：９７-１０１．

欢迎投稿给《测绘科学》新媒体平台。105319275@QQ.com