面向温室移动机器人的无监督视觉里程估计方法

摘要：

针对温室移动机器人自主作业过程中,对视觉里程信息的实际需求及视觉里程估计因缺少几何约束而易产生尺度不确定问题,提出一种基于无监督光流的视觉里程估计方法.根据双目视频局部图像的几何关系,构建了局部几何一致性约束及相应光流模型,优化调整了光流估计网络结构;在网络训练中,采用金字塔层间知识自蒸馏损失,解决层级光流场缺少监督信号的问题;以轮式移动机器人为试验平台,在种植番茄温室场景中开展相关试验.结果表明,与不采用局部几何一致性约束相比,采用该约束后,模型的帧间及双目图像间光流端点误差分别降低8.89％和8.96％;与不采用层间知识自蒸馏相比,采用该处理后,两误差则分别降低11.76％和11.45％;与基于现有光流模型的视觉里程估计相比,该方法在位姿跟踪中的相对位移误差降低了 9.80％;与多网络联合训练的位姿估计方法相比,该误差降低了 43.21％;该方法可获得场景稠密深度,深度估计相对误差为5.28％,在1m范围内的位移平均绝对误差为3.6 cm,姿态平均绝对误差为1.3°,与现有基准方法相比,该方法提高了视觉里程估计精度.研究结果可为温室移动机器人视觉系统设计提供技术参考.

关键词：机器人、温室、导航、视觉里程计、无监督学习、光流、卷积神经网络

所属期刊栏目：39

分类号：S224;TP183(农业机械及农具)

资助基金：辽宁省教育厅科学研究项目;国家重点研发计划

在线出版日期：2023-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：163-174