机器人视觉Kalman和FIR滤波稳像算法设计与比较

金英连， 王斌锐, ， 徐 崟

（1. 中国计量学院机电工程学院，浙江 杭州 310018；2. 浙江大学控制科学与工程系，浙江 杭州 310007）

移动机器人视觉不可避免的存在干扰，主要表现为图像抖动[1]。数字稳像包括运动估计、平滑和补偿等[2-4]。早期的运动估计利用块匹配BMA (Blocks Matching Algorithm)进行，但受噪声影响比较大[5]。改进算法有KLT匹配算法[6]。Tien-Ying Kuo等利用图像的比特平面匹配估计运动参数[7]。匹配搜索有全搜索(FS)、三步法(TSS)、二维对数法(TDL)、交叉法(CS)及菱形法(DS)等。为量化匹配程度，准则有绝对误差和(SAD)、最小平均绝对差 (MAD)、最小均方差误差 (MSE)、归一化互相关 (NC)等。钟平等研究投影法PA(Projection Algorithm) 运动估计，利用灰度变化获得图像的位移矢量[8]。孙辉等利用光流约束方程求解运动参数[9]。早期的稳像利用均值滤波，用滤波前后对应帧的参数差作为补偿参数。赵文华等将运动参数代入FIR滤波器中，通过与截断函数乘积进行滤波[10]。Kalman滤波首先预估图像运动，然后根据误差协方差对观测到的值进行调整[11]。目前Kalman和FIR是滤波器的研究热点[12-14]。在移动机器人对接作业过程中，机器人需要依据对接点目标，在水平和垂直方向上进行位置调整。其间因路面不平、机械间隙、摩擦和柔性等原因会引入无意运动，表现为视频相邻帧图像间会有明显的平移抖动。从已有文献可见，稳像算法较多，但通过对不同算法的比较研究，设计适合移动机器人对接作业中视觉稳像应用背景的可见文献较少。

1 基于滤波的数字稳像算法

1.1 图像运动建模

本文结合机器人对接作业视频特点，选取仿射变换矩阵。……