买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(武汉)

摘要：本发明公开了一种基于图像特征匹配的多智能体协同定位方法、系统及设备，本发明针对传统多智能体协同定位方法对抗外界干扰的鲁棒性差的问题和特征提取与匹配算法中计算量复杂的问题进行了改进。通过对相机视野重叠的智能体获取的图像进行特征提取与匹配，获得相邻智能体之间的相对位姿，从而解决上述技术问题。

主权项：1.一种基于图像特征匹配的多智能体协同定位方法，所述智能体均配置有相机；其特征在于，包括以下步骤：步骤1：智能体通过配置的相机获取图像；步骤2：基站获取网络中各个智能体的图像，并对其进行分析，获得相机视野重叠率大于阈值的两个智能体；步骤3：基站对步骤2中获得的两个智能体获取的图像进行特征提取与匹配，获得相邻智能体之间的相对位姿；其中，智能体A到智能体B的变换为xb＝Rxa+t；其中，R为旋转矩阵，t为平移向量，xa、xb分别表示智能体A、智能体B的位置坐标；引入齐次坐标和变换矩阵，对智能体A、智能体B之间的变换进行重写： 式1中TAB表示变换矩阵；不相邻的两个智能体A和C之间的变换通过式2推导出： 式2中TBC、TAC表示变换矩阵；从相邻两个智能体的相机拍摄的图像中提取特征点，得到n对3D特征点对，分别表示为集合P＝{p1,L,pn}和P′＝{p′1,L,p′n}；定义权重函数φpi∈[0,1来表示特征点pi在图像中的重要性的正权重，将特征点pi及其重要性写成函数fip,φ，并分别将两个集合中的点简写为fi和f′i；需要找到一个欧氏变换，其中R和t满足： 构建最小二乘问题，求解使得误差平方和最小的欧氏变换： 定义两组点的质心为对式4的误差函数进行变形： 求解欧氏变换以获得使得误差项最小的旋转矩阵R和平移向量t，分别记为R*和t*；具体包括以下步骤：1计算两组点的质心位置p和p′，计算每个点的去质心坐标：qi＝fi-p，q′i＝f′i-p′；2计算使误差项最小的旋转矩阵3将旋转矩阵代入，计算误差项最小的平移向量：t*＝p-Rp′；因此，展开关于旋转矩阵的误差项： 由于旋转矩阵R是正交矩阵，所以RTR＝I，误差项只有第三项与旋转矩阵有关，则目标函数化简为： 定义一个三维矩阵并对其进行SDV分解得到W＝UΣVT，其中Σ为奇异值组成的对角矩阵，对角线元素依次减小，矩阵U和V均为正交矩阵；则目标函数5变成：trRW＝trRUΣVT＝trΣVTRU，其中R、U、V均为正交矩阵，则M＝VTRU也是正交矩阵，其行、列向量均为正交的单位向量；M的列向量mj均有|mij|≤1，则有： 不等式6中等号成立，即取得最大值的条件为mii＝1，由于M为正交矩阵，因此M为单位矩阵，则当矩阵W满秩时，求得旋转矩阵为：R＝VUT；最后根据求解欧式变换的步骤3求得平移向量t；步骤4：根据相邻智能体之间的相对位姿，进行智能体间协同定位。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 基于图像特征匹配的多智能体协同定位方法、系统及设备