张卫兵

（湖南信息职业技术学院，湖南长沙，410200）

0 引言

机器人作为当前最为先进的自动化工具，可以在很多复杂的环境中工作，取代人们完成高精度、高难度和高危险作业，大大地提高了社会的信息化和智能化[1]。蛇形机器人是机器人应用的关键研究领域，其可以应用于复杂多变的环境，但是蛇形机器人的导航和控制技术一直是制约其应用的关键技术，针对单目视觉未知环境的蛇形机器人SLAM进行研究发现，可以利用实时的图像角点检测和特征提取实现相邻关键帧快速特征匹配与局部图像构建，接着可以使用卷积神经网络的回环检测方法来生成全局地图[2]。因此，本文针对高动态不确定性环境下实时图像角点检测与特征提取针对高动态复杂未知运动环境下，为提高蛇形搜救机器人在蜿蜒、蠕动、翻滚步态运动时图像的尺度、平移、旋转变化的角点检测速度与特征提取准确度，详细地描述具有方向特征信息的改进FAST角点检测算法，然后改进基于像素点二进制位比较的BRIEF特征描述子，使其具备对旋转不变性及对图像噪声不敏感，提高特征提取准确度，提高机器人动态环境下图像跟踪的准确度和鲁棒性[3]。

1 Fast算法在机器人角点检测中的应用现状

FAST（Features From Accelerated Segment Test）是一种非常先进的角点检测算法，该算法运算过程简单，计算速度非常快，能够实现特征点提取，完成物体对象的跟踪和映射，远优于传统的SIFT算法、SURE算法、Harris算法。FAST算法定义了角点，形式化角点判定规则如下：比较候选像素与其周围一圈像素的灰度值，如果灰度值相差非常大的像素集合在一起能够构成连续的弧，通过计算可以发现弧长大于圆周长的75%，因此可以判定这个弧即是角点[4]。……