为了提高四足机器人在复杂环境下的适应性,重点研究了采用飞行时间(TOF)原理相机的四足机器人环境感知策略并改进了地形识别及路径规划算法.首先采用高斯过程回归(GPR)模型对TOF相机的距离数据进行误差校正,解决了采用传统多项式或三角函数模型进行误差修正时模型阶次过高及函数组合复杂的问题.基于得到的环境深度信息,采用数字高程模型(DEM)进行地形描述,并通过计算各栅格的坡度、粗糙度、起伏度对地形进行识别.粗糙度由该栅格所处的坡度平面与其8邻域高程点的离散程度进行计算,避免了采用高程方差计算时对粗糙

将平滑度约束引入特征匹配是已知的可以实现超强鲁棒匹配。 然而，这样的匹配方案既复杂又缓慢，使得它们不适合于视频应用。 本文提出了GMS（基于网格的运动统计），一种简单的方法，将运动平滑度作为一个统计量，进行局部区域的匹配。GMS可以将高匹配数字转换成高匹配质量。 这提供了一个实时、超强的匹配系统。 评估低质量、模糊的视频和广泛基线显示，GMS始终如一地优于其他实时匹配器。(The introduction of smoothness constraints to feature matching