随着机器人技术的快速发展,可以用于陪伴、家务、助老等方面的小型室内移动机器人成为机器人领域的研究热点。作为移动机器人感知外界环境,并根据外界环境完成复杂任务的基础,实时且精确的物体识别具有重要的研究意义。目前通用性的物体识别算法还在探索当中,经典的基于局部特征的物体识别算法在实时性和识别效果两方面又很难兼得。此外,在室内环境下由于复杂背景的干扰,基于二进制描述子的物体识别算法将更难表现出良好的性能。因此需要综合移动机器人的硬件条件和室内环境的特殊情况,对物体识别算法进行针对性的研究。基于此背景,本文结合似物性采样算法提出了一种基于二进制描述子的室内移动机器人物体识别算法。该算法可以在保持实时性的同时,提供良好的物体识别效果。本文的主要工作和贡献如下:为了排除室内环境中复杂背景对物体识别算法产生的干扰,本文基于主动视觉领域的显著性检测理论,在识别阶段之前加入场景图像预处理阶段。该阶段利用基于BING(Binarized Normed Gradients)特征的似物性采样算法,检测得到场景图像中的物体候选区域,并使用Kinect 1.0传感器采集的场景深度信息和图像的边缘信息,分别对物体候选区域进行筛选和优化。本文通过对多种基于局部特征的二进制描述子算法进行性能评估,选择实时性和识别效果都较好的ORB(Oriented FAST and Rotated BRIEF)算法用于在线识别阶段。此外,针对ORB算法不具有尺度不变性和对纹理不丰富物体的识别效果不佳的问题,通过在尺度空间内检测特征点和结合颜色信息对特征描述方式进行优化,得到改进后的ORB算法。在线识别阶段使用改进的ORB算法,对预处理阶段得到的物体候选区域和目标物体图像进行特征检测、描述和匹配。最后,在自建的室内移动机器人物体识别数据集上,对本文提出的算法进行测试。实验结果表明,本文提出的算法不仅可以满足室内移动机器人物体识别任务对实时性的要求,而且可以提供优良的物体识别效果。加入场景图像预处理阶段,对物体识别算法的识别效果可以起到较好的优化作用。