基于全景视觉的移动机器人定位研究

论文摘要

移动机器人是近年来在机器人学领域备受关注的课题,在智能人机交互、服务机器人、空间机器人和无人驾驶系统等领域具有广阔的应用前景。在移动机器人导航中,实现机器人自身的准确定位是一项最基本、最重要的功能,也是移动机器人研究中备受关注、富有挑战性的一个重要研究主题。本文的研究工作就是围绕着移动机器人定位进行的。在上述研究背景下,本文基于全景视觉系统研究了机器人的自主定位和机器人的相互定位。首先,本文介绍了移动机器人的发展现状和发展趋势,分析了全景立体视觉系统的结构及成像模型,重点讨论了全景立体视觉的成像原理。其次,本文研究了彩色图像处理的基本方法,其中包括颜色空间的选择、彩色图像预处理及图像中对目标的检测识别方法等问题。重点讨论了颜色空间之间的转换,以及它们之间的转换公式。然后研究了基于全景视觉系统下的机器人三角定位法和相互定位法,推导出了相应的计算公式。为减少背景环境对目标识别的影响,本文提出了一种改进的路标。重点讨论了机器人相互定位中的位置和方向角的求解过程和产生误差的各种原因。最后,对机器人环境地图构建进行了概述。讨论了环境地图构建过程中地图的表示方法,分析了机器人环境构建地图的创建过程及创建方法。实验结果表明,本文研究的基于全景视觉的移动机器人定位方法是令人满意的,对实际应用有一定的价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景及意义
• 1.2 移动机器人的研究现状
• 1.2.1 体系结构
• 1.2.2 信息感知
• 1.2.3 移动机器人控制
• 1.2.4 路径规划
• 1.3 移动机器人发展中存在的问题及解决途径
• 1.4 移动机器人的发展趋势
• 1.5 本论文的工作安排
• 第2章 全景视觉相关知识
• 2.1 全景视觉系统成像原理
• 2.1.1 全景视觉
• 2.1.2 单视点成像的基本原理
• 2.2 全向反射镜面
• 2.2.1 圆锥反射镜
• 2.2.2 球形反射镜
• 2.2.3 椭球形反射镜
• 2.2.4 抛物面形反射镜
• 2.2.5 双曲面形反射镜
• 2.3 本章小结
• 第3章 图像处理涉及的相关处理技术
• 3.1 颜色模型标定
• 3.1.1 RGB颜色模型
• 3.1.2 HSI颜色模型
• 3.1.3 YIQ、YUV颜色模型
• 3.1.4 颜色模型的转换
• 3.2 图像预处理
• 3.2.1 中值滤波
• 3.2.2 图像锐化
• 3.3 数学形态学运算
• 3.3.1 图像腐蚀
• 3.3.2 图像膨胀
• 3.4 全景图像柱面展开
• 3.4.1 全景图像中心点确定
• 3.4.2 全景图像的快速解算
• 3.5 图像分割
• 3.5.1 图像分割原理
• 3.5.2 灰度图像分割方法
• 3.5.3 彩色图像分割方法
• 3.5.4 区域生长算法原理
• 3.6 轮廓提取与轮廓跟踪
• 3.7 本章小结
• 第4章 基于全景图像的机器人定位
• 4.1 机器人定位系统介绍
• 4.1.1 传感技术
• 4.1.2 定位技术
• 4.2 机器人自主定位
• 4.2.1 三角定位算法
• 4.2.2 α角的计算
• 4.2.3 实验结果
• 4.3 机器人相互定位
• 4.3.1 定位原理
• 4.3.2 位置的确定
• 4.3.3 方向角的确定
• 4.3.4 程序设计与试验结果
• 4.3.5 误差分析
• 4.4 本章小结
• 第5章 地图创建问题简述
• 5.1 引言
• 5.2 常用的地图表示方法
• 5.2.1 栅格尺度地图
• 5.2.2 几何尺度地图
• 5.2.3 拓扑地图
• 5.2.4 原始特征地图
• 5.3 单机器人地图创建过程
• 5.3.1 环境特征提取与描述
• 5.3.2 数据关联
• 5.3.3 地图更新
• 5.4 多机器人地图创建方法综述
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢