非结构化环境下自主导航系统视觉技术研究

论文摘要

本文对视觉导航系统中视觉图像分割、视觉目标颜色特征提取、视觉目标定位方法等关键视觉技术进行了研究,并在此基础上建立了以路径边界引导的非结构化环境下的移动机器人视觉导航系统。在视觉图像分割研究方面,提出了基于子区生长的移动机器人视觉图像分割方法。该方法通过具有区域一致性的子区生长将自播种过程与图像分割结合在一起,代替传统自播种区域生长法中先确定种子点,后进行图像分割的过程,提高了分割效率。区域一致性判断对子区生长的应用至关重要,方差是常用的区域一致性标准,本文研究发现方差对图像噪声比较敏感,在理论分析其原因的基础上,本文定义了区域像素平均距离并提出以之作为区域一致性标准。理论分析和实验结果验证了区域像素平均距离比方差具有更好的噪声抑制能力和辨别区域一致性的能力。在目标颜色特征提取研究方面,提出了基于HSI颜色模型分量自适应量化组合的颜色特征提取方法。该方法利用HSI颜色模型对颜色描述的稳定性,结合基于直方图多阈值分类量化的自适应性,提取图像的颜色特征,实验结果验证了该方法的有效性。在直方图多阈值分类方法中,针对颜色分量直方图数据局部极大值引起的颜色分量过分类问题,提出一种去除颜色分量直方图局部极大值的方法。该方法定量分析颜色分量直方图数据的分布特点,从而确定并修改颜色分量直方图数据中的局部极大值。实验结果验证了该方法去除直方图局部极大值的有效性。基于平面单应矩阵估计的视觉定位方法的定位精度与目标的位置有关,应用于对移动机器人运动的平面上的目标定位时,对应每个摄像机的俯仰角度,必须建立相应的平面单应矩阵。针对这些问题,提出一种基于RBF平面单应估计的视觉定位方法,该方法将摄像机俯仰角作为RBF网络的输入之一,利用RBF网络的非线性逼近拟合图像平面到空间平面的非线性转换关系,通过RBF平面单应估计定位空间平面上的视觉目标。摄像机不同角度下的定位实验结果表明该方法能够对空间平面上的目标有效定位。对比定位实验表明,在相同条件下,该方法对空间平面上视觉目标的定位精度高于基于平面单应矩阵估计的方法。在图像分割、特征提取、以及视觉目标定位等关键视觉技术研究的基础上,提出了一种以路径边界引导的视觉导航方式。这种导航方式利用视觉处理技术获得移动机器人的路径边界信息,并从中提取移动机器人导航和避障控制参数。这种导航方式在引导移动机器人实现对非结构化环境的自主探索方面显示出较好的效果。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 自主视觉导航技术的应用和研究概况
• 1.2.1 结构化环境下视觉导航的应用
• 1.2.2 非结构化环境下视觉导航的应用
• 1.3 自主导航系统的视觉技术
• 1.4 论文的组织结构和主要研究工作
• 第2章 视觉图像分割方法研究
• 2.1 图像分割方法概述
• 2.1.1 灰度图像分割方法概述
• 2.1.2 彩色图像分割方法概述
• 2.2 基本分割方法性能分析
• 2.3 二值子区生长方法
• 2.3.1 梯度向量图像和二值化
• 2.3.2 二值子区分割
• 2.4 基于子区生长的图像分割法
• 2.4.1 子区的结构选择
• 2.4.2 一类子区生长法
• 2.4.3 二类子区像素处理
• 2.4.4 区域一致性检测方法研究
• 2.5 图像分割实验
• 2.6 本章小结
• 第3章 颜色特征提取方法研究
• 3.1 颜色模型
• 3.1.1 面向硬件的颜色模型
• 3.1.2 面向视觉的颜色模型
• 3.2 固定阈值量化的颜色特征提取
• 3.3 直方图分类量化方法
• 3.3.1 直方图多阈值分类方法
• 3.3.2 去除局部极大值的方法
• 3.4 基于HSI分量量化的颜色特征提取
• 3.4.1 分量量化
• 3.4.2 颜色特征提取
• 3.5 特征提取实验
• 3.5.1 去除局部极大值的方法验证实验
• 3.5.2 视觉图像颜色特征提取及分割实验
• 3.6 本章小结
• 第4章 基于模糊规则的视觉目标定位方法
• 4.1 视觉目标定位的一般方法
• 4.1.1 已知焦距的视觉目标定位方法
• 4.1.2 未知焦距的视觉目标定位方法
• 4.2 基于模糊规则的视觉目标定位法
• 4.2.1 问题的提出
• 4.2.2 建立模糊规则
• 4.2.3 解模糊
• 4.3 实验与结果分析
• 4.3.1 视觉目标定位实验
• 4.3.2 基于视觉目标定位的视觉伺服控制实验
• 4.4 视觉目标定位方法比较
• 4.5 本章小结
• 第5章 基于平面单应估计的视觉定位方法
• 5.1 基于平面单应矩阵估计的方法
• 5.1.1 基于点对应的平面单应线性估计方法
• 5.1.2 基于线对应的平面单应矩阵估计方法
• 5.2 基于改进RBF网络平面单应估计的方法
• 5.2.1 RBF神经网络的一般结构
• 5.2.2 RBF网络的改进
• 5.2.3 基于改进RBF网络平面单应估计的定位
• 5.3 视觉目标定位实验
• 5.3.1 RBF网络改进实验
• 5.3.2 视觉目标定位实验
• 5.4 本章小结
• 第6章 运动路径边界引导的视觉导航方式
• 6.1 视觉导航系统结构
• 6.2 运动路径边界检测
• 6.3 运动控制参数提取
• 6.3.1 障碍物边界分析
• 6.3.2 导航边界分析
• 6.3.3 运动控制参数提取的实现
• 6.4 运动控制系统结构
• 6.5 视觉导航实验
• 6.6 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢