基于目标跟踪的全方位视觉自引导车动态定位技术

论文摘要

自动导航技术是自引导车(AGV)和移动机器人系统的关键部分。基于视觉的导航系统能够良好的应用于室内和室外环境,而无须建立额外的辅助设施。然而,环境中需要包含一些能够被视觉系统观察到的自然的或人工的特征。在导航环境中,将这些图像特征和物理空间参数结合以实现定位。所谓车载测量定位是指将镜头固定于自引导车或移动机器人等需进行测量定位的移动物体上,通过对周围特征物的观测实现对自身的动态定位。本文采用的移动载体为自引导车。传统的视觉AGV定位方法采用的镜头通常视角较小,当观测大角度范围时需通过云台旋转实现,实时性差,观测物易丢失。采用全方位视觉的导航系统能够捕获环境半球域视场信息,这对视觉导航技术具有重要意义。全方位视觉图像能够克服以镜头为轴心的旋转带来的图像信息的丢失,这使得图像特征更为稳定,有利于AGV视觉定位和导航的实现。鱼眼镜头是建立全方位视觉系统最有效的方法之一,相对于反射式全景视觉镜头,鱼眼镜头具有结构紧凑、体积较小、不易损坏等优点。鱼眼镜头视场角通常达到或超过180度,单一镜头能够捕获半球图像,而使用两个鱼眼镜头则能够一次获取整个空间的完整图像。本课题使用单一鱼眼镜头构造全方位视觉系统。在AGV顶部竖直向上安置一台鱼眼镜头摄像机,摄取360°方位视角中的全部场景图像,增强AGV对环境的观测能力,如图1所示。同时借助粒子滤波器具有对多种类型目标进行高效跟踪的能力,对已知陆标进行视觉跟踪。最后通过对鱼眼镜头标定,将目标图像坐标转化为物理空间参数,实现陆标的空间和图像两方面信息的融合,从而实现对AGV的定位。本文提出的算法在自引导车实验平台上进行了测试,在鱼眼图像畸变校正的基础上,使用粒子滤波器对双色陆标进行视觉跟踪,实现了对AGV的定位。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 论文研究的意义及背景
• 1.1.1 研究目的和意义
• 1.1.2 国内外研究现状分析
• 1.1.3 国内外研究所存在的问题
• 1.2 自引导车概述
• 1.2.1 自引导车的定义
• 1.2.2 自引导车的产生及发展
• 1.2.3 自引导车的主要引导方式
• 1.2.4 自引导车的主要应用领域
• 1.3 机器视觉概述
• 1.3.1 机器视觉的定义及特点
• 1.3.2 机器视觉系统的主要构成
• 1.3.3 机器人视觉
• 1.3.4 机器人视觉的发展历程
• 1.3.5 移动机器人视觉中的目标跟踪
• 1.4 视觉型自引导车
• 1.5 课题来源及主要研究内容
• 第二章 全方位视觉
• 2.1 全方位视觉概述
• 2.1.1 全方位视觉的特点
• 2.1.2 全方位视觉的主要构建方式
• 2.1.3 全方位视觉的应用研究现状
• 2.2 鱼眼镜头概述
• 2.2.1 鱼眼和鱼眼镜头
• 2.2.2 鱼眼镜头的发展历程
• 2.3 鱼眼镜头畸变校正
• 2.3.1 镜头畸变分类
• 2.3.2 鱼眼图像畸变的几何矫正
• 第三章 基于粒子滤波的目标跟踪算法
• 3.1 贝叶斯滤波原理
• 3.2 蒙特卡罗方法
• 3.2.1 蒙特卡罗方法简介
• 3.2.2 蒙特卡罗方法的实现
• 3.2.3 简单采样
• 3.3 粒子滤波器
• 3.3.1 重要性采样
• 3.3.2 序列重要性采样
• 3.3.3 退化现象
• 3.3.4 重要性密度分布的选择
• 3.3.5 重采样
• 3.4 粒子滤波器在目标跟踪中的应用
• 3.4.1 目标跟踪系统模型构建
• 3.4.2 粒子滤波器算法步骤
• 第四章 全方位视觉AGV 定位算法
• 4.1 全方位视觉AGV 定位系统
• 4.2 陆标的定位与跟踪
• 4.3 基于陆标的AGV 定位算法
• 4.3.1 位置（坐标）
• 4.3.2 姿态（朝向）
• 第五章 实验系统简介及实验结果
• 5.1 实验系统简介
• 5.2 实验结果
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 未来工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢