自主移动机器人视觉导航信息研究

论文摘要

现代机器人的研究始于20世纪中期,自从1959年第一台工业机器人(可编程、圆坐标)在美国诞生以来,机器人已经被广泛应用到各行各业,自主移动机器人视觉导航信息研究是当前移动机器人研究的一个焦点。传统视觉系统能获得的视场范围有限,次只能获取机器人周围环境局部的视场信息,存在着较大的视觉盲区,大部分视场信息被放弃了,视场受限不能够提供全方位的决策依据信息。全景视觉环境感知系统成像视场宽阔,可以实时观测周围水平360度范围的场景,其技术优势十分明显。本论文主要就全景视觉系统下的目标跟踪和视觉避障进行了研究。首先,本文阐述了涉及全景视觉的一些相关光学知识,并在此基础上对全景视觉成像机理进行了深入的探讨,得到了适合于实际需要的几种全景反射镜的镜面曲线。接下来,分析了全景视觉图像处理需要用到的几种图像变换,灰度化、平滑、阈值分割及边缘检测等,并对图像平滑、阈值分割及边缘检测的常用算法做了实验对比,选择出适合本课题应用的算法。然后针对全景视觉系统的成像特点,提出了采用基于颜色的目标检测跟踪方法。本文详细的讨论了Mean Shift算法的思想及其推导过程,并采用该算法设计了一个基于颜色的目标检测跟踪系统,取得了较好的效果。最后本文给出了移动机器人视觉避障系统的设计与实现,详细讨论了其数学模型、设计方法及约束条件,并通过图像处理技术对摄像机进行了距离标定。实验结果证明,该方法的定位精度和实时性满足需要,有一定的实用性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 机器人概述
• 1.2 机器视觉技术现状、发展趋势及研究难点
• 1.2.1 机器视觉技术现状
• 1.2.2 机器视觉技术的发展趋势及研究难点
• 1.3 本文研究内容及结构
• 1.4 本章小结
• 2 全景视觉基础理论及实验平台简介
• 2.1 全景视觉技术简介
• 2.2 反射镜全景视觉系统成像理论
• 2.2.1 单视点折反射系统约束方程
• 2.2.2 双曲面反射镜全景视觉系统
• 2.3 本课题实验平台介绍
• 2.4 本章小结
• 3 数字图像处理理论
• 3.1 图像灰度变换
• 3.2 图像平滑
• 3.2.1 中值滤波法
• 3.2.2 均值滤波法
• 3.2.3 高斯滤波法
• 3.3 直方图与图像二值化
• 3.3.1 直方图
• 3.3.2 图像二值化
• 3.4 图像边缘检测
• 3.4.1 边缘检测
• 3.4.2 索贝尔算子
• 3.4.3 拉普拉斯算子
• 3.4.4 坎尼算子
• 3.4.5 几种边缘检测方法实际效果比较
• 3.5 本章小结
• 4 基于颜色的目标检测与跟踪
• 4.1 图像颜色模型介绍
• 4.1.1 原色系统
• 4.1.2 RGB颜色模型
• 4.1.3 HSV颜色模型
• 4.1.4 RGB颜色空间与HSV颜色空间的相互转换
• 4.2 均值平移（MEAN SHIFT）算法
• 4.2.1 算法原理
• 4.2.2 算法定义
• 4.2.3 目标跟踪中的Mean Shift算法
• 4.2.4 跟踪算法
• 4.3 实验过程及结果分析
• 4.3.1 Mean Shift算法实现
• 4.3.2 实验结果与分析
• 4.4 本章小结
• 5 障碍物识别与测距
• 5.1 障碍物识别
• 5.2 距离标定
• 5.3 障碍物测距
• 5.4 本章小结
• 结论与展望
• 致谢
• 参考文献