隨著信息技術(shù)以及計(jì)算機(jī)的發(fā)展,人工智能逐漸成為各個(gè)領(lǐng)域的研究熱點(diǎn),作為人工智能的典型代表移動(dòng)機(jī)器人進(jìn)入了新的研究熱潮。在機(jī)器人移動(dòng)過程中,障礙物檢測以及避障是它基本功能。目前利用超聲波、紅外線、激光雷達(dá)、彩色攝像頭、多傳感器融合進(jìn)行障礙物檢測時(shí),會(huì)存在較多的問題,如不能獲取障礙物目標(biāo)的邊界信息、易受到光照的影響、計(jì)算量大以及融合算法復(fù)雜、對(duì)傳感器同步要求較高等。針對(duì)上述問題,本文提出了使用深度攝像頭作為傳感器來進(jìn)行障礙物檢測的方法,以自主研制的兩輪移動(dòng)機(jī)器人Robot-BX作為研究平臺(tái),對(duì)移動(dòng)機(jī)器人在障礙物的檢測以及避障中存在的問題進(jìn)行了深入研究,并提出相應(yīng)的解決方法,論文主要內(nèi)容如下:首先,研究了基于深度攝像頭的障礙物檢測方法。由于深度攝像頭檢測到的深度圖像像素點(diǎn)多,導(dǎo)致數(shù)據(jù)處理效率低、檢測速度慢,尤其不適于檢測移動(dòng)障礙物。因此本文提出了提高深度攝像頭檢測速度的方法,即對(duì)深度圖像的像素點(diǎn)進(jìn)行篩選,降低像素點(diǎn)數(shù)目,提高數(shù)據(jù)處理效率。另外,由于受到背景以及地面的影響,深度攝像頭未能準(zhǔn)確的識(shí)別障礙物的具體位置,本文采用Meanshift算法進(jìn)行圖像分割去除背景,隨后利用區(qū)域增長算法提取出障... 

【文章頁數(shù)】：89 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題的研究意義
        1.1.1 移動(dòng)機(jī)器人的研究意義
        1.1.2 移動(dòng)機(jī)器人在智能物流中的應(yīng)用
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 移動(dòng)機(jī)器人的國內(nèi)外研究現(xiàn)狀
        1.2.2 障礙物檢測的國內(nèi)外研究現(xiàn)狀
        1.2.3 移動(dòng)機(jī)器人避障方法的國內(nèi)外研究現(xiàn)狀
    1.3 本章小結(jié)
    1.4 本文的主要研究內(nèi)容
    1.5 論文章節(jié)安排
第二章 基于3D深度測量技術(shù)的移動(dòng)機(jī)器人模型及避障方案
    2.1 引言
    2.2 移動(dòng)機(jī)器人系統(tǒng)模型的建立
        2.2.1 傳感器觀測模型
        2.2.2 移動(dòng)機(jī)器人坐標(biāo)系統(tǒng)模型
        2.2.3 移動(dòng)機(jī)器人運(yùn)動(dòng)模型
    2.3 移動(dòng)機(jī)器人避障理論研究
        2.3.1 移動(dòng)機(jī)器人避障技術(shù)
        2.3.2 移動(dòng)機(jī)器人避障方案
    2.4 本章小結(jié)
第三章 基于深度攝像頭的障礙物檢測的新方法
    3.1 引言
    3.2 深度攝像頭處理技術(shù)
        3.2.1 華碩Xtion PRO LIVE深度相機(jī)的標(biāo)定
        3.2.2 深度圖像和RGB圖像的配準(zhǔn)
    3.3 深度攝像頭距離測量原理
    3.4 深度攝像頭像素點(diǎn)選擇
    3.5 圖像預(yù)處理
        3.5.1 濾波處理
        3.5.2 雙邊濾波處理算法
        3.5.3 改進(jìn)雙邊濾波處理算法
        3.5.4 雙邊濾波算法改進(jìn)前后對(duì)比實(shí)驗(yàn)
        3.5.5 Meanshift圖像分割原理
        3.5.6 Meanshift圖像分割算法的實(shí)現(xiàn)
    3.6 背景差分法
    3.7 障礙物檢測算法
    3.8 障礙物檢測方法實(shí)驗(yàn)驗(yàn)證
    3.9 本章小結(jié)
第四章 改進(jìn)的分層遺傳-蟻群的避障算法
    4.1 引言
    4.2 基于移動(dòng)機(jī)器人視覺的避障策略
    4.3 基于遺傳算法的避障方法
    4.4 基于蟻群算法的避障方法
    4.5 分層遺傳-蟻群算法的避障算法
        4.5.1 分層遺傳-蟻群算法的流程圖
        4.5.2 分層遺傳-蟻群算法基本步驟
    4.6 算法仿真與對(duì)比實(shí)驗(yàn)
    4.7 本章小結(jié)
第五章 實(shí)驗(yàn)驗(yàn)證與分析
    5.1 引言
    5.2 實(shí)驗(yàn)平臺(tái)介紹
        5.2.1 Robot-BX硬件平臺(tái)
        5.2.2 Robot-BX軟件系統(tǒng)
    5.3 基于深度攝像頭的障礙物檢測實(shí)驗(yàn)驗(yàn)證
        5.3.1 敏感區(qū)域外障礙物過濾實(shí)驗(yàn)
        5.3.2 多個(gè)障礙物檢測實(shí)驗(yàn)
    5.4 基于深度攝像頭的避障實(shí)驗(yàn)驗(yàn)證
        5.4.1 一般情況下避障
        5.4.2 緊急情況下避障
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]圖像信息技術(shù)在奶牛生產(chǎn)中的應(yīng)用[J]. 孫雨坤,岳奎忠,李文茜,么恩悅,劉鑫,李洋,張永根.  動(dòng)物營養(yǎng)學(xué)報(bào). 2018(05)
[2]基于線性CCD的類人機(jī)器人循跡系統(tǒng)的設(shè)計(jì)[J]. 牛國臣,許開魯.  現(xiàn)代電子技術(shù). 2018(02)
[3]基于ROS的移動(dòng)機(jī)器人的路徑規(guī)劃策略研究[J]. 高志發(fā),武建新.  機(jī)械研究與應(yīng)用. 2017(03)
[4]基于遺傳螞蟻混合算法的AUV全局路徑規(guī)劃[J]. 潘昕,吳旭升,侯新國,馮源.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[5]基于Kinect的實(shí)時(shí)障礙物檢測[J]. 丁亮.  微型機(jī)與應(yīng)用. 2017(07)
[6]基于改進(jìn)人工勢場法的移動(dòng)機(jī)器人避障路徑規(guī)劃算法[J]. 倪天偉,江紅,林金珠.  常州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(05)
[7]基于粒子群遺傳算法的泊車系統(tǒng)路徑規(guī)劃研究[J]. 王輝,朱龍彪,朱天成,陳紅艷,邵小江,朱志慧.  工程設(shè)計(jì)學(xué)報(bào). 2016(02)
[8]改進(jìn)蟻群算法及其在機(jī)器人避障中的應(yīng)用[J]. 裴振兵,陳雪波.  智能系統(tǒng)學(xué)報(bào). 2015(01)
[9]改進(jìn)的雙邊濾波算法[J]. 張海榮,檀結(jié)慶.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(09)
[10]基于Dijkstra算法的機(jī)器人避障最短線路模型[J]. 孫忠民.  濰坊工程職業(yè)學(xué)院學(xué)報(bào). 2013(01)

博士論文
[1]空間機(jī)器人地面遙操作的關(guān)鍵技術(shù)研究[D]. 徐效農(nóng).東南大學(xué) 2017
[2]智能視頻監(jiān)控中的運(yùn)動(dòng)目標(biāo)檢測和跟蹤算法研究[D]. 袁國武.云南大學(xué) 2012

碩士論文
[1]基于2D激光雷達(dá)的移動(dòng)機(jī)器人關(guān)鍵技術(shù)研究[D]. 胡志遠(yuǎn).廣西大學(xué) 2017
[2]A供應(yīng)鏈企業(yè)發(fā)展戰(zhàn)略研究[D]. 梁曉明.北京交通大學(xué) 2014
[3]基于Kinect的物體分割與識(shí)別算法研究[D]. 李璐一.重慶大學(xué) 2014
[4]基于雙PAL全景系統(tǒng)的立體信息獲取研究[D]. 田延冰.浙江大學(xué) 2014
[5]基于圖像處理技術(shù)的智能車研究[D]. 王爍.蘭州理工大學(xué) 2013
[6]未知環(huán)境下自主移動(dòng)機(jī)器人避障研究[D]. 胡遠(yuǎn)航.哈爾濱工程大學(xué) 2013
[7]基于多傳感器融合的機(jī)器人導(dǎo)航系統(tǒng)中的避障研究[D]. 呂玉彬.濟(jì)南大學(xué) 2012
[8]背景建模算法研究[D]. 田楠.蘭州大學(xué) 2012
[9]基于改進(jìn)粒子群算法的滅火機(jī)器人路徑規(guī)劃研究[D]. 張濤.西安科技大學(xué) 2011
[10]基于遺傳算法的工程多目標(biāo)優(yōu)化研究[D]. 阮宏博.大連理工大學(xué) 2007



本文編號(hào)：3711498