車輪滑轉(zhuǎn)率的估計(jì)對星球車的移動(dòng)控制具有重要的意義,可以幫助星球車進(jìn)行定位導(dǎo)航,預(yù)防沉陷。通過分析兩相鄰時(shí)刻車輪-地面圖像,建立車輪滑轉(zhuǎn)率估計(jì)模型,提出一種只利用視覺手段估計(jì)車輪滑轉(zhuǎn)率的方法。提取車輪-地面圖像中高亮度車轍弱邊界,利用兩相鄰時(shí)刻獲取的車輪-地面圖像中的車轍邊界,估計(jì)車輪前進(jìn)位移及線速度。提出車輪-地面圖像中車輪標(biāo)記點(diǎn)的提取方法,利用兩相鄰時(shí)刻獲取的車輪-地面圖像中的車輪標(biāo)記點(diǎn),估計(jì)車輪旋轉(zhuǎn)角度和角速度。給出另一種利用編碼器和車輪-地面圖像估計(jì)滑轉(zhuǎn)率的方法,對兩種方法進(jìn)行試驗(yàn)測試,試驗(yàn)結(jié)果說明兩種方法是有效的,滑轉(zhuǎn)率估計(jì)誤差均低于9%�；D(zhuǎn)率估計(jì)方法不僅可以幫助星球車在利用車輪-地面圖像檢測沉陷量的同時(shí),而且能實(shí)現(xiàn)對車輪滑轉(zhuǎn)率的估計(jì),能提高從車輪-地面圖像中獲取的車輪狀態(tài)信息數(shù)量。 

【文章來源】：機(jī)械工程學(xué)報(bào). 2020,56(02)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

不同時(shí)刻車輪-地面圖像

撬俁?ω。22211u=2r2rcos(6)()221=arccos1u(2r)(7)21ω=(tt)=t(8)式中，up為車輪轉(zhuǎn)標(biāo)記點(diǎn)像素位移，r1p為車輪轉(zhuǎn)標(biāo)記點(diǎn)離圓心的像素距離，則pu=ηu(9)11pr=ηr(10)方法二的滑轉(zhuǎn)率計(jì)算式為()pp22pp1pp11arccos12StSsrturrηη==(11)要得到滑轉(zhuǎn)率s，還需要確定up，up的計(jì)算在第3節(jié)中進(jìn)行介紹。2基于單目視覺的車輪前進(jìn)位移估計(jì)車輪前進(jìn)位移計(jì)算流程如圖3所示。對車輪-地面圖像進(jìn)行平滑處理，降低圖像中的噪聲，提取出車轍邊界，并校正由相機(jī)位置引起的圖像變形，對兩幅不同時(shí)刻車輪-地面圖像中的車轍邊界進(jìn)行匹配，計(jì)算車輪前進(jìn)像素位移。圖3車輪前進(jìn)位移計(jì)算流程2.1車轍邊界特征分析車輪-地面圖像中有多種邊界，如圖4所示。對車轍邊界進(jìn)行分析，獲得車轍邊界獨(dú)特的特征，進(jìn)而對邊界提取算法進(jìn)行修改，提取出車轍邊界。在車輪-地面圖像中，車輪圓形邊界和陰影邊界的兩側(cè)的像素點(diǎn)的灰度差比較大，這兩種邊界屬于強(qiáng)邊界。然而，車轍邊界兩側(cè)的像素點(diǎn)的灰度差值遠(yuǎn)小于前圖4車輪-地面圖像中的邊界一種邊界的灰度差。對比于車輪邊界和陰影邊界，車轍邊界屬于弱邊界。車轍邊界沿與邊界垂直方向上的灰度梯度Gb較小，小于強(qiáng)弱邊界閾值Gt。即車轍邊界特征一btG<G(12)車輪-地面圖像中的弱邊界主要有：車轍邊界、背景中弱邊界、以及沙粒形成的弱邊界。相對于背景中的弱邊界，車轍邊界兩側(cè)像素點(diǎn)灰度值較大，因此車轍邊界特征二為：車轍邊界像素點(diǎn)8鄰域內(nèi)灰度均值bf滿足btf>f(1

?糜誶?殖嫡耷?蛉醣囈纈?背景區(qū)域弱邊界。對8鄰域內(nèi)的灰度均值大于閾值ft的弱邊緣點(diǎn)賦值1，否則，賦值0。即11111(,)(,)1(,)90(,)0ijfuivjeduvfuveduv==++===∑∑(21)tbt1(,)(,)0(,)fuvfeduvfuvf≥=<(22)式中，f(u,v)為像素點(diǎn)(u,v)的8鄰域內(nèi)灰度均值，f(u,v)為像素點(diǎn)(u,v)的灰度值，ed為步驟(4)處理后得到的圖像，edb為處理后圖像。2.2.3車轍邊界提取流程車轍邊界提取及車輪前進(jìn)位移計(jì)算流程如圖6所示。對圖像進(jìn)行平滑處理，降低圖像中的噪聲，利用修改后的Canny算子提取圖像明亮區(qū)域內(nèi)中的弱邊界，主要為車轍邊界，得到圖像edb，如圖7b所示。圖6車轍邊界提取流程圖7車轍邊界提取結(jié)果利用Matlab中bwareaopen函數(shù)消除面積小于圖像面積1/30的沙土弱邊界。從圖7b中可以發(fā)現(xiàn)提取的邊界包含水平方向的車轍輪廓線，該直線不利于第2.3節(jié)的車轍邊界匹配及車輪前進(jìn)位移的計(jì)算。利用霍夫變換提取圖像中最長的一條水平直線，確定該直線在圖像中所處于的行數(shù)cl，對與cl之間像素距離小于2的像素點(diǎn)賦值0，消除水平方向車轍輪廓線，保留車轍邊界。將像素值為“1”的像素點(diǎn)8鄰域內(nèi)所有點(diǎn)均賦值“1”，利用bwareaopen


本文編號：3461122