本文關鍵詞：基于單目視覺的機器人動態(tài)障礙物檢測與壁障方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：機器人技術(shù)是新一代科技革命中最重要的研究課題之一,工業(yè)機器人作為機器人研究領域中較早被人們掌握的技術(shù),已廣泛應用到生產(chǎn)、加工、制造等眾多領域中。在工業(yè)機器人操作環(huán)境下,對于如何避免在機器人運動路徑上隨時闖入的工作人員或其他動態(tài)障礙物發(fā)生碰撞,已成為機器人安全操作領域的重要課題之一。從機器人安全操作角度出發(fā),在機器人末端安裝環(huán)境信息采集裝置,對周圍環(huán)境進行分析與監(jiān)控,從而避免此類碰撞事故的發(fā)生是十分必要的。針對以上提到的人機安全操作問題,本文利用實驗室現(xiàn)有末端安裝單目攝像頭的ESPON六自由度小型械臂機作為實驗對象,采用光流法實時檢測機器人作業(yè)空間內(nèi)動態(tài)侵入的人或障礙物,并在線修正機器人既定的作業(yè)路徑,完成避障任務規(guī)劃。首先,利用機器人提取的視覺信息對動態(tài)環(huán)境建立全局運動參數(shù)估計模型,并與背景補償技術(shù)相結(jié)合,實現(xiàn)了動態(tài)場景下背景與前景的分離,消除了由于機器人末端執(zhí)行器運動對移動障礙物特征提取產(chǎn)生的影響;其次,通過對光流算法的分析,利用改進的基于KLT特征點跟蹤的光流計算方法,實現(xiàn)了機器人對運動路徑中出現(xiàn)的動態(tài)障礙物進行檢測;最后,通過光流計算獲取下一時刻障礙物的位置,根據(jù)障礙物的碰撞時間計算障礙物深度信息,并結(jié)合人工勢場法,構(gòu)建機器人與動態(tài)障礙物和目標物體之間的虛擬斥力和引力,從而實現(xiàn)機器人避障并接近目標物體。本文采用基于光流的動態(tài)障礙物檢測并結(jié)合人工勢場理論完成機器人避障的方法,以單目相機作為圖像采集設備,可在不更改現(xiàn)有自動化生產(chǎn)線上視覺伺服作業(yè)機器人的任何硬件結(jié)構(gòu)的前提下,實現(xiàn)機器人的自主避障。同時,較基于雙目視覺的障礙物檢測相比,本系統(tǒng)由圖像的光流速度估算機器人與動態(tài)障礙物的相對距離,有效的避免了由于現(xiàn)場環(huán)境、光照影響或紋理缺乏導致的雙目圖像匹配失敗,從而更好的保證了機器人工作中避障的可靠性和實時性。本論文主要完成了以下幾項工作:1、利用機器人末端攝像頭提取場景中動態(tài)圖像信息,并通過對動態(tài)圖像信息的全局運動參數(shù)估計與背景補償來實現(xiàn)動態(tài)場景中背景與前景的分離;建立攝像機運動參數(shù)模型,利用求解的參數(shù)模型對相鄰幀間進行運動補償,消除了機器人末端執(zhí)行器運動對障礙物特征提取產(chǎn)生的影響;2、在原有光流算法基礎上,利用圖像金字塔對基于KLT特征點跟蹤的光流計算方法進行改進,提高了特征點匹配的穩(wěn)定性,從而更好的實現(xiàn)了機器人對運動路徑中出現(xiàn)的移動障礙物進行檢測。3、通過對障礙物特征點處光流的計算,得到障礙物下一時刻的位置估計,提取障礙物的相對深度(Time-To-Contact)信息,并將人工勢場理論和障礙物深度信息想結(jié)合,實現(xiàn)機器人對動態(tài)障礙物的躲避并接近目標物體。4、利用Visual Studio 2010編程軟件進行了改進的基于KLT特征點跟蹤的光流計算及障礙物深度信息提取的實現(xiàn),在此基礎上,對利用視覺信息的機器人動態(tài)障礙物檢測與避障進行試驗,充分驗證本障礙物檢測與避障方法的有效性和可行性。
【關鍵詞】：全局運動估計 背景補償 光流法 相對深度信息提取 人工勢場法
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP242
【目錄】：

• 摘要4-6
• Abstract6-12
• 第1章 緒論12-22
• 1.1 課題來源12
• 1.2 選題背景及意義12-13
• 1.3 機器人視覺研究概況13-20
• 1.3.1 基于視覺的機器人動態(tài)障礙物檢測研究概況15-17
• 1.3.2 基于光流的機器人避障算法研究概況17-20
• 1.4 論文主要研究內(nèi)容和章節(jié)安排20-22
• 第2章 機器人視覺檢測與避障系統(tǒng)總體構(gòu)架22-28
• 2.1 系統(tǒng)硬件組成22-24
• 2.1.1 六自由度串聯(lián)機械臂23
• 2.1.2 機器人視覺感知部分23-24
• 2.2 系統(tǒng)軟件組成24-26
• 2.2.1 動態(tài)場景建模模塊24
• 2.2.2 動態(tài)障礙物檢測模塊24-25
• 2.2.3 機器人避障分析模塊25
• 2.2.4 數(shù)據(jù)傳輸模塊25-26
• 2.3 系統(tǒng)工作原理26-27
• 2.4 本章小結(jié)27-28
• 第3章 機器人運動空間的全局運動估計與背景補償28-40
• 3.1 全局運動參數(shù)估計模型的建立28-32
• 3.1.1 運動估計的概念與分析29-30
• 3.1.2 動態(tài)場景中攝像機模型的建立30-32
• 3.2 建立基于隨機點塊運動匹配的運動矢量估計模型32-36
• 3.2.1 塊匹配基本過程33-34
• 3.2.2 塊匹配中準則函數(shù)的選取34
• 3.2.3 三步搜索法實現(xiàn)過程34-35
• 3.2.4 基于塊匹配的運動估計算法實現(xiàn)過程35-36
• 3.4 動態(tài)場景中攝像機模型參數(shù)求解36-38
• 3.5 動態(tài)環(huán)境下機器人運動背景補償38
• 3.6 本章小結(jié)38-40
• 第4章 基于光流的動態(tài)障礙物檢測40-50
• 4.1 光流及其相關概念40-42
• 4.1.1 運動場與光流場40-41
• 4.1.2 光流約束方程41-42
• 4.2 基于KLT特征點跟蹤的光流計算方法42-46
• 4.2.1 動態(tài)障礙物特征點檢測42-43
• 4.2.2 KLT光流算法原理43-46
• 4.3 利用圖像金字塔改進KLT特征點跟蹤的光流計算方法46-48
• 4.3.1 基于圖像金字塔的KLT光流匹配46-47
• 4.3.2 去除不穩(wěn)定匹配特征點的具體實現(xiàn)方法47-48
• 4.4 本章小結(jié)48-50
• 第5章 基于光流的機器人避障方法研究50-62
• 5.1 光流場中三維信息描述50-51
• 5.2 光流場中三維場景信息提取51-56
• 5.2.1 光流場中延伸焦點（FOE）的計算51-54
• 5.2.2 光流場中場景相對深度（TTC）的提取54-56
• 5.3 基于人工勢場法的機器人避障策略分析56-58
• 5.3.1 人工勢場法介紹56-57
• 5.3.2 基于人工勢場法的虛擬力模型建立57-58
• 5.4 目標物體虛擬引力建模58-59
• 5.5 障礙物虛擬斥力建模59-60
• 5.6 人工勢場法實現(xiàn)機器人動態(tài)障礙物避障分析60-61
• 5.7 本章小結(jié)61-62
• 第6章 機器人動態(tài)障礙物檢測與避障方法試驗62-72
• 6.1 基于光流的機器人動態(tài)障礙物檢測與避障試驗分析62-68
• 6.1.1 動態(tài)場景下全局運動估計與背景補償試驗62-65
• 6.1.2 基于改進KLT特征點跟蹤的光流計算實現(xiàn)動態(tài)障礙物檢測65-66
• 6.1.3 基于光流的機器人動態(tài)障礙物避障算法試驗66-68
• 6.2 機器人避障過程中運動軌跡與關節(jié)角變化分析試驗68-70
• 6.2.1 機器人末端運動軌跡分析69
• 6.2.2 機器人關節(jié)角變化分析69-70
• 6.3 本章小結(jié)70-72
• 第7章 全文工作總結(jié)72-74
• 7.1 研究工作總結(jié)72-73
• 7.2 繼續(xù)研究方向展望73-74
• 參考文獻74-80
• 致謝80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘超;劉建國;李峻林;;昆蟲視覺啟發(fā)的光流復合導航方法[J];自動化學報;2015年06期

2 蘇婷;金龍旭;李國寧;陶宏江;張珂;韓雙麗;;基于改進Harris算法的圖像角點檢測[J];半導體光電;2015年03期

3 劉恒建;任侃;顧國華;錢惟賢;徐富元;;基于KLT特征點的LK光流金字塔FPGA實現(xiàn)[J];電視技術(shù);2014年15期

4 郝大鵬;傅衛(wèi)平;王雯;;基于行為動力學的移動機器人安全導航方法[J];系統(tǒng)工程與電子技術(shù);2014年01期

5 胡覺暉;李一民;潘曉露;;改進的光流法用于車輛識別與跟蹤[J];科學技術(shù)與工程;2010年23期

6 金晟業(yè);陳圣波;金麗華;汪自軍;車大為;;遙感圖像邊緣提取微分方法及其應用[J];遙感技術(shù)與應用;2008年06期

7 施家棟;王建中;王紅茹;;基于光流的人體運動實時檢測方法[J];北京理工大學學報;2008年09期

8 馮會真;夏哲雷;林志一;;基于神經(jīng)網(wǎng)絡的圖像邊緣檢測方法[J];中國計量學院學報;2006年04期

9 黃炳強;曹廣益;;基于人工勢場法的移動機器人路徑規(guī)劃研究[J];計算機工程與應用;2006年27期

10 張建英;趙志萍;劉暾;;基于人工勢場法的機器人路徑規(guī)劃[J];哈爾濱工業(yè)大學學報;2006年08期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李牧;機器人無標定視覺伺服關鍵技術(shù)的研究[D];哈爾濱工業(yè)大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 許鵬;基于視覺伺服機理的遙操作機器人虛擬力反饋控制研究[D];吉林大學;2014年

2 李驍鵬;有力覺引導的虛擬現(xiàn)實輔助遙操作機器人系統(tǒng)研究[D];吉林大學;2014年

3 劉世聰;機器人避障算法研究[D];東北石油大學;2011年

4 賈海濤;運動目標檢測與識別算法的研究[D];電子科技大學;2006年

  本文關鍵詞：基于單目視覺的機器人動態(tài)障礙物檢測與壁障方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：297100