當(dāng)下智能車、智能機器人發(fā)展迅速,基于簡易視覺的障礙物的檢測方法以及定位導(dǎo)航愈加重要。本文結(jié)合部分場景障礙物檢測進行研究,建立了基于擬合和模糊推理的單目測距模型。對一個成品攝像頭而言,根據(jù)透鏡成像原理可知成像大小和物距之間是一個連續(xù)的對應(yīng)關(guān)系。本文選取空間中合適的典型物體作為標(biāo)準(zhǔn)可識別物,并用簡單函數(shù)的擬合曲線近似上述數(shù)量關(guān)系,并稱之為圖像距離函數(shù)。當(dāng)障礙物與標(biāo)識物之間的貼近程度可知時,便可通過圖像距離函數(shù)與障礙物的成像大小近似計算障礙物距離,且貼近程度越高,測距結(jié)果的精度越好。文中根據(jù)測距理論建立了多個標(biāo)識物在不同場景之下的圖像距離函數(shù)庫。為了簡化測距模型匹配過程中的計算量,文中把特定的標(biāo)識物與場景結(jié)合到一起。考慮到場景的不同所含有的標(biāo)識物組合方式和種類不同,需要先對測距場景進行模糊識別進而鎖定場景中某些特定標(biāo)識物。在圖像識別的基礎(chǔ)上,通過模糊推理判定出所屬場景和其內(nèi)的有限個典型標(biāo)志物的識別,進而使用測距方法計算出物體的距離。分析了模糊測距的誤差來源,并從測距原理與數(shù)值計算兩個角度給出誤差分析。從理論上給出了給定測距精度下的標(biāo)識物模糊測距鄰域閾值的存在性定理,并估計了數(shù)值計算的誤差。模... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：46 頁

【學(xué)位級別】：碩士

【部分圖文】：

原圖像與灰度圖像比較

像素點原來的灰度值，實現(xiàn)平滑去噪的處理。即 ( ) = ( )( ) 、g(x, y)是原圖像和平滑后的圖像，M 是鄰域內(nèi)所包含的像素總數(shù)域內(nèi)像素點的集合。均值濾波原理簡單易于實現(xiàn)，但不能較好的顯然的缺點，這將不利于某些邊緣的檢測。波的處理原理是非線性的，更能夠保證圖像的邊緣信息。其思想中心的某一窗口內(nèi)所有像素的灰度值進行從小到大排序[35]，將中度值的操作，即 = { } 域像素區(qū)域窗口，{ }是二維數(shù)據(jù)序列，Med 是從二位數(shù)據(jù)序列文中使用中值濾波進行圖像的去噪，得到的結(jié)果如下圖 2-2，這樣效果較好，圖像更加平滑細膩。

圖 2-3 原圖像與邊緣檢測圖像效果對比圖 2-3 所示，即為原圖像（左圖）與用 Canny 算子提取邊緣得到的新圖像上圖可以看出得到的邊緣圖像信息較為清晰，但仍存在背景圖與物體圖有清晰呈現(xiàn)。這主要是由于邊緣檢測的方法是根據(jù)像素點的不連續(xù)特點而該部分背景圖像與物體圖像像素點比較接近，簡易的邊緣檢測方法較需要用更加復(fù)雜的算法實現(xiàn)對該部分的邊緣檢測。合理論與使用邊緣檢測得出圖像信息之后，根據(jù)可測物體與鏡頭距離以及圖像邊緣信距離函數(shù)。在實際操作中，可測的數(shù)據(jù)的是離散的，得到的數(shù)據(jù)列是（,m。無法避免存在誤差，點列不一定能同時滿足特定的函數(shù)，因此要求 f(x)最優(yōu)的靠近所測樣本點，即 f(xi) (i=1,2,3,…n)與 yi(i=1,2,3,…n)這兩個

【參考文獻】：
期刊論文
[1]室內(nèi)智能移動機器人規(guī)則物體識別與抓取[J]. 李慧霞,高梓豪.  軟件. 2016(02)
[2]融合激光與視覺信息的自主移動機器人的SLAM研究[J]. 劉雅彬,陳萬米.  工業(yè)控制計算機. 2015(09)
[3]融合IMU的RGBD-SLAM算法改進研究[J]. 閔華松,楊杰.  計算機工程與設(shè)計. 2015(01)
[4]單目式自主機器人視覺導(dǎo)航中的測距研究[J]. 吳剛,唐振民.  機器人. 2010(06)
[5]基于超聲和紅外傳感器的探測系統(tǒng)設(shè)計[J]. 杜洪超,李鄧化,高晶敏.  微計算機信息. 2010(22)
[6]單目視覺目標(biāo)距離測量方法研究[J]. 張法全,路立平,沈滿德,陳良益,崔光照.  光子學(xué)報. 2009(02)
[7]基于單目視覺的距離測量研究[J]. 張純金,紀(jì)淑娟,范曉寧.  山東科技大學(xué)學(xué)報(自然科學(xué)版). 2007(04)
[8]基于數(shù)據(jù)回歸建模的單目視覺測距算法[J]. 沈志熙,黃席樾.  計算機工程與應(yīng)用. 2007(24)
[9]圖像邊緣檢測方法研究[J]. 魏偉波,芮筱亭.  計算機工程與應(yīng)用. 2006(30)
[10]基于視覺的前方車輛探測技術(shù)研究方法綜述[J]. 顧柏園,王榮本,余天洪,郭烈.  公路交通科技. 2005(10)

碩士論文
[1]基于異構(gòu)多核智能相機的缺陷檢測系統(tǒng)設(shè)計與實現(xiàn)[D]. 胡健.南京郵電大學(xué) 2018
[2]單目視覺檢測室內(nèi)未知環(huán)境障礙物的研究[D]. 王偉.重慶大學(xué) 2010
[3]基于DSP的視覺傳感器的關(guān)鍵技術(shù)研究[D]. 呂曉明.天津大學(xué) 2007



本文編號：3378841