【摘要】：隨著現(xiàn)代計算機(jī)技術(shù)和機(jī)器智能化的發(fā)展,機(jī)器人技術(shù)的研究受到了廣泛的關(guān)注。導(dǎo)航技術(shù)是機(jī)器人領(lǐng)域的關(guān)鍵技術(shù),它是實(shí)現(xiàn)機(jī)器人的自動化和智能化的關(guān)鍵。因此,導(dǎo)航技術(shù)的進(jìn)展直接關(guān)系到機(jī)器人技術(shù)的發(fā)展進(jìn)程。雙目視覺導(dǎo)航是機(jī)器人導(dǎo)航的研究趨勢,它具有信息量豐富、智能化水平高等優(yōu)點(diǎn)。雙攝像頭感知機(jī)器人運(yùn)動環(huán)境的三維信息。根據(jù)攝像頭采集的環(huán)境信息,機(jī)器人能夠避開障礙物體,最終抵達(dá)目標(biāo)位置。因此,機(jī)器人雙目導(dǎo)航主要有三個方面,即雙目障礙物定位、路徑規(guī)劃和運(yùn)動控制。本文的研究內(nèi)容是雙目障礙物定位算法和路徑規(guī)劃算法。本文完成的工作如下:(1)研究了雙目障礙物定位算法。雙目定位算法分為攝像頭標(biāo)定、圖像特征提取、立體匹配及優(yōu)化、深度信息恢復(fù)等內(nèi)容。研究了利用張定友標(biāo)定法求取攝像頭內(nèi)外參數(shù),以及圖像的畸變矯正和立體校正。比較了SIFT算法和ORB算法在尺度變換、算法效率等方面的性能,最終選擇了ORB進(jìn)行圖像特征的提取。立體匹配是雙目定位最關(guān)鍵,也是難度最大的內(nèi)容。在應(yīng)用系統(tǒng)中,既需要匹配的準(zhǔn)確度,也需要匹配速度。本論文提出以最近鄰的Hamming距離和次近鄰Hamming距離的比值做為匹配準(zhǔn)則,這樣可以一定程度上減少誤匹配點(diǎn)。利用RANSAC算法對匹配的特征點(diǎn)進(jìn)一步提純,從而提高了匹配點(diǎn)的準(zhǔn)確度。在匹配點(diǎn)搜索方面,本論文改進(jìn)了ORB匹配點(diǎn)搜索方法,提出了采用K-D樹的數(shù)據(jù)結(jié)構(gòu)和BBF搜索策略。在深度信息恢復(fù)方面,研究了匹配點(diǎn)深度信息恢復(fù)原理。(2)研究了路徑規(guī)劃算法。在路徑規(guī)劃算法的研究中,通過對多種路徑規(guī)劃算法的分析和對比,本課題采用人工勢場法實(shí)現(xiàn)機(jī)器人的路徑規(guī)劃。研究了人工勢場算法的原理、優(yōu)點(diǎn)和缺點(diǎn)。人工勢場法存在兩個缺陷,即目標(biāo)不可達(dá)和局部最小值問題。對于目標(biāo)不可達(dá)問題,本文提出了修正斥力函數(shù),引入機(jī)器人到目標(biāo)點(diǎn)的距離因素。對于局部最小值問題,本文提出引入逃逸力的方法。(3)實(shí)現(xiàn)和分析了雙目視覺障礙物定位算法。本文采用ORB、BBF搜索策略、最近鄰/次近鄰匹配準(zhǔn)則、RANSAC匹配優(yōu)化算法,恢復(fù)了匹配點(diǎn)在空間中的三維坐標(biāo)。從而計算出了攝像頭與最近障礙物之間的距離。本論文定位的誤差在可接受的范圍內(nèi)。(4)實(shí)現(xiàn)和分析了人工勢場算法。利用Matlab和Visual Studio平臺分析了傳統(tǒng)人工勢場法的目標(biāo)不可達(dá)和局部最小值問題,而改進(jìn)的人工勢場法解決了這兩個問題。實(shí)現(xiàn)了改進(jìn)人工勢場算法在不同復(fù)雜環(huán)境下的路徑規(guī)劃,并且規(guī)劃的路徑是平滑安全的。
【學(xué)位授予單位】：成都信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP242
【圖文】：

圖 2-7 FAST 算法檢測示意圖 2-7 中，存在一個圓形。該圓的圓心是像素點(diǎn) p ，半徑大約是6 個像素點(diǎn)。首先假設(shè)閾值是 x，求取像素點(diǎn)1p 、9p 與圓心 p素差值是 y 。如果| y |< ，那么 點(diǎn)就不會為特征點(diǎn)。反之，有可能是特征點(diǎn)，但仍需對其進(jìn)行判別。 是候選特征點(diǎn)，那么求取1p 、9p 、5p 、13p 與圓心 p 的像素素值差的絕對值中有 3 個及以上大于 ，那么該 p 點(diǎn)有可能是可能是特征點(diǎn)，那么求取1p 到16p 這 16 個點(diǎn)與圓心 p 的像素值像素值差的絕對值中有 9 個及以上大于 ，那么該 點(diǎn)就為特B 特征提取1 年，Rublee 等人提出了定向二進(jìn)制簡單描述符算法(ORB)[32]。特征點(diǎn)檢測和匹配速度獲得了認(rèn)可。ORB 的特征點(diǎn)檢測算法。o-FAST 是在 FAST 算法的基礎(chǔ)上增加了特征點(diǎn)方向。在ORB 使用 rBRIEF 算法。rBRIEF 算法是在 BRIEF 的基礎(chǔ)上增

圖 2-7 FAST 算法檢測示意圖 2-7 中，存在一個圓形。該圓的圓心是像素點(diǎn) p ，半徑大約是6 個像素點(diǎn)。首先假設(shè)閾值是 x，求取像素點(diǎn)1p 、9p 與圓心 p素差值是 y 。如果| y |< ，那么 點(diǎn)就不會為特征點(diǎn)。反之，有可能是特征點(diǎn)，但仍需對其進(jìn)行判別。 是候選特征點(diǎn)，那么求取1p 、9p 、5p 、13p 與圓心 p 的像素素值差的絕對值中有 3 個及以上大于 ，那么該 p 點(diǎn)有可能是可能是特征點(diǎn)，那么求取1p 到16p 這 16 個點(diǎn)與圓心 p 的像素值像素值差的絕對值中有 9 個及以上大于 ，那么該 點(diǎn)就為特B 特征提取1 年，Rublee 等人提出了定向二進(jìn)制簡單描述符算法(ORB)[32]。特征點(diǎn)檢測和匹配速度獲得了認(rèn)可。ORB 的特征點(diǎn)檢測算法。o-FAST 是在 FAST 算法的基礎(chǔ)上增加了特征點(diǎn)方向。在ORB 使用 rBRIEF 算法。rBRIEF 算法是在 BRIEF 的基礎(chǔ)上增

述符的n個測試點(diǎn)集是(ix ,iy ), S 是 2*n 的11,...,,...,nnx xSy y 旋轉(zhuǎn)矩陣是R 。在旋轉(zhuǎn)了 之后，相應(yīng)S R S 特征描述符 ( , )ng p 。( , ) : ( ) | ( , )n nd i ig p f p x y S 描述符稱為 steered BRIEF[32]。steered BR小。描述符的方差越小，說明特征點(diǎn)之間點(diǎn)區(qū)分開。ed BRIEF方差較小的缺點(diǎn)。ORB將特征點(diǎn)設(shè)為5 5。那么假設(shè)pw 為總鄰域的邊長，w2)t w個子窗口存在，從其中任意挑選出 口的匹配，最后有 205590 種可能的測試點(diǎn)8 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 孫鳳連;李揚(yáng);;工業(yè)機(jī)器人視覺系統(tǒng)中雙目攝像頭標(biāo)定算法研究[J];計算機(jī)與數(shù)字工程;2015年04期

2 劉亞強(qiáng);陳文藝;;桶形畸變圖像的一種校正方法[J];西安郵電學(xué)院學(xué)報;2012年02期

3 王芳;萬磊;徐玉如;張玉奎;;基于改進(jìn)人工勢場的水下機(jī)器人路徑規(guī)劃[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2011年S2期

4 張廣林;胡小梅;柴劍飛;趙磊;俞濤;;路徑規(guī)劃算法及其應(yīng)用綜述[J];現(xiàn)代機(jī)械;2011年05期

5 劉源l

本文編號：2752402