本文關(guān)鍵詞： 視覺(jué)避障 LK算法 多項(xiàng)式窗口函數(shù) 密度峰值發(fā)現(xiàn)聚類(lèi) 光流融合人工勢(shì)場(chǎng)法　出處：《遼寧大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：自主移動(dòng)機(jī)器人作為機(jī)器人學(xué)的一個(gè)重要分支,目前已廣泛應(yīng)用于軍事、工業(yè)、環(huán)境探測(cè)、搶險(xiǎn)救援等多種領(lǐng)域,而移動(dòng)機(jī)器人要實(shí)現(xiàn)在復(fù)雜的環(huán)境中安全且順利的自主作業(yè),對(duì)障礙物進(jìn)行有效的檢測(cè)與規(guī)避是機(jī)器人應(yīng)具備的基本功能。傳統(tǒng)的利用超聲、紅外等傳感器進(jìn)行測(cè)距避障的方式存在避障死角。而基于機(jī)器視覺(jué)信息進(jìn)行避障可有效規(guī)避避障死角,避障的可靠性更高,因此,近年來(lái)對(duì)機(jī)器人視覺(jué)避障方面的理論及技術(shù)研究受到越來(lái)越多的關(guān)注。其中,新興的基于機(jī)器視覺(jué)的光流避障方法,因其非常接近人類(lèi)的認(rèn)知行為,并且對(duì)視覺(jué)信息采集設(shè)備要求較低,成為了優(yōu)選的視覺(jué)避障技術(shù)。但因?qū)ζ溲芯縿倓偲鸩?在實(shí)際應(yīng)用中,尚有很多技術(shù)瓶頸問(wèn)題有待進(jìn)一步研究解決。鑒于以上,本文重點(diǎn)對(duì)基于光流的機(jī)器人的避障方法開(kāi)展相關(guān)研究。首先,采用LK(LucasKanade)稀疏光流算法計(jì)算機(jī)器人視覺(jué)場(chǎng)景中特征點(diǎn)處的深度信息即碰撞時(shí)間(Time to contact,TTC),并利用密度峰值發(fā)現(xiàn)的聚類(lèi)(density peaks finding cluster,DPFC)方法對(duì)特征點(diǎn)的TTC分布進(jìn)行聚類(lèi)分析。根據(jù)TTC聚類(lèi)結(jié)果來(lái)識(shí)別障礙物區(qū)域,并結(jié)合人工勢(shì)場(chǎng)法實(shí)現(xiàn)機(jī)器人避障。主要研究工作如下:1、LK圖像金字塔光流算法及其改進(jìn)研究。為減少避障過(guò)程中的計(jì)算量,首先利用Shi-Tomasi法檢測(cè)機(jī)器人視覺(jué)場(chǎng)景中的特征點(diǎn)。針對(duì)地面紋理特征明顯的情況,根據(jù)特征點(diǎn)分布規(guī)律來(lái)判斷地面點(diǎn),進(jìn)而可以消除地面過(guò)多的特征點(diǎn),進(jìn)一步減少計(jì)算量。再利用LK圖像金字塔光流算法計(jì)算有效特征點(diǎn)處的光流,為下一步計(jì)算特征點(diǎn)處TTC提供依據(jù)。針對(duì)采用常見(jiàn)的圖像梯度算子計(jì)算光流精度有限的問(wèn)題,本文提出了一種新穎的多項(xiàng)式窗口函數(shù)估計(jì)的梯度計(jì)算改進(jìn)算法,對(duì)每個(gè)像素點(diǎn)灰度值用一個(gè)多項(xiàng)式窗口函數(shù)來(lái)表示,采用高斯函數(shù)計(jì)算窗口中各像素點(diǎn)的權(quán)值來(lái)平衡各點(diǎn)的影響力,利用最小二乘法來(lái)估計(jì)多項(xiàng)式系數(shù),再對(duì)多項(xiàng)式進(jìn)行求導(dǎo)來(lái)計(jì)算圖像梯度。該方法可以更好的利用圖像全局特性,梯度計(jì)算的魯棒性更強(qiáng),準(zhǔn)確性更高。仿真結(jié)果表明,利用本文改進(jìn)算法計(jì)算梯度與常見(jiàn)的梯度算子相比,光流計(jì)算精度更高,為準(zhǔn)確計(jì)算機(jī)器人視覺(jué)場(chǎng)景中各特征點(diǎn)處的TTC奠定基礎(chǔ)。2、基于光流聚類(lèi)的機(jī)器人障礙物識(shí)別方法研究。本文引入近年新興的、算法簡(jiǎn)潔的密度峰值發(fā)現(xiàn)聚類(lèi)(density peaks finding cluster,DPFC)方法對(duì)LK算法計(jì)算得到的光流信息進(jìn)行兩層聚類(lèi):首先根據(jù)機(jī)器人場(chǎng)景中特征點(diǎn)處光流模的大小進(jìn)行聚類(lèi),以便判斷和剔除錯(cuò)誤光流;再利用剔除錯(cuò)誤光流后的各特征點(diǎn)處的光流計(jì)算TTC,并與預(yù)先設(shè)定的TTC安全閾值進(jìn)行比較判斷場(chǎng)景中是否有障礙物,若有障礙物存在,再利用DPFC算法根據(jù)各特征點(diǎn)處的TTC進(jìn)行第二層聚類(lèi),確定聚類(lèi)中心,根據(jù)聚類(lèi)中心TTC值區(qū)分障礙物區(qū)域和背景信息。仿真結(jié)果表明本文引入的DPFC算法對(duì)光流兩層聚類(lèi)方法可以較準(zhǔn)確的識(shí)別機(jī)器人視覺(jué)場(chǎng)景中的障礙物區(qū)域,且計(jì)算效率較高。3、光流融合人工勢(shì)場(chǎng)法的機(jī)器人避障策略研究。本文引入人工勢(shì)場(chǎng)法,將其與基于光流的障礙物識(shí)別方法相結(jié)合,設(shè)計(jì)機(jī)器人避障策略,完成機(jī)器人行進(jìn)路徑規(guī)劃。根據(jù)上述基于密度峰值發(fā)現(xiàn)的機(jī)器人視覺(jué)場(chǎng)景中特征點(diǎn)處TTC聚類(lèi)結(jié)果,找出各聚類(lèi)中心處TTC值最小的一類(lèi),將其確定為離機(jī)器人最近的潛在障礙物,將此類(lèi)中最外圍特征點(diǎn)與機(jī)器人連線(xiàn)確定為斥力矢量,以各點(diǎn)對(duì)應(yīng)的TTC計(jì)算斥力大小,求其合力來(lái)確定斥力勢(shì)場(chǎng)。根據(jù)機(jī)器人目標(biāo)位置計(jì)算引力勢(shì)場(chǎng),利用人工勢(shì)場(chǎng)法實(shí)現(xiàn)機(jī)器人目標(biāo)導(dǎo)航和有效避障。4、搭建了基于單目視覺(jué)的機(jī)器人光流避障實(shí)驗(yàn)平臺(tái),選擇校園內(nèi)一處特定場(chǎng)景開(kāi)展了相關(guān)實(shí)驗(yàn)研究,對(duì)論文相關(guān)的理論算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,本文光流融合人工勢(shì)場(chǎng)法的機(jī)器人避障方法可有效的指導(dǎo)機(jī)器人避障,并順利到達(dá)目的地。
[Abstract]:......
【學(xué)位授予單位】：遼寧大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 曹宇;;基于特征點(diǎn)反向跟蹤和光流聚類(lèi)算法的漸進(jìn)汽車(chē)檢測(cè)算法[J];智慧工廠;2016年08期

2 劉方明;;基于金字塔光流聚類(lèi)的行人計(jì)數(shù)[J];電子技術(shù)與軟件工程;2015年01期

3 劉o，

本文編號(hào)：1554950