本文選題：視覺機(jī)器人 + 圖像處理　； 參考：《遼寧工程技術(shù)大學(xué)》2017年碩士論文

【摘要】：如今,越來(lái)越多的機(jī)器人被應(yīng)用在日常生活中。隨著人工智能和圖像處理技術(shù)的高速發(fā)展,越來(lái)越多的人也開始投入到視覺機(jī)器人的研究行列當(dāng)中。本文主要研究視覺機(jī)器人在靜態(tài)室內(nèi)環(huán)境下的導(dǎo)航。首先應(yīng)用單目攝像頭獲取機(jī)器人所在環(huán)境的圖像,然后進(jìn)行圖像處理,提取特征點(diǎn)和障礙物。通過(guò)提取的特征點(diǎn),應(yīng)用尺度不變特征轉(zhuǎn)換算法進(jìn)行目標(biāo)識(shí)別,識(shí)別出圖像中的路標(biāo);通過(guò)攝像頭3D距離計(jì)算公式得到機(jī)器人與障礙物和路標(biāo)的距離。然后通過(guò)獲取的路標(biāo)對(duì)機(jī)器人進(jìn)行定位,獲取機(jī)器人的具體位置。本文針對(duì)移動(dòng)機(jī)器人在定位過(guò)程中,傳感器測(cè)量誤差和機(jī)器人位姿誤差導(dǎo)致系統(tǒng)定位精度急劇下降,提出一種多新息卡爾曼濾波算法。在標(biāo)準(zhǔn)卡爾曼濾波的基礎(chǔ)上,引入抗差權(quán)因子和自適應(yīng)因子抵制測(cè)量誤差和位姿誤差。同時(shí),引入多新息,即多個(gè)時(shí)刻的新息向量,進(jìn)一步提高系統(tǒng)的精度。最后通過(guò)模糊神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)機(jī)器人的路徑規(guī)劃,使機(jī)器人可以從出發(fā)點(diǎn)避障并找到一個(gè)最優(yōu)路徑到達(dá)目標(biāo)點(diǎn)。本文路徑規(guī)劃采用全局路徑規(guī)劃和局部路徑規(guī)劃相結(jié)合的路徑規(guī)劃方法。機(jī)器人在確定自己位置后利用全局路徑規(guī)劃尋找一個(gè)最優(yōu)子目標(biāo)點(diǎn),然后利用模糊神經(jīng)網(wǎng)絡(luò)控制器對(duì)機(jī)器人進(jìn)行局部路徑規(guī)劃,依次循環(huán),直到機(jī)器人到達(dá)最終目標(biāo)點(diǎn)。通過(guò)柵格法建立仿真環(huán)境,在無(wú)障礙物環(huán)境、少量障礙物簡(jiǎn)單環(huán)境和大量障礙物復(fù)雜環(huán)境三個(gè)環(huán)境驗(yàn)證算法的可行性。仿真結(jié)果表明本文算法可以使機(jī)器人從出發(fā)點(diǎn)快速找到一條最優(yōu)路徑到達(dá)目標(biāo)點(diǎn)。
[Abstract]:Nowadays, more and more robots are used in daily life. With the rapid development of artificial intelligence and image processing technology, more and more people begin to study the visual robot. This paper mainly studies the navigation of visual robot in static indoor environment. Firstly, the single camera is used to obtain the image of the robot environment, and then the image processing is carried out to extract the feature points and obstacles. By using the feature points extracted, the target recognition is carried out by using the scale-invariant feature transformation algorithm, and the road signs in the image are recognized, and the distance between the robot and the obstacles and landmarks is obtained by the 3D distance calculation formula of the camera. Then the robot is located by the acquired road sign, and the specific position of the robot is obtained. In this paper, a multi-innovation Kalman filter algorithm is proposed to solve the problem that the sensor measurement error and the robot pose error lead to a sharp decrease in the positioning accuracy of the mobile robot. Based on the standard Kalman filter, the robust weight factor and adaptive factor are introduced to resist the measurement error and pose error. At the same time, the precision of the system is further improved by introducing the multi-innovation vector, that is, the multi-time innovation vector. Finally, the path planning of the robot is realized by fuzzy neural network, so that the robot can avoid obstacles from the starting point and find an optimal path to reach the target point. In this paper, global path planning and local path planning are used in path planning. After determining its position, the robot uses global path planning to find an optimal sub-target point, and then uses a fuzzy neural network controller to plan the local path of the robot and loop it in turn until the robot reaches the final target point. The simulation environment is established by grid method, and the feasibility of the algorithm is verified in three environments: no obstacle environment, a small number of obstacles simple environment and a large number of obstacles complex environment. Simulation results show that the proposed algorithm can quickly find an optimal path from the starting point to the target point.
【學(xué)位授予單位】：遼寧工程技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 呂國(guó)宏;秦品樂;苗啟廣;劉毛毛;焦蓬斐;;基于多新息理論的EKF算法研究[J];小型微型計(jì)算機(jī)系統(tǒng);2016年03期

2 李剛;蔡成林;李思敏;王亮亮;;抗差與自適應(yīng)組合的卡爾曼濾波算法在動(dòng)態(tài)導(dǎo)航中的研究[J];重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年01期

3 師艷偉;楊晶東;;移動(dòng)機(jī)器人目標(biāo)識(shí)別算法[J];光學(xué)技術(shù);2015年01期

4 張健;劉定一;;一種應(yīng)用PSO優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的方法[J];計(jì)算機(jī)仿真;2014年11期

5 陽(yáng)婷;官洪運(yùn);章文康;樊小晴;;基于小波變換的圖像壓縮算法的改進(jìn)[J];計(jì)算機(jī)與現(xiàn)代化;2014年10期

6 龔立雄;;基于二維小波亞像素圖像處理的螺紋尺寸測(cè)量[J];計(jì)算機(jī)應(yīng)用與軟件;2014年08期

7 雷創(chuàng);;基于自適應(yīng)EKF的相對(duì)導(dǎo)航算法研究[J];現(xiàn)代導(dǎo)航;2014年02期

8 高云峰;周倫;呂明睿;劉文濤;;自主移動(dòng)機(jī)器人室內(nèi)定位方法研究綜述[J];傳感器與微系統(tǒng);2013年12期

9 陳航科;張東升;盛曉超;王凱;;基于Kalman濾波算法的姿態(tài)傳感器信號(hào)融合技術(shù)研究[J];傳感器與微系統(tǒng);2013年12期

10 張殿富;劉福;;基于人工勢(shì)場(chǎng)法的路徑規(guī)劃方法研究及展望[J];計(jì)算機(jī)工程與科學(xué);2013年06期

相關(guān)博士學(xué)位論文 前1條

1 涂娟娟;PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的研究及其應(yīng)用[D];江蘇大學(xué);2013年

相關(guān)碩士學(xué)位論文 前9條

1 王軍華;基于單目視覺的人形機(jī)器人避障策略研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2015年

2 張?chǎng)?基于機(jī)器視覺的目標(biāo)檢測(cè)定位與路徑控制方法研究[D];北京交通大學(xué);2015年

3 徐敏;基于單目視覺的移動(dòng)機(jī)器人系統(tǒng)目標(biāo)識(shí)別與定位研究[D];華南理工大學(xué);2014年

4 趙帥;基于SIFT算子的模糊圖像識(shí)別算法[D];蘇州大學(xué);2014年

5 高立文;基于模糊神經(jīng)網(wǎng)絡(luò)的全向智能輪椅避障策略研究及在網(wǎng)球雙打中的應(yīng)用[D];北京工業(yè)大學(xué);2013年

6 苗岳旺;SINS/GPS組合導(dǎo)航數(shù)據(jù)處理方法研究[D];解放軍信息工程大學(xué);2013年

7 趙強(qiáng);基于視覺信息的移動(dòng)機(jī)器人目標(biāo)識(shí)別算法研究[D];山東大學(xué);2012年

8 郭文亮;基于全局視覺的移動(dòng)機(jī)器人導(dǎo)航系統(tǒng)研究[D];北京交通大學(xué);2011年

9 齊曉飛;基于路徑識(shí)別的機(jī)器人視覺導(dǎo)航技術(shù)的研究[D];長(zhǎng)春理工大學(xué);2010年

，

本文編號(hào)：2099092