發(fā)布時(shí)間：2020-12-17 11:49

　　智能割草機(jī)器人可以自主地完成割草任務(wù),減少了很多不必要的勞動(dòng),因而越來越多人開始進(jìn)行相關(guān)研究。當(dāng)前國(guó)內(nèi)外主流的智能割草機(jī)器人方案針對(duì)的是簡(jiǎn)單環(huán)境的中小型草坪。視覺模塊是智能割草機(jī)器人的重要組成部分,本論文嘗試研究一種面向環(huán)境復(fù)雜的中大型草坪的智能割草機(jī)器人視覺模塊,該模塊具有識(shí)別與定位障礙物的功能。針對(duì)多個(gè)障礙物在攝像頭視圖中有重疊不能進(jìn)行區(qū)分的問題,提出了一種多層次障礙物提取算法,有效的降低了處理重疊問題時(shí)的誤判問題,也有效解決了漏檢率高的問題;針對(duì)智能割草機(jī)器人工作場(chǎng)景,設(shè)計(jì)了一種簡(jiǎn)單高效的場(chǎng)景建模方法,該方法忽略了圖像畸變以及立體匹配等過程的誤差,減少了計(jì)算量并滿足割草機(jī)器人的精度要求。設(shè)計(jì)了基于深度學(xué)習(xí)智能割草機(jī)器人障礙識(shí)別算法的網(wǎng)絡(luò)結(jié)構(gòu),采用多尺度特征圖用于預(yù)測(cè),針對(duì)智能割草機(jī)器人工作場(chǎng)景,采用等距密集排布的特征圖,提高了檢測(cè)準(zhǔn)確率;設(shè)計(jì)了深度學(xué)習(xí)障礙物識(shí)別算法的損失函數(shù),采用softmax loss表示類別置信度誤差;設(shè)計(jì)了多層次定位候選框,該候選框利用多層次障礙物提取算法提供的信息使得智能割草機(jī)器人具有定位障礙物的功能,并建立了障礙物邊界框到世界坐標(biāo)系的映射關(guān)系。制作了針... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Matlab標(biāo)定圖

- 13 -b) 獲取的相機(jī)參數(shù)圖 2-2 DJI guidance 雙目攝像頭標(biāo)定結(jié)果2.2.2 雙目矯正以及立體匹配雙目矯正的主要目的是將雙目相機(jī)產(chǎn)生的左右視圖的像素對(duì)應(yīng)起來。兩個(gè)圖像都是二維的，進(jìn)行暴力搜索匹配將會(huì)非常消耗計(jì)算資源，可利用極線約束將二維搜索變成一維搜索，可大大降低計(jì)算量。圖 2-3 為雙目矯正過后左右視

圖 2-3 雙目校正測(cè)試圖圖 2-4 利用 SGBM 算法生成的視差圖立體匹配是基于立體視覺的障礙檢測(cè)算法的關(guān)鍵步驟，其利用雙目矯正過的左右視圖生成視察圖，也可進(jìn)一步生成深度圖。前面也介紹了立體匹配算法按照能量函數(shù)的優(yōu)化方法不同可分為全局算法和局部算法。全局算法速度慢，精度高，局部算法速度塊但是準(zhǔn)確率低。本文所設(shè)計(jì)的算法需要兼顧準(zhǔn)確性和速度，這里采用了 SGBM 算法也稱半全局算法[37]。圖 2-4 為使用 SGBM 算法生成的視差圖，可以看出在割草機(jī)器人工作場(chǎng)景，使用 SGBM 算法進(jìn)行立體匹配有較好的效果。

【參考文獻(xiàn)】：
期刊論文
[1]基于雙重金字塔網(wǎng)絡(luò)的視頻目標(biāo)分割方法[J]. 姜斯浩,宋慧慧,張開華,湯潤(rùn)發(fā).  計(jì)算機(jī)應(yīng)用. 2019(08)
[2]基于非極大值抑制的圓目標(biāo)亞像素中心定位[J]. 王靜,王海亮,向茂生,韋立登,劉忠勝.  儀器儀表學(xué)報(bào). 2012(07)
[3]一種密集采樣數(shù)據(jù)用特征點(diǎn)表示的處理方法及應(yīng)用研究[J]. 周利民,惠延波,郭九生,盧秉恒.  計(jì)量學(xué)報(bào). 1997(04)



本文編號(hào)：2921989