隨著避障技術(shù)在軍事領(lǐng)域、科學(xué)探測、交通管制、工業(yè)制造、醫(yī)療服務(wù)等諸多領(lǐng)域的廣泛應(yīng)用,各種具有自主導(dǎo)航與避障能力的機(jī)器得到了不同程度的使用,從而替代人類的一些日常生產(chǎn)活動,為人們的生活帶來了許多便利。而能夠?qū)崟r獲取在其前進(jìn)方向上的障礙物方位信息是機(jī)器自主避障的關(guān)鍵,這也是避障系統(tǒng)在避障路徑規(guī)劃中的前提條件。本文基于雙目視覺理論設(shè)計了避障系統(tǒng),并且實現(xiàn)了移動機(jī)器對環(huán)境障礙物的方位有效檢測。主要工作如下:（1）避障系統(tǒng)的總體設(shè)計。完成系統(tǒng)的流程設(shè)計和功能模塊設(shè)計以及避障算法軟件、硬件平臺搭建,驗證系統(tǒng)在復(fù)雜環(huán)境下自主避障的可行性。實現(xiàn)各功能模塊設(shè)計。（2）實現(xiàn)深度圖像信息的獲取。通過對雙目視覺理論和實現(xiàn)方法的研究,獲得了深度圖像信息。首先利用Matlab相機(jī)標(biāo)定工具實現(xiàn)了雙目相機(jī)標(biāo)定,獲得相機(jī)標(biāo)定的內(nèi)外參數(shù),然后根據(jù)這些標(biāo)定的參數(shù)采用OpenCV的極線校正函數(shù)對圖像校正,最后根據(jù)校正后的圖像采用OpenCV的SGBM立體匹配函數(shù)獲得深度圖像。在此過程中應(yīng)用圖像金字塔法提高了雙目視覺立體匹配獲得深度圖像的效率,并且在保持原有立體匹配效果的同時,盡可能地提高算法的效率。在本文實驗中立體匹配算法的... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 雙目視覺研究現(xiàn)狀
        1.2.2 基于視覺的障礙物檢測技術(shù)研究現(xiàn)狀
        1.2.3 避障路徑規(guī)劃技術(shù)研究現(xiàn)狀
    1.3 論文的主要工作及組織結(jié)構(gòu)
        1.3.1 論文的主要工作
        1.3.2 論文的組織安排
第2章 系統(tǒng)總體設(shè)計
    2.1 系統(tǒng)需求分析
        2.1.1 需求分析
        2.1.2 方案選擇
    2.2 系統(tǒng)整體設(shè)計方案
        2.2.1 系統(tǒng)整體框架
        2.2.2 系統(tǒng)整體流程
        2.2.3 系統(tǒng)設(shè)計平臺
        2.2.4 系統(tǒng)集成
    2.3 本章小結(jié)
第3章 雙目視覺深度測量
    3.1 雙目視覺理論
        3.1.1 線性成像模型
        3.1.2 非線性成像模型
        3.1.3 雙目視覺原理
    3.2 相機(jī)標(biāo)定和圖像校正
        3.2.1 相機(jī)標(biāo)定原理
        3.2.2 極線校正原理
    3.3 立體匹配
        3.3.1 立體匹配分類
        3.3.2 立體匹配基本步驟
        3.3.3 基于OpenCV的 SGBM算法實現(xiàn)
        3.3.4 評價標(biāo)準(zhǔn)
    3.4 實驗結(jié)果與分析
        3.4.1 雙目相機(jī)標(biāo)定結(jié)果
        3.4.2 圖像校正結(jié)果
        3.4.3 立體匹配實驗結(jié)果分析
        3.4.4 雙目視覺測距實驗
    3.5 本章小結(jié)
第4章 障礙物檢測算法研究與實現(xiàn)
    4.1 引言
    4.2 障礙物檢測
        4.2.1 超像素分割
        4.2.2 基于超像素分割的背景去除
        4.2.3 障礙物識別
    4.3 障礙物檢測結(jié)果分析
    4.4 本章小結(jié)
第5章 動態(tài)避障算法
    5.1 傳統(tǒng)人工勢場法
        5.1.1 傳統(tǒng)人工勢場法
        5.1.2 傳統(tǒng)人工勢場法存在的主要缺陷
    5.2 改進(jìn)人工勢場法
        5.2.1 引力勢函數(shù)修改
        5.2.2 斥力勢函數(shù)修改
        5.2.3 局部最小點的解決方法
    5.3 實驗結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于雙目視覺的AGV障礙物檢測與避障[J]. 王錚,趙曉,佘宏杰,劉洪海,趙燕偉.  計算機(jī)集成制造系統(tǒng). 2018(02)
[2]人工勢場法目標(biāo)不可達(dá)的研究[J]. 郜輝,呂志剛.  國外電子測量技術(shù). 2018(01)
[3]基于改進(jìn)人工勢場法的動態(tài)環(huán)境下無人機(jī)路徑規(guī)劃[J]. 田亞卓,張勇軍.  武漢科技大學(xué)學(xué)報. 2017(06)
[4]改進(jìn)的快速擴(kuò)展隨機(jī)樹路徑規(guī)劃算法[J]. 孫豐財,張亞楠,史旭華.  傳感器與微系統(tǒng). 2017(09)
[5]基于改進(jìn)人工勢場法的機(jī)器人避障及路徑規(guī)劃研究[J]. 徐飛.  計算機(jī)科學(xué). 2016(12)
[6]基于蟻群幾何優(yōu)化算法的全局路徑規(guī)劃[J]. 劉杰,閆清東,馬越,唐正華.  東北大學(xué)學(xué)報(自然科學(xué)版). 2015(07)
[7]動態(tài)環(huán)境下基于改進(jìn)蟻群算法的機(jī)器人路徑規(guī)劃研究[J]. 屈鴻,黃利偉,柯星.  電子科技大學(xué)學(xué)報. 2015(02)
[8]基于高程—四叉樹模型和改進(jìn)蟻群算法的路徑規(guī)劃[J]. 李建軍,高振軍,侯風(fēng)華.  信息工程大學(xué)學(xué)報. 2014(06)
[9]基于改進(jìn)人工勢場法的移動機(jī)器人路徑規(guī)劃[J]. 鄧學(xué)強.  山東理工大學(xué)學(xué)報(自然科學(xué)版). 2014(01)
[10]基于勢場柵格法的移動機(jī)器人避障路徑規(guī)劃[J]. 歐陽鑫玉,楊曙光.  控制工程. 2014(01)

博士論文
[1]立體視覺中精確立體匹配算法的研究[D]. 姚鵬.天津理工大學(xué) 2019
[2]圖像邊緣檢測技術(shù)及其應(yīng)用研究[D]. 曾俊.華中科技大學(xué) 2011

碩士論文
[1]移動機(jī)器人前景障礙物檢測及避障系統(tǒng)設(shè)計與實現(xiàn)[D]. 丁浩.南京郵電大學(xué) 2018
[2]基于人工勢場法的雙目視覺動態(tài)避障研究[D]. 陳珊.河北大學(xué) 2018
[3]基于視覺的室內(nèi)巡檢機(jī)器人導(dǎo)航技術(shù)研究[D]. 李鵬.中國礦業(yè)大學(xué) 2018
[4]基于嵌入式的立體視覺三維重建系統(tǒng)設(shè)計[D]. 徐燕翔.華南理工大學(xué) 2018
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的立體匹配技術(shù)研究[D]. 陳拓.浙江大學(xué) 2017
[6]基于單目視覺的機(jī)器人動態(tài)障礙物檢測與壁障方法研究[D]. 李啟東.吉林大學(xué) 2016
[7]動態(tài)環(huán)境下移動機(jī)器人實時避障研究[D]. 侯之旭.重慶理工大學(xué) 2016
[8]基于雙目立體視覺的移動機(jī)器人障礙物檢測技術(shù)研究[D]. 馮瑾.中國礦業(yè)大學(xué) 2015
[9]基于雙目視覺的小型無人飛行器的導(dǎo)航與避障[D]. 蘇東.電子科技大學(xué) 2014
[10]基于雙目視覺的三維測距與定位[D]. 李浩.華南理工大學(xué) 2012



本文編號：3185422