隨著人工智能技術(shù)和圖像處理技術(shù)的日漸成熟,仿人機器人的研究在近幾年得到了迅速發(fā)展,對未知環(huán)境進行探索是當(dāng)今仿人機器人研究領(lǐng)域中比較前沿的課題。本文以Robocup標準平臺組中仿人足球機器人NAO為研究對象,重點研究機器人單目視覺信息感知與處理,并利用其完成單機器人全局定位與多機器人協(xié)作定位系統(tǒng)設(shè)計,使其能夠給上層決策系統(tǒng)提供有效且準確的位置信息。（1）首先,設(shè)計了基于YUV和HSV的YHS2顏色空間;利用高斯牛頓算法優(yōu)化攝像頭標定參數(shù);在YHS2顏色空間中對采集的每一幀圖像進行Sobel輪廓提取,目標形狀包括X型交叉線、L型交叉線、T型交叉線,利用基于特征的模板匹配算法進行識別,為了實現(xiàn)遮擋目標及混合目標匹配,利用相似性度量判據(jù)作為判斷依據(jù),并使用金字塔模型進行匹配優(yōu)化。實驗結(jié)果表明,本文算法平均識別率達到了90%左右。（2）其次,針對機器人定位問題,采用蒙特卡洛粒子濾波實現(xiàn)機器人的全局定位;為了解決粒子的貧化特性,應(yīng)用粒子濾波重采樣步驟,保證粒子的有效性;與此同時利用無跡卡爾曼濾波融合提取出的目標特征進行局部定位,并作為觀測方程更新機器人定位,通過局部定位可以降低全局定位的更新頻率,... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 課題的研究現(xiàn)狀
        1.2.1 目標識別研究現(xiàn)狀
        1.2.2 機器人定位研究現(xiàn)狀
    1.3 論文的主要工作及章節(jié)安排
第二章 NAO機器人及其視覺標定
    2.1 NAO機器人軟硬件簡介
    2.2 NAO的視覺系統(tǒng)
    2.3 機器人的攝像頭標定
        2.3.1 相機成像的幾何模型
        2.3.2 優(yōu)化并確定內(nèi)外參數(shù)
    2.4 實驗分析
    2.5 本章小結(jié)
第三章 基于Sobel算子的特征提取與識別
    3.1 圖像預(yù)處理
        3.1.1 基于YHS2 的顏色分類
        3.1.2 區(qū)域分割與去噪
    3.2 基于Sobel算子的特征提取與匹配
        3.2.1 基于Sobel的特征提取
        3.2.2 基于特征的模板匹配
        3.2.3 模板匹配優(yōu)化
    3.3 實驗分析
    3.4 本章小結(jié)
第四章 基于UKF采樣的粒子濾波定位方法
    4.1 粒子濾波基本原理
        4.1.1 動態(tài)系統(tǒng)狀態(tài)空間模型
        4.1.2 貝葉斯濾波原理
    4.2 蒙特卡洛定位算法研究
        4.2.1 蒙特卡洛方法
        4.2.2 蒙特卡洛定位
    4.3 基于UKF采樣的粒子濾波
        4.3.1 無跡卡爾曼濾波
        4.3.2 機器人概率狀態(tài)估計優(yōu)化
    4.4 NAO機器人模型建立
        4.4.1 運動模型建立
        4.4.2 觀測模型建立
    4.5 實驗分析
    4.6 本章小結(jié)
第五章 通信環(huán)境下的多機器人協(xié)作定位
    5.1 機器人角色定義
    5.2 多機器人協(xié)同區(qū)域覆蓋
        5.2.1 全局球模型建立
        5.2.2 全局的場地覆蓋
    5.3 多機器人通信定位
        5.3.1 多機器人通信原理
        5.3.2 多機器人協(xié)作定位
    5.4 實驗分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
附錄1 攻讀碩士學(xué)位期間申請的專利
附錄2 攻讀碩士學(xué)位期間參加的科研項目
附錄3 攻讀碩士學(xué)位期間所獲榮譽
致謝


【參考文獻】：
期刊論文
[1]空間目標的ISAR成像及輪廓特征提取[J]. 楊虹,張雅聲,尹燦斌.  北京航空航天大學(xué)學(xué)報. 2019(09)
[2]淺談無人飛行器遙感技術(shù)的發(fā)展及在各領(lǐng)域的應(yīng)用[J]. 肖海濤,王強,李卓君,陳實.  內(nèi)蒙古林業(yè)調(diào)查設(shè)計. 2019(03)
[3]基于SURF算法的雙目視覺立體匹配研究[J]. 楊順波,龍永紅,向昭宇,姚佳成.  湖南工業(yè)大學(xué)學(xué)報. 2019(03)
[4]基于傳感器信息融合的AGV路徑跟蹤技術(shù)設(shè)計與應(yīng)用[J]. 黃潤.  機電信息. 2019(15)
[5]改進小波閾值去噪法在諧波檢測中的應(yīng)用[J]. 譚蓮子,張莉萍,解大,陳宇晨,彭璐佳.  電測與儀表. 2019(13)
[6]汽車電子技術(shù)中的智能傳感器技術(shù)[J]. 張燕霞.  汽車實用技術(shù). 2019(09)
[7]可視化與非可視化特征融合超聲3D目標識別研究[J]. 宋壽鵬,申靜靜,盧翠娥.  電子科技. 2019(05)
[8]基于深度卷積神經(jīng)網(wǎng)絡(luò)的語義地圖構(gòu)建[J]. 胡美玉,張云洲,秦操,劉桐伯.  機器人. 2019(04)
[9]基于線性判別分析的時頻域特征提取算法[J]. 劉立芳,楊海霞,齊小剛.  系統(tǒng)工程與電子技術(shù). 2019(10)
[10]基于增強型點對特征的三維目標識別方法[J]. 魯榮榮,朱楓,吳清瀟,陳佛計,崔蕓閣,孔研自.  光學(xué)學(xué)報. 2019(08)

博士論文
[1]基于概率圖模型的圖像整體場景理解方法研究[D]. 李林.電子科技大學(xué) 2014

碩士論文
[1]基于超聲波與航跡推算的掃地機器人室內(nèi)定位方案[D]. 黃勝林.華中科技大學(xué) 2019
[2]基于機器視覺的長竹條表面缺陷檢測及顏色分類研究[D]. 黃炳強.廣西師范大學(xué) 2018
[3]視覺SLAM技術(shù)大尺度地圖管理與閉環(huán)檢測方法研究[D]. 沈奇卉.北京郵電大學(xué) 2018
[4]基于先驗形狀的邊緣檢測方法研究[D]. 李一霖.華北電力大學(xué)(北京) 2018
[5]基于序貫貝葉斯濾波器的多目標跟蹤方法研究[D]. 張其全.深圳大學(xué) 2017
[6]復(fù)雜環(huán)境下多機器人的協(xié)同編隊與避障控制研究[D]. 馮磊.湖南工業(yè)大學(xué) 2017
[7]足球機器人局部傳球與戰(zhàn)術(shù)配合[D]. 李學(xué)駿.南京郵電大學(xué) 2016
[8]基于小波變換的機器視覺邊緣檢測研究與設(shè)計[D]. 趙德明.上海電機學(xué)院 2016
[9]RoboCup3D仿真中足球機器人的全向行走與團隊協(xié)作[D]. 沈萍.南京郵電大學(xué) 2015
[10]動態(tài)環(huán)境下移動機器人定位及地圖創(chuàng)建[D]. 邵長勉.南京郵電大學(xué) 2014



本文編號：3417303