動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人實(shí)時(shí)避障研究.pdf

1、移動(dòng)機(jī)器人實(shí)現(xiàn)自動(dòng)避障是機(jī)器人研究中的最重要內(nèi)容之一，本文以基于單目視覺(jué)技術(shù)實(shí)現(xiàn)移動(dòng)機(jī)器人自動(dòng)避障為研究?jī)?nèi)容，圍繞基于單目視覺(jué)技術(shù)實(shí)現(xiàn)移動(dòng)機(jī)器人避障過(guò)程中的障礙物目標(biāo)識(shí)別、障礙物測(cè)距和避障三個(gè)關(guān)鍵環(huán)節(jié)進(jìn)行算法改進(jìn)和算法優(yōu)化組合。具體研究?jī)?nèi)容如下：
　　首先，針對(duì)在障礙物檢測(cè)和識(shí)別步驟中傳統(tǒng)基于灰度圖像分割的方法識(shí)別效果差的問(wèn)題，本文改進(jìn)了傳統(tǒng)基于灰度圖像分割的障礙物識(shí)別方法，采用了一種彩色圖像分割算法的障礙物識(shí)別方法，利用基于HS

2、I顏色模型的序列分割算法來(lái)完成圖像分割，在其間，針對(duì)外界光照條件不足容易對(duì)圖像分割結(jié)果產(chǎn)生影響的問(wèn)題，采用了針對(duì)亮度空間I在閾值分割前先進(jìn)行一次非線性?xún)?yōu)化的做法，同時(shí)還能解決同一幅圖像中因光照不均勻而影響分割結(jié)果的問(wèn)題。
　　其次，針對(duì)障礙物測(cè)距環(huán)節(jié)中存在的傳統(tǒng)做法步驟繁瑣計(jì)算量大的問(wèn)題,本文首先建立了基于單目視覺(jué)的目標(biāo)測(cè)距模型，然后進(jìn)行了攝像機(jī)內(nèi)部參數(shù)估算（攝像機(jī)標(biāo)定）、攝像機(jī)俯仰角計(jì)算等問(wèn)題的研究。在攝像機(jī)標(biāo)定問(wèn)題上本文采用了

3、經(jīng)典的張正友攝像機(jī)標(biāo)定方法，加上Levenberg-Marquardt非線性參數(shù)優(yōu)化方法完成較準(zhǔn)確的攝像機(jī)參數(shù)估算；在攝像機(jī)俯仰角計(jì)算問(wèn)題上本文創(chuàng)新性的提出了一種基于地面正圓形和成像后橢圓形的幾何關(guān)系實(shí)現(xiàn)快速、準(zhǔn)確的計(jì)算攝像機(jī)俯仰角。
　　再其次，針對(duì)在避障和路徑規(guī)劃環(huán)節(jié)中傳統(tǒng)人工勢(shì)場(chǎng)算法存在局部最小點(diǎn)和目標(biāo)不可達(dá)問(wèn)題，本文首先提出了對(duì)人工勢(shì)場(chǎng)算法的改進(jìn)，即在機(jī)器人陷入局部最小點(diǎn)時(shí)，給斥力一個(gè)角度擾動(dòng)量；考慮到機(jī)器人到達(dá)目標(biāo)之前有

4、可能會(huì)多次陷入同一個(gè)障礙物的周?chē)木植孔钚↑c(diǎn)，于是又提出了在局部最小點(diǎn)周?chē)O(shè)置虛擬局部最小區(qū)域的概念。最后采用遺傳算法對(duì)參數(shù)取值進(jìn)行優(yōu)化，以避免參數(shù)取值的隨意性。
　　最后，介紹了基于單目視覺(jué)技術(shù)實(shí)現(xiàn)移動(dòng)機(jī)器人避障的綜合試驗(yàn)及結(jié)果分析，試驗(yàn)硬件平臺(tái)是輪式智能小車(chē)，軟件程序方面是在結(jié)合OpenCV視覺(jué)庫(kù)和代碼包基礎(chǔ)上，編碼實(shí)現(xiàn)本文的相關(guān)算法。通過(guò)試驗(yàn)驗(yàn)證了本文基于單目視覺(jué)技術(shù)的移動(dòng)機(jī)器人自動(dòng)避障算法的可行性和有效性，表明了本文所設(shè)計(jì)