论文部分内容阅读
移动机器人研究是机器人学中的一个重要分支。目前,随着机器人技术的不断进步,移动机器人的应用领域越来越广泛,其重要发展方向是全自主化,即自主导航、自主避障和自主定位。而其前提是机器人视觉技术的发展,因此移动机器人的视觉技术是当前机器人领域研究的一个热点。本文利用安装在移动机器人上的双摄像机拍摄图像,为了提高运算速度采用基于移位运算的灰度变换方法得到原始图像的灰度值。考虑到图像边缘走向的像素变换平缓,而垂直于边缘走向的像素变化剧烈,通过比较,本文采用扩展Robert算子的边缘检测方法先检测图像中的边缘点,再利用改进的Hough变换直线拟合方法按一定策略连接成轮廓,从而构成边缘图像达到图像的采集和预处理。双目立体视觉系统的摄像机标定以及确定机器人在三维工作环境中相对于全局坐标的位姿是本文的研究重点。从图像中恢复物体的三维信息,必须已知空间坐标系中的物体点与它在图像平面上像点之间的对应关系,而这个对应关系由摄像机的位置、属性参数和成像模型所决定。因此必须对摄像机进行标定。传统的标定方法需要建立复杂的数学模型,计算量大,实时性不好。针对以上缺陷本文采用人工智能的方法提出了一种基于径向基函数(RBF)神经网络的双目摄像机标定方法,准确的建立了双目视觉中三维空间物点坐标和两个摄像机坐标间的关系,并具有重建速度快,运算精度高等优点。通过仿真实验,证明该方法操作简便,具有较高的精度和较好的鲁棒性。定位作为移动机器人导航最基本环节。本文在比例策略的基础上,应用人工智能方法来指导低价格的伺服机器人的视觉定位,提出了基于模糊神经网络的双目视觉定位系统。系统采用5层模糊神经网络结构,利用自组织学习和监督学习方法相结合的混合算法。MATLAB仿真结果表明:与其他模型相比,本文的网络具有良好的动态跟踪特性和非线性逼近能力,具有较高的精确度及响应速度。