论文部分内容阅读
移动机器人自主避障研究为移动机器人控制领域的前沿热点。对于人行道扫地机器人,对行人等突发类障碍物进行自主局部避障,是实现对人行道高效清洁作业的前提,更是人行道扫地机器人实现自主安全可靠运行的重要保障。本文着重研究扫地机器人的人行道动态障碍自主局部避障方法,包含人行道扫地机器人的障碍物信息获取及避障运动规划。在移动机器人障碍物信息获取方面,相比其他图像信息获取方法,基于卷积神经网络的图像语义分割算法能够实现像素级别的分类,通过对图像中不同区域进行划分和标注,以获取障碍物信息,但基于AlexNet和ResNet图像语义分割算法用于人行道动态障碍物信息获取时,存在训练不易收敛和难以准确获取同一分割区域中多个对象信息的问题。在避障运动规划方面,与人工势场法、概率图法和几何优化法等方法相比,速度障碍法实时性好,且能够消除动态避障过程中的路径抖动问题,生成平滑的避障运动规划轨迹,但其用于人行道扫地机器人避障运动规划时存在未考虑机器人自身运动信息,导致避障运动规划准确率低的问题。因此,本文研究一种基于VGG16和Faster RCNN的障碍物信息获取方法以提高信息获取的快速性和准确率;同时研究一种基于改进速度障碍法的人行道扫地机器人避障运动规划方法,以提高避障运动规划的准确率,从而进一步提高人行道扫地机器人自主局部避障的快速性和准确性。论文完成的主要工作如下:(1)提出一种基于VGG16和Faster RCNN的障碍物信息获取方法。为解决基于AlexNet和ResNet图像语义分割算法用于人行道动态障碍物信息获取时,训练不易收敛,且难以准确获取同一分割区域中多个对象信息的问题,设计一种结合VGG16的图像语义分割算法对人行道图像中的天空、背景和人行道进行像素级分类并提取出人行道边界线,以提高模型的收敛性;进一步结合速度和准确率较高的Faster RCNN,以获取同一分割区域中多个对象的信息,从而完成人行道扫地机器人障碍物信息的获取,进而提升自主局部避障的快速性及准确率。(2)提出一种基于改进速度障碍法的人行道扫地机器人避障运动规划方法。为解决未考虑机器人自身运动信息的现有速度障碍法用于人行道扫地机器人避障运动规划时,准确率较低的问题,通过结合障碍物信息和人行道扫地机器人自身运动信息,对速度障碍法进行改进,以提高自主局部避障的准确率。(3)构建人行道扫地机器人自主局部避障系统实验平台,设计硬件平台完成人行道扫地机器人的图像采集与传输,并采用Matlab进行网络模型的搭建和训练,实现了人行道扫地机器人自主局部避障系统软件开发,最后基于实验平台完成人行道扫地机器人自主局部避障实验。实验结果显示,相比AlexNet和ResNet图像语义分割算法,采用所提出的基于VGG16和Faster RCNN的障碍物信息获取方法,语义分割的类平均准确率提高了4.58%、平均交并比提高了4.52%、加权交并比提高了3.46%,训练耗时减少了21.8%,信息获取耗时减少了9.5%,准确率提高了2.77%。基于获取的障碍物信息,分别采用改进前后的速度障碍法进行避障运动规划,相比未考虑机器人自身运动信息的现有速度障碍法,采用所提出改进速度障碍法的避障准确率提高了5.1%。相比基于AlexNet、ResNet和现有速度障碍法的自主局部避障方法,采用所提出扫地机器人的人行道动态障碍自主局部避障方法,其避障耗时减少了5.69%,避障准确率提高了7.54%。实验验证了本文所提出的人行道扫地机器人自主局部避障方法的有效性和优越性。