论文部分内容阅读
随着机器人技术的快速发展,移动机器人因为其工作范围大、适用工作环境广泛和灵活移动等优点,在工业和服务业等领域等被广泛应用。在所有这些应用场景中,移动机器人要想完成各项任务必须先要准确感知周围环境,也就是说实时准确地获取周围环境信息是机器人顺利工作的重要前提。对于动态变化的场景,周围环境实时的三维空间重构信息对机器人来说显得尤其重要,机器人可以根据提取的场景信息决策自己的障碍物躲避行为。本文中移动机器人利用RGB-D传感器感知系统获取周围环境信息,规划自身的运动路径,从而实现从起点绕过障碍物安全到达终点。在这个研究过程中利用RGB-D传感器获取机器人周围环境图像,运用相机成像原理,对深度图像进行三维重建得到三维点云。根据点云信息,拟合出地面方程并找出属于障碍物的点,构建出障碍物栅格地图。为了识别障碍物的运动属性,本文运用鲁棒主成分分析(robust principal component analysis,RPCA)的思想,对机器人视野内的动目标进行检测。在这个检测算法中,使用Lanczos算法来加速RPCA算法对图像序列的前景背景分割,寻找出背景的一组基向量。为了能让检测连续进行,改进了增量式RPCA算法,针对每一帧新进来的图像进行背景基向量的更新,实现运动目标的实时检测。根据对场景中障碍物的探测和动目标的检测结果,机器人进行行为决策。当检测到有动目标的情况下,机器人执行停位等待。当没有动目标的情况下,机器人根据障碍物栅格地图采用改进的向量场直方图法进行路径规划。在研究的最后,本文通过自行搭建的实验平台,来验证动目标检测准确度和避障路径规划的可行性。本文通过理论分析和实验验证的方法,阐述了机器人对周围环境感知的过程,研究了基于RPCA思想的动目标检测理论和基于向量场直方图算法的避障方法,为移动机器人在工作环境中的智能运用提供了新方法。