论文部分内容阅读
轮式类车机器人是移动机器人的重要分支,其导航问题一直是科学研究中的焦点。视觉是人类获取周围信息的主要来源,同样也是机器人获取环境信息的主要手段。本文基于单目视觉的图像处理,研究机器人导航中路径跟踪和障碍物检测这两个基本问题。将机器人在运动过程中通过摄像头拍摄的连续图像序列作为输入,综合利用机器人与待跟踪路径的距离、角度和路径弯曲程度实现路径跟踪;根据光流场的分布特征和所包含的三维信息实现障碍物检测。整个系统分为视觉传感器端,图像理解决策端和运动执行端三个主要部分。其中视觉传感器端用于实时获得机器人前方环境图像;图像理解决策端主要负责图像预处理,采用特定图像处理和识别算法获取有用的场景信息和输出智能决策命令三个任务;运动执行端的作用是解析命令,控制机器人的转向和速度。论文的主要工作包括:(1)介绍基本图像预处理方法,包括图像灰度化、滤波、直方图均衡化。这些操作使算法在光照、黑暗两种特殊环境下依然具有良好的鲁棒性,为后续道路识别和光流计算提供优质图像。(2)路径检测与跟踪是本文的研究重点之一。从仿人驾驶的角度出发,在原来的角度控制器基础上添加速度模糊控制器,在待跟踪路径曲率较大或机器人当前航向与路径方向有较大偏差时减速。不但可以实现快速正确的跟踪连续直线,对于弯曲程度较大的曲线也同样适用。针对这一设计,提出使用起始点和预瞄点表征路径的方法。其中起始点的图像坐标范围用结合阈值和边界的分割方法求得。预瞄点使用基于链码原理的边界跟踪法确定。(3)提出了基于稀疏光流的障碍物区域判定方法。应用在机器人上的光流算法必须在保证精确度的基础上具有较快的计算速度,稀疏光流比稠密光流更适合。障碍物与周围背景具有不同的深度,两处会有不同的光流场,障碍物所在处光流平均值会大于背景。使用金字塔Lucas-Kanade方法求取角点处的光流信息,并通过改进的平衡策略估计障碍物可能存在位置,在静态场景中检测不完全遮挡摄像头视角的障碍物。(4)由光流信息求解延伸焦点、碰撞时间等三维信息,进而粗略的估计相对深度,可以用于辅助障碍物检测。(5)搭建仿真和真实两种实验平台,既可以整体直观的显示机器人控制及运动的效果,又可以验证本文算法在真实情况下的可行性。