论文部分内容阅读
煤矿在发生爆炸、火灾等事故后,其井巷变成复杂的非结构化环境,事故后的井巷由于坍塌造成巷道中充满障碍物,由于井下特殊环境导致空气中充满有毒气体、粉尘以及高温湿度,使得救援人员无法立即进入煤矿灾害环境中进行救援活动。煤矿救援机器人可以代替救援人员进入事故现场进行环境的探测,探测灾后环境中含有障碍物的道路及有毒气体浓度等。为解决机器人在井巷环境受照度、湿度以及粉尘浓度影响的环境中的行走问题,本文开展了井巷环境下机器人障碍识别研究。首先对煤矿救援机器人的视觉系统及井巷模拟环境进行设计。通过分析机器人对障碍物识别的功能需求,选用以视觉系统中的光源、红外摄像机、有线无线通讯和上位机等组建机器人的视觉系统硬件,并在此基础上结合OpenCV视觉处理库设计了机器人视觉显示界面。通过分析煤矿灾后对机器人视觉有影响的因素,设计搭建了煤矿井巷模拟巷道并在其中模拟照度、湿度以及粉尘浓度等环境。其次对机器人视觉系统中的图像采集系统进行标定研究。通过分析机器人视觉中摄像机的成像模型,建立线性及非线性的模型并分别对两种模型下的摄像机内外参数及畸变参数进行标定。通过标定试验求得机器人所用双目视觉系统中两个摄像机的参数及其相对位置关系,并对标定误差进行分析。然后在煤矿模拟井巷环境中采集含有障碍物的机器人视觉图像并进行图像的预处理研究。通过改变模拟煤矿井巷中的光照条件、湿度条件以及粉尘浓度等模拟灾后的不同环境,机器人在不同的环境条件中采集障碍物在不同远近处的视觉图像。在对机器人所采集到的图像进行分析后,针对图像模糊及障碍识别等问题提出了解决方案。在分析图像滤波增强算法后对所采集到的图像进行了图像去模糊预处理,并对处理后的图像进行了边缘检测,在OpenCV中进行了试验验证。最后对机器人前方的障碍物进行识别研究并在模拟井巷环境中进行了试验验证。通过分析分水岭分割算法、K-means聚类算法以及GraphCut前景提取算法后对障碍物进行二维形状和区域特征提取。通过机器人自身所携带的双目视觉摄像机所采集的图像进行角点提取与立体匹配,计算得出障碍物的深度信息并求得障碍物的宽度和高度。在模拟煤矿井巷环境中对机器人识别障碍物进行模拟试验,并根据识别结果给出了机器人越障避障策略,为实现机器人的自主避障及路径规划提供技术支持。