论文部分内容阅读
随着科技的进步和生活质量的提高,大众对于移动机器人功能方面的需求也在不断地提高。基于视觉的动态避障以及路径规划技术是智能移动机器人研究领域的一个重要分支,它决定着机器人是否能够完成给定的作业任务,到达规定的目标终点。本文的研究重点主要是在环境已知、障碍物未知的运行环境中,机器人根据视觉传感器采集到的信息,规划行驶路径、检测障碍物以及躲避动态障碍物,完成给定的作业任务。根据课题,本文从以下几个方面进行研究:第一,对移动机器人的路径规划算法进行研究,针对目前几种传统的路径规划算法进行对比分析,根据各个算法在仿真中得到的结果,将算法一一对比总结。第二,由于大位移、运动遮挡、光照强度变化等因素的制约,传统的光流检测算法在动态障碍物检测时,会产生较大的误差。本文在研究传统光流检测算法的基础上,提出了一种新型的基于多帧融合的光流检测算法。在两帧检测的基础上,融合多帧图像,降低运动遮挡引起的光流误差,增加了有效光流的可靠性,并且结合金字塔算法,提高了大位移处光流检测算法的准确性。第三,光流检测算法仅能得出障碍物的位置信息,并不能实现避障。引入相对深度信息用于衡量机器人与障碍物的距离,通过与事先设定的阈值进行对比,判断机器人是否需要进行避障方案的设计。本文主要是采用A*算法进行路径规划,在规划行驶过程中根据提出的基于多帧融合的光流法进行障碍物检测,通过相对深度信息对比,判定机器人是否需要进行避障,并且根据光流检测结果以及相对深度信息,提出了一种机器人避障策略。当未遇到障碍物时,机器人可根据规划好的路径行驶,一直行驶到目标点;当机器人在行驶过程中遇到动态障碍物时,进行机器人避障策略分析,根据一般避障和紧急避障两种方案进行避障选择,躲避行驶过程中的移动障碍物,直至到达目标点。本文通过仿真实验,在多帧融合光流检测算法上进行检测障碍物时,对于大位移处以及运动遮挡处障碍物的检测更加的精确,检测的障碍物的平均终点误差值EPE更小,在MPI Sintel数据集上,相对于两帧光流检测算法以及单一的金字塔算法取得的误差值更小,更加贴合真实光流估计值。