论文部分内容阅读
在复杂动态环境中,移动作业型服务机器人对服务对象、环境物体等进行感知和理解,是实现其自主智能的重要前提。与传统单目视觉、激光传感器相比,微软推出的低成本Kinect传感器可以同时获得颜色信息和深度信息,具有明显的优势和应用前景,也是当前国内外研究热点。本文系统地研究了基于Kinect深度视觉传感器的服务机器人感知关键技术。 首先针对服务对象的感知需求并结合Kinect传感器特点,提出了一种融合深度与颜色信息的粒子滤波跟踪算法,提高了服务机器人复杂场景下动态目标人的跟踪感知能力。在感知更新中,根据当前场景下深度与颜色观测特征的可靠性调整其对应的权值,从而弥补单纯使用颜色信息易受光照变化、阴影等干扰的缺点。将该权值更新策略嵌入到粒子滤波跟踪框架中,实现了复杂场景下动态目标人的跟踪,并对遮挡具有较好的稳定性。 其次针对未知室内环境下服务机器人的应用需求,提出了一种基于Kinect传感器的三维地图创建实用方法,提高了服务机器人复杂环境下的导航作业水平。由于受到Kinect视角与视距的限制,本文通过在多视点下连续采集多帧RGB-D信息,利用连续帧重叠区域之间的特征匹配关系,通过从粗到细的分层配准方法将不同视点下的多帧点云配准到同一个坐标系下,得到拼接的三维场景地图;最后利用八叉树结构对三维点云地图进行多分辨率存储,有效减少了点云所占据的存储空间。 将深度视觉感知引入服务机器人控制,利用Kinect传感器信息协调机器人手、脚运动,实现移动与作业功能:一方面,开发了基于Kinect的移动机器人局部反应式避障功能,通过实时更新局部深度信息来检测场景中的障碍物,并采用模糊推理策略设计了移动机器人避障控制器,实现了动态未知环境下快速避障运动;另一方面,开发了基于位置式的机械臂物体抓取功能,采用最小二乘法完成固定视觉的手眼标定,利用手眼位姿变换矩阵实现机械臂系统对目标的定位。 在上述研究基础上开发了基于深度视觉的服务机器人感知应用系统,实现了服务对象跟随运动、机械臂物体抓取、三维场景地图创建等三个典型功能系统,并进行了多组实验验证,实验结果表明了本文方法的有效性与实用性。