| 【中文题名】 | 未知环境中基于视觉的移动机器人障碍物检测研究 |
| 【英文题名】 | The Research on Mobile Robot Obstacle Detection Based on Vision in Unknown Environment |
| 【学科专业】 | 系统工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-16 |
| 【中关键词】 | 自适应分割,标定,立体视觉,障碍物检测,, |
| 【英关键词】 | adaptive segmentation,camera calibration,stereovision,obstacle detection, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人> |
| 【论文摘要】 |
根据周围环境信息，检测障碍物是移动机器人导航技术研究的一个重要内容。本文研究的是未知环境中移动机器人基于视觉的障碍物检测。主要的研究内容包括：图像自适应分割、立体视觉标定、立体视觉障碍物检测三个部分。
图像自适应分割部分分析了颜色的色彩系统，研究了各类图像分割的方法，然后提出了当机器人行进路面颜色基本一致时，采用自适应分割的方法可初步划分出可疑障碍物区域。
立体视觉标定部分是立体视觉障碍物检测研究的前提。该部分简单介绍了摄像机模型、各坐标系之间的关系；同时由于实验过程中，我们采用的立体视觉系统是通过控制摄像头和云台的旋转，构成类似于双摄像机平行放置的系统，因此我们提出了一种直接利用投影直线相交的原理对立体视觉摄像机系统进行标定的方法。该方法简单，计算量较传统标定方法明显减少。
立体视觉障碍物检测部分提出直接选取待判断区域的对角线作为研究对象，通过空间点三维重建获得图像中点的三维信息，然后根据其高度值判断是否为障碍物区域。
通过对以上内容的研究可知：如果对图像中的每个像素都应用立体视觉的方法来检测障碍物，则计算非常复杂，而单独应用自适应分割的方法又无法识别一些伪障碍物区... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-9 |
|
第一章 绪论 |
9-14 |
|
1.1 课题的研究意义 |
9-10 |
|
1.2 国内外研究现状 |
10-12 |
|
1.3 论文安排 |
12-14 |
|
第二章 基于视觉的障碍物检测系统总体框架 |
14-23 |
|
2.1 机器人视觉系统硬件平台 |
14-18 |
|
2.1.1 摄像机及采集卡 |
15-16 |
|
2.1.2 图像采集及其结果 |
16-18 |
|
2.2 障碍物检测系统 |
18-23 |
|
2.2.1 障碍物检测系统的目标 |
18-19 |
|
2.2.2 障碍物检测系统算法原理 |
19-20 |
|
2.2.3 系统框架 |
20-23 |
|
第三章 基于自适应分割的初步障碍物检测 |
23-32 |
|
3.1 彩色图像分割的基本理论 |
23-27 |
|
3.1.1 颜色特征空间 |
23-24 |
|
3.1.2 图像分割的方法 |
24-27 |
|
3.2 自适应分割的算法原理 |
27-29 |
|
3.3 实验结果及分析 |
29-32 |
|
第四章 摄像机模型和立体视觉标定 |
32-48 |
|
4.1 摄像机模型 |
32-36 |
|
4.1.1 各坐标系关系 |
32-35 |
|
4.1.2 线性模型 |
35-36 |
|
4.2 传统立体视觉标定 |
36-40 |
|
4.2.1 单摄像机标定方法 |
37-38 |
|
4.2.2 双摄像机标定 |
38-40 |
|
4.3 基于投影直线相交的立体视觉标定 |
40-43 |
|
4.3.1 空间直线的表示 |
40-41 |
|
4.3.2 基于投影直线方程的标定 |
41-43 |
|
4.4 实验结果及分析 |
43-48 |
|
第五章 基于图像分割与立体视觉相结合的障碍物检测系统 |
48-61 |
|
5.1 立体视觉障碍物检测原理 |
48-50 |
|
5.2 立体视觉的计算 |
50-53 |
|
5.2.1 空间点的重建 |
50-52 |
|
5.2.2 基于投影直线方程的立体视觉的计算 |
52-53 |
|
5.3 基于图像分割与立体视觉相结合的障碍物检测方法 |
53-57 |
|
5.4 实验与分析 |
57-61 |
|
5.4.1 实验系统介绍 |
57-58 |
|
5.4.2 实验结果及分析 |
58-61 |
|
第六章 总结与展望 |
61-63 |
|
6.1 总结 |
61-62 |
|
6.2 进一步研究工作 |
62-63 |
|
参考文献 |
63-67 |
|
致谢 |
67-68 |
|
攻读学位期间主要的研究成果 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.386156 |
