复杂环境下电动汽车充电口识别与定位方法研究

发布时间：2023-04-22 02:33

　　近年来,随着汽车电动化、网联化、智能化、共享化的快速推进,电动汽车的自动驾驶和自动泊车功能逐渐普及,自动充电的需求日益迫切。目前,机器人与机器视觉相结合是实现自动充电的主要技术路线,而电动汽车充电口识别与定位是这一技术路线实现的关键技术之一。针对复杂应用环境下的识别定位难点,本文将单目视觉与六自由度机器人系统相结合,研究基于卷积神经网络的充电口识别方法和基于圆特征的充电口定位方法,解决复杂环境下充电口识别与定位问题。论文的主要内容有:首先,分析了插接实验对定位的精度需求,根据电动汽车充电口的内部特征和复杂应用环境下的识别定位难点,设计了充电口识别定位方案,搭建了基于六自由度机器人与单目视觉相结合的实验平台,采用张正友标定法和Tsai法,完成了摄像机畸变模型下的标定和Eye in hand配置方式下的手眼标定。接着,针对视觉搜寻过程中充电口图像出现局部缺失、伪充电口、盖未打开、光照变化等复杂应用环境造成的识别困难,基于卷积神经网络的充电口识别方法,建立了复杂应用环境下的充电口图像样本集,在LeNet₅模型的基础上优化了学习率、网络层数,从而构建了充电口的卷积神经网络...

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题背景及研究意义
    1.2 国内外研究现状
        1.2.1 电动汽车自动充电技术
        1.2.2 复杂环境下目标识别
        1.2.3 单目视觉位姿测量
    1.3 课题研究内容
第二章 电动汽车充电口插接实验平台建立
    2.1 引言
    2.2 充电口识别定位目标分析与识别定位方案设计
        2.2.1 识别定位目标分析
        2.2.2 复杂环境分析
        2.2.3 识别定位方案
    2.3 实验平台建立
    2.4 摄像机标定
        2.4.1 坐标系关系
        2.4.2 摄像机畸变模型
        2.4.3 摄像机标定实验
    2.5 手眼标定
        2.5.1 手眼标定原理
        2.5.2 手眼标定实验
    2.6 本章小结
第三章 电动汽车充电口识别方法研究
    3.1 引言
    3.2 卷积神经网络原理
        3.2.1 卷积神经网络的结构
        3.2.2 卷积神经网络的连接特点
        3.2.3 卷积神经网络的训练过程
    3.3 基于CNN的充电口识别方法
        3.3.1 充电口识别流程
        3.3.2 充电口识别样本集建立
        3.3.3 充电口识别模型构建与参数优化
    3.4 充电口识别结果与分析
    3.5 本章小结
第四章 电动汽车充电口定位方法研究
    4.1 引言
    4.2 定位方法与总体流程
    4.3 图像预处理
        4.3.1 图像亮度调整
        4.3.2 图像滤波
    4.4 充电口特征检测
        4.4.1 图像分割
        4.4.2 边缘检测
        4.4.3 椭圆拟合
    4.5 充电口位姿求解
        4.5.1 几何法位姿测量原理
        4.5.2 圆的二义性消除
    4.6 实验结果与分析
    4.7 本章小结
第五章 电动汽车充电口插接实验研究
    5.1 引言
    5.2 插接实验系统软件集成
    5.3 插接实验与分析
        5.3.1 位姿转换
        5.3.2 定位精度测试实验
        5.3.3 插接实验
        5.3.4 不同光照下实验
        5.3.5 实验误差分析
    5.4 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间本人出版或公开发表的论著、论文
致谢



本文编号：3796739