基于星球车视觉信息的地面几何与力学特性建模研究

发布时间：2021-02-08 02:30

　　在星球自主探测系统中,地形感知环节是连接机体外部环境和内部控制的纽带,为路径规划、运动仿真和移动控制等多个环节提供地形信息。随着火星探测任务难度的提高,越来越多的环节开始考虑地面力学特性对任务过程的影响。本文从火星地形环境特点和地面力学相关应用的需求出发,提出一种包含地面几何与力学特性的地形模型。文章分别从如何进行力学特性表征,如何通过视觉进行地面力学参数远程估计,以及如何构建包含几何与力学特性的地图模型三个方面展开研究。本文考虑地形模型表征的完备性、统一性和简易性,提出了包含地面几何与力学特性的地形模型。通过分析地面承压和剪切特性模型,确定了模型中力学特性因子的具体参量。通过分析各参数的敏感性,分别选取了等效刚度模量和等效摩擦模量作为承压和摩擦特性方面的主导参数,进行动态参数估计。通过建立轮-地相互作用模型,进行了主导参数的辨识,为后续基于视觉进行主导参数动态估计提供数据基础。对基于视觉的地面力学特性参数估计问题进行研究,提出了单阶段和双阶段两种通过视觉图像估计地面力学特性参数的方案。针对双阶段方法中的地面语义分割和力学特性估计两个阶段,提出了具体的实现方法。分别利用全卷积网络和编码... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

学习和预测机制示意图

督地形分类学习原理[26]图 1-6 学习和预测学的 K. Otsu 等人在“由近及远”的学习方主地形分类的联合与自我训练方法[28]，环境下的分类中，学习框架如图 1-7 所期阶段从稀疏数据中快速学习经验的问形分类器和振动地形分类器进行单独训行再训练；自我训练部分仅采用基于视分类器进行迭代再训练。利用双向训练减少训练数据的数量而不牺牲准确性。一步提高准确性。通过实验，联合和自标签即可准确分类多种地形类别。

试图像 b) 材料分割结果 c) 摩擦系图 1-8 基于材料识别的摩擦预测[30]基梅隆大学的 C. Cunningham 等人提出了一[11]。滑移模型根据地形几何和视觉地形分类间相关性进行模型在线适应，以识别类内变果，特别是在高滑转率区域效果明显。比较类型的滑动估计结果，两者效果基本相当。世联邦理工的 ANYmal 机器人基于图像通过足机器人远程操作实验中，采集足-地接触过联，利用获得的稀疏数据训练神经网络，生如图 1-9 所示。预测的地形属性用于 ANYm种方法没有进行特定地形参数的预测，而是接编码多种地形特性用于路径规划。


本文编号：3023230