室内场景下单目避障算法研究及系统实现
发布时间：2021-02-24 18:02
在机器人与自动驾驶领域中,障碍物检测与规避是一项基础的安全技术,它帮助无人智能体感知物体,并及时对无人智能体下达绕障指令,保障其安全。近年来,随着移动机器人与自动驾驶的需求不断攀升,这项技术也受到学术界及工业界的广泛关注。本文模仿人类利用视觉感知物体的机制,提出基于多层次框架的障碍物检测方法。该方法将场景的三维空间信息（即地面单应性）与障碍物的二维表观信息（即遮挡边缘、颜色等）融合,使其可以应对多种复杂的场景。本文的研究主要分为四个部分:障碍物感知的遮挡边缘提取,空间视觉遮挡边缘提取、障碍物感知的回归器设计和避障机器人系统的设计与实现。（1）障碍物感知的遮挡边缘提取。本文建立了一个多层次框架,并从三个方面对其提取过程进行阐述:多距离层次区域生成,多距离边缘信息融合及遮挡边缘生成。其中,重点在于提取和障碍物距离相关的层次区域,并设计边缘信息融合的方法,增强障碍物边缘,使遮挡边缘可以清晰地拟合所有障碍物的轮廓。（2）空间视觉遮挡边缘提取。本文在多视角下观察的障碍物轮廓,利用地面单应性这一三维空间属性将位于地面以上的空间视觉遮挡边缘提取出来。该方法从地面单应性求解、单应误差求解和空间点提取三...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.1.1 障碍物检测与规避的具体任务
1.1.2 障碍物检测的特殊性
1.1.3 障碍物检测与规避面临的困难和发展历程
1.2 本文的研究内容和贡献
1.2.1 障碍物感知的遮挡边缘提取
1.2.2 空间视觉遮挡边缘提取
1.2.3 障碍物感知的回归器
1.2.4 基于ROS的机器人避障系统
1.3 组织框架
第二章 障碍物感知的遮挡边缘
2.1 遮挡边缘研究现状
2.2 用于障碍物检测的多层次框架
2.3 多距离层次生成
2.4 多距离层次边缘信息融合
2.5 遮挡边缘生成
2.6 本章总结
第三章 空间视觉遮挡边缘
3.0 研究现状
3.1 算法框架
3.2 地面单应性求解
3.3 空间视觉遮挡边缘提取
3.3.1 单应误差
3.3.2 倒影噪声抑制及空间点提取
3.4 本章总结
第四章 障碍物感知的回归器
4.1 障碍物样本的产生
4.1.1 物体推荐的研究现状
4.1.2 基于场景先验的物体级推荐
4.1.3 训练样本选择
4.2 特征提取
4.2.1 边缘特征
4.2.2 似物性特征
4.2.3 伪距离特征
4.2.4 颜色特征
4.3 基于随机森林的障碍物回归
4.4 障碍物占用概率图
4.5 本章总结
第五章 障碍物规避系统的设计
5.1 ROS机器人操作系统介绍
5.2 机器人绕障系统框架
5.3 绕障决策模块设计
5.4 运动控制模块设计
5.5 本章总结
第六章 实现与验证
6.1 数据集与测试用例选择
6.1.1 室内场景数据集
6.1.2 Lost and Found数据集
6.2 空间视觉遮挡边缘检测实验
6.3 障碍物检测查全率对比实验
6.3.1 评价指标
6.3.2 定量评价
6.3.2.1 本研究框架下变种方法的比较
6.3.2.2 与代表性物体推荐方法的比较
6.4 障碍物检测的误检率-精确度对比实验
6.4.1 评价指标
6.4.2 定量评价
6.4.2.1 本研究框架下变种方法的比较
6.4.2.2 与代表性障碍物检测方法的比较
6.4.3 定性评价
6.5 机器人绕障系统的验证
6.5.1 测试运行环境
6.5.2 系统测试一
6.5.3 系统测试二
6.5.4 系统测试三
6.5.5 局限性总结
6.6 本章总结
第七章 总结与展望
7.1 论文总结
7.2 论文展望
参考文献
致谢
作者攻读学位期间发表的学术论文目录
本文编号：3049748
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景
1.1.1 障碍物检测与规避的具体任务
1.1.2 障碍物检测的特殊性
1.1.3 障碍物检测与规避面临的困难和发展历程
1.2 本文的研究内容和贡献
1.2.1 障碍物感知的遮挡边缘提取
1.2.2 空间视觉遮挡边缘提取
1.2.3 障碍物感知的回归器
1.2.4 基于ROS的机器人避障系统
1.3 组织框架
第二章 障碍物感知的遮挡边缘
2.1 遮挡边缘研究现状
2.2 用于障碍物检测的多层次框架
2.3 多距离层次生成
2.4 多距离层次边缘信息融合
2.5 遮挡边缘生成
2.6 本章总结
第三章 空间视觉遮挡边缘
3.0 研究现状
3.1 算法框架
3.2 地面单应性求解
3.3 空间视觉遮挡边缘提取
3.3.1 单应误差
3.3.2 倒影噪声抑制及空间点提取
3.4 本章总结
第四章 障碍物感知的回归器
4.1 障碍物样本的产生
4.1.1 物体推荐的研究现状
4.1.2 基于场景先验的物体级推荐
4.1.3 训练样本选择
4.2 特征提取
4.2.1 边缘特征
4.2.2 似物性特征
4.2.3 伪距离特征
4.2.4 颜色特征
4.3 基于随机森林的障碍物回归
4.4 障碍物占用概率图
4.5 本章总结
第五章 障碍物规避系统的设计
5.1 ROS机器人操作系统介绍
5.2 机器人绕障系统框架
5.3 绕障决策模块设计
5.4 运动控制模块设计
5.5 本章总结
第六章 实现与验证
6.1 数据集与测试用例选择
6.1.1 室内场景数据集
6.1.2 Lost and Found数据集
6.2 空间视觉遮挡边缘检测实验
6.3 障碍物检测查全率对比实验
6.3.1 评价指标
6.3.2 定量评价
6.3.2.1 本研究框架下变种方法的比较
6.3.2.2 与代表性物体推荐方法的比较
6.4 障碍物检测的误检率-精确度对比实验
6.4.1 评价指标
6.4.2 定量评价
6.4.2.1 本研究框架下变种方法的比较
6.4.2.2 与代表性障碍物检测方法的比较
6.4.3 定性评价
6.5 机器人绕障系统的验证
6.5.1 测试运行环境
6.5.2 系统测试一
6.5.3 系统测试二
6.5.4 系统测试三
6.5.5 局限性总结
6.6 本章总结
第七章 总结与展望
7.1 论文总结
7.2 论文展望
参考文献
致谢
作者攻读学位期间发表的学术论文目录
本文编号：3049748
本文链接：https://www.wllwen.com/kejilunwen/qiche/3049748.html
