基于双目视觉的避障研究与设计
发布时间：2021-05-14 09:38
随着避障技术在军事领域、科学探测、交通管制、工业制造、医疗服务等诸多领域的广泛应用,各种具有自主导航与避障能力的机器得到了不同程度的使用,从而替代人类的一些日常生产活动,为人们的生活带来了许多便利。而能够实时获取在其前进方向上的障碍物方位信息是机器自主避障的关键,这也是避障系统在避障路径规划中的前提条件。本文基于双目视觉理论设计了避障系统,并且实现了移动机器对环境障碍物的方位有效检测。主要工作如下:（1）避障系统的总体设计。完成系统的流程设计和功能模块设计以及避障算法软件、硬件平台搭建,验证系统在复杂环境下自主避障的可行性。实现各功能模块设计。（2）实现深度图像信息的获取。通过对双目视觉理论和实现方法的研究,获得了深度图像信息。首先利用Matlab相机标定工具实现了双目相机标定,获得相机标定的内外参数,然后根据这些标定的参数采用OpenCV的极线校正函数对图像校正,最后根据校正后的图像采用OpenCV的SGBM立体匹配函数获得深度图像。在此过程中应用图像金字塔法提高了双目视觉立体匹配获得深度图像的效率,并且在保持原有立体匹配效果的同时,尽可能地提高算法的效率。在本文实验中立体匹配算法的...
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 双目视觉研究现状
1.2.2 基于视觉的障碍物检测技术研究现状
1.2.3 避障路径规划技术研究现状
1.3 论文的主要工作及组织结构
1.3.1 论文的主要工作
1.3.2 论文的组织安排
第2章 系统总体设计
2.1 系统需求分析
2.1.1 需求分析
2.1.2 方案选择
2.2 系统整体设计方案
2.2.1 系统整体框架
2.2.2 系统整体流程
2.2.3 系统设计平台
2.2.4 系统集成
2.3 本章小结
第3章 双目视觉深度测量
3.1 双目视觉理论
3.1.1 线性成像模型
3.1.2 非线性成像模型
3.1.3 双目视觉原理
3.2 相机标定和图像校正
3.2.1 相机标定原理
3.2.2 极线校正原理
3.3 立体匹配
3.3.1 立体匹配分类
3.3.2 立体匹配基本步骤
3.3.3 基于OpenCV的 SGBM算法实现
3.3.4 评价标准
3.4 实验结果与分析
3.4.1 双目相机标定结果
3.4.2 图像校正结果
3.4.3 立体匹配实验结果分析
3.4.4 双目视觉测距实验
3.5 本章小结
第4章 障碍物检测算法研究与实现
4.1 引言
4.2 障碍物检测
4.2.1 超像素分割
4.2.2 基于超像素分割的背景去除
4.2.3 障碍物识别
4.3 障碍物检测结果分析
4.4 本章小结
第5章 动态避障算法
5.1 传统人工势场法
5.1.1 传统人工势场法
5.1.2 传统人工势场法存在的主要缺陷
5.2 改进人工势场法
5.2.1 引力势函数修改
5.2.2 斥力势函数修改
5.2.3 局部最小点的解决方法
5.3 实验结果与分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 后续工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于双目视觉的AGV障碍物检测与避障[J]. 王铮,赵晓,佘宏杰,刘洪海,赵燕伟. 计算机集成制造系统. 2018(02)
[2]人工势场法目标不可达的研究[J]. 郜辉,吕志刚. 国外电子测量技术. 2018(01)
[3]基于改进人工势场法的动态环境下无人机路径规划[J]. 田亚卓,张勇军. 武汉科技大学学报. 2017(06)
[4]改进的快速扩展随机树路径规划算法[J]. 孙丰财,张亚楠,史旭华. 传感器与微系统. 2017(09)
[5]基于改进人工势场法的机器人避障及路径规划研究[J]. 徐飞. 计算机科学. 2016(12)
[6]基于蚁群几何优化算法的全局路径规划[J]. 刘杰,闫清东,马越,唐正华. 东北大学学报(自然科学版). 2015(07)
[7]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[8]基于高程—四叉树模型和改进蚁群算法的路径规划[J]. 李建军,高振军,侯风华. 信息工程大学学报. 2014(06)
[9]基于改进人工势场法的移动机器人路径规划[J]. 邓学强. 山东理工大学学报(自然科学版). 2014(01)
[10]基于势场栅格法的移动机器人避障路径规划[J]. 欧阳鑫玉,杨曙光. 控制工程. 2014(01)
博士论文
[1]立体视觉中精确立体匹配算法的研究[D]. 姚鹏.天津理工大学 2019
[2]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
硕士论文
[1]移动机器人前景障碍物检测及避障系统设计与实现[D]. 丁浩.南京邮电大学 2018
[2]基于人工势场法的双目视觉动态避障研究[D]. 陈珊.河北大学 2018
[3]基于视觉的室内巡检机器人导航技术研究[D]. 李鹏.中国矿业大学 2018
[4]基于嵌入式的立体视觉三维重建系统设计[D]. 徐燕翔.华南理工大学 2018
[5]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017
[6]基于单目视觉的机器人动态障碍物检测与壁障方法研究[D]. 李启东.吉林大学 2016
[7]动态环境下移动机器人实时避障研究[D]. 侯之旭.重庆理工大学 2016
[8]基于双目立体视觉的移动机器人障碍物检测技术研究[D]. 冯瑾.中国矿业大学 2015
[9]基于双目视觉的小型无人飞行器的导航与避障[D]. 苏东.电子科技大学 2014
[10]基于双目视觉的三维测距与定位[D]. 李浩.华南理工大学 2012
本文编号：3185422
【文章来源】：广西师范大学广西壮族自治区
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 课题研究背景与意义
1.2 国内外研究现状
1.2.1 双目视觉研究现状
1.2.2 基于视觉的障碍物检测技术研究现状
1.2.3 避障路径规划技术研究现状
1.3 论文的主要工作及组织结构
1.3.1 论文的主要工作
1.3.2 论文的组织安排
第2章 系统总体设计
2.1 系统需求分析
2.1.1 需求分析
2.1.2 方案选择
2.2 系统整体设计方案
2.2.1 系统整体框架
2.2.2 系统整体流程
2.2.3 系统设计平台
2.2.4 系统集成
2.3 本章小结
第3章 双目视觉深度测量
3.1 双目视觉理论
3.1.1 线性成像模型
3.1.2 非线性成像模型
3.1.3 双目视觉原理
3.2 相机标定和图像校正
3.2.1 相机标定原理
3.2.2 极线校正原理
3.3 立体匹配
3.3.1 立体匹配分类
3.3.2 立体匹配基本步骤
3.3.3 基于OpenCV的 SGBM算法实现
3.3.4 评价标准
3.4 实验结果与分析
3.4.1 双目相机标定结果
3.4.2 图像校正结果
3.4.3 立体匹配实验结果分析
3.4.4 双目视觉测距实验
3.5 本章小结
第4章 障碍物检测算法研究与实现
4.1 引言
4.2 障碍物检测
4.2.1 超像素分割
4.2.2 基于超像素分割的背景去除
4.2.3 障碍物识别
4.3 障碍物检测结果分析
4.4 本章小结
第5章 动态避障算法
5.1 传统人工势场法
5.1.1 传统人工势场法
5.1.2 传统人工势场法存在的主要缺陷
5.2 改进人工势场法
5.2.1 引力势函数修改
5.2.2 斥力势函数修改
5.2.3 局部最小点的解决方法
5.3 实验结果与分析
5.4 本章小结
第6章 总结与展望
6.1 全文总结
6.2 后续工作展望
参考文献
致谢
【参考文献】：
期刊论文
[1]基于双目视觉的AGV障碍物检测与避障[J]. 王铮,赵晓,佘宏杰,刘洪海,赵燕伟. 计算机集成制造系统. 2018(02)
[2]人工势场法目标不可达的研究[J]. 郜辉,吕志刚. 国外电子测量技术. 2018(01)
[3]基于改进人工势场法的动态环境下无人机路径规划[J]. 田亚卓,张勇军. 武汉科技大学学报. 2017(06)
[4]改进的快速扩展随机树路径规划算法[J]. 孙丰财,张亚楠,史旭华. 传感器与微系统. 2017(09)
[5]基于改进人工势场法的机器人避障及路径规划研究[J]. 徐飞. 计算机科学. 2016(12)
[6]基于蚁群几何优化算法的全局路径规划[J]. 刘杰,闫清东,马越,唐正华. 东北大学学报(自然科学版). 2015(07)
[7]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[8]基于高程—四叉树模型和改进蚁群算法的路径规划[J]. 李建军,高振军,侯风华. 信息工程大学学报. 2014(06)
[9]基于改进人工势场法的移动机器人路径规划[J]. 邓学强. 山东理工大学学报(自然科学版). 2014(01)
[10]基于势场栅格法的移动机器人避障路径规划[J]. 欧阳鑫玉,杨曙光. 控制工程. 2014(01)
博士论文
[1]立体视觉中精确立体匹配算法的研究[D]. 姚鹏.天津理工大学 2019
[2]图像边缘检测技术及其应用研究[D]. 曾俊.华中科技大学 2011
硕士论文
[1]移动机器人前景障碍物检测及避障系统设计与实现[D]. 丁浩.南京邮电大学 2018
[2]基于人工势场法的双目视觉动态避障研究[D]. 陈珊.河北大学 2018
[3]基于视觉的室内巡检机器人导航技术研究[D]. 李鹏.中国矿业大学 2018
[4]基于嵌入式的立体视觉三维重建系统设计[D]. 徐燕翔.华南理工大学 2018
[5]基于卷积神经网络的立体匹配技术研究[D]. 陈拓.浙江大学 2017
[6]基于单目视觉的机器人动态障碍物检测与壁障方法研究[D]. 李启东.吉林大学 2016
[7]动态环境下移动机器人实时避障研究[D]. 侯之旭.重庆理工大学 2016
[8]基于双目立体视觉的移动机器人障碍物检测技术研究[D]. 冯瑾.中国矿业大学 2015
[9]基于双目视觉的小型无人飞行器的导航与避障[D]. 苏东.电子科技大学 2014
[10]基于双目视觉的三维测距与定位[D]. 李浩.华南理工大学 2012
本文编号：3185422
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3185422.html
