当前位置:主页 > 科技论文 > 自动化论文 >

基于机器视觉的室内服务机器人定位技术研究

发布时间:2021-06-14 09:34
  室内定位是室内服务机器人的一项非常重要的研究内容,是室内服务机器人完成导航和路径规划等任务的前提,因此,受到国内外众多学者的研究。在室内环境中,由于物品遮挡和人员走动等因素影响,GPS等室外定位技术并不能有效应用于室内环境。机器视觉凭借着价格低、重量轻、能耗低和对环境限制少等优点,提供的图像信息量大、特征丰富、稳定性强等优点,更有利于系统获得高精度定位,得到室内服务机器人定位领域的广泛关注。由于基于图像匹配的室内服务机器人定位技术难度高,目前使用的图像匹配算法大多是传统的算法,存在稳定性、泛化能力和精度不高等问题。本文从室内环境地图构建和机器视觉定位两方面进行研究,实现了室内服务机器人的高精度、快速定位。主要研究工作包括以下方面:(1)阐述本课题研究的背景和意义、室内服务机器人定位的国内外研究现状、常用的一些定位方法的优缺点,以及基于机器视觉室内定位需要解决的难点,介绍了室内定位技术的评价标准。(2)研究室内环境地图构建理论方法。为提高室内服务机器人的定位精度,本文提出一种基于栅格地图的室内环境构图法,把室内环境划分为大小相同栅格,利用机器人拍摄图像,建立室内环境图像数据集,图像数据集... 

【文章来源】:桂林理工大学广西壮族自治区

【文章页数】:79 页

【学位级别】:硕士

【部分图文】:

基于机器视觉的室内服务机器人定位技术研究


机器视觉室内服务机器人定位系统框图

平面图,室内环境,地图,平面图


桂林理工大学硕士学位论文10传感器采集的数据需要处理后才能一起使用;(3)不适合太复杂的室内环境,定位精度差。拓扑地图是反映对象之间的关系,利用圆弧连接节点与节点,其中节点表示室内环境的一个区域,机器人可以沿着圆弧从一个节点走到另一个节点,而不必经过其他节点。拓扑地图具有以下优缺点:(1)比较适合做大范围航路规划的任务;(2)地图精度最低;(3)容易出现误匹配的情况;(4)不使用于在非结构环境中。栅格地图是一种易于创建和维护,也适用于室内环境的结构和布局,尤其是结构复杂,图像特征多的室内商尝机尝地铁站等场所;并且它对某个栅格的感知信息可直接与室内环境中某个区域对应,与机器视觉摄像机获取室内环境中某个区域信息不谋而合,但它的缺点很是很明显的,对定位的精度要求较高时,需要对室内环境划分为比较细的栅格,也导致特征提娶识别算法的要求特别高。根据栅格地图构建的思路和方法,本文设计的室内环境单层栅格平面地图如图2.1,侧面图如图2.2所示。图2.1中3321-3330表示室内环境的房间,A-U表示室内环境走廊过道划分为多个大小均匀的栅格,每个栅格的宽度与所占房间门面的宽度一样,也把门面划分为多个网格。当室内服务机器人的定位精度要求越高,栅格也相应变校图2.1室内环境栅格地图划分平面图

地图,室内环境,服务机器人,地图


桂林理工大学硕士学位论文11图2.2室内环境单层栅格侧面地图2.2室内服务机器人的坐标(1)室内服务机器人直角坐标标注图。室内服务机器人在二维的环境中行走,移动机器人的位姿用x,y,θ来表示,x,y表示室内服务机器人相对世界坐标位置,表示室内服务机器人朝向。为了研究之便,建立室内服务机器人坐标系RRXPY、世界坐标系11XOY,如图2.3。图2.3室内服务机器人移动模型

【参考文献】:
期刊论文
[1]循环神经网络结构中激活函数的改进[J]. 叶小舟,陶飞飞,戚荣志,张云飞,周思琪,刘璇.  计算机与现代化. 2016(12)
[2]阿法狗围棋系统的简要分析[J]. 田渊栋.  自动化学报. 2016(05)
[3]蓝牙手机室内定位系统[J]. 张浩,赵千川.  计算机应用. 2011(11)
[4]区域细化的RFID室内定位算法[J]. 陈聪传,程良伦.  计算机应用与软件. 2011(01)
[5]一种充分利用变量结构的解卷积混合盲源分离新方法[J]. 徐先峰,冯大政.  电子学报. 2009(01)
[6]一种用于智能空间的多目标跟踪室内定位系统[J]. 谷红亮,史元春,申瑞民,陈渝.  计算机学报. 2007(09)
[7]服务机器人[J]. 姜山.  机器人技术与应用. 2004(02)

博士论文
[1]语种识别深度学习方法研究[D]. 蒋兵.中国科学技术大学 2015
[2]混合随机变量序列的几乎处处中心极限定理[D]. 邹广玉.吉林大学 2013

硕士论文
[1]基于Caffe深度学习框架的卷积神经网络研究[D]. 杨楠.河北师范大学 2016
[2]基于图像特征匹配的室内定位算法研究[D]. 陈旭.北京工业大学 2011
[3]室内机器人超声测距和定位算法的研究[D]. 包闰贵.安徽大学 2011
[4]基于扩展卡尔曼滤波的模糊神经网络学习算法研究[D]. 柳玉炯.重庆大学 2010
[5]基于点特征的目标跟踪算法研究及其在机器人导航上的应用[D]. 汪婧.南京理工大学 2008
[6]智能视频监控系统中运动目标检测与跟踪技术的研究及其DSP实现[D]. 魏星.合肥工业大学 2005



本文编号:3229553

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3229553.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户48ed6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com