基于视觉信息的移动机器人路面环境分析方法研究

发布时间：2020-09-28 06:46

　　室外移动机器人工作环境复杂,任务多变,要顺利完成目标需要更高的精确度:更精确的定位、更适合的速度、更全面的感知、更有效的操作。单靠传统的传感器(距离传感器,声音传感器等)已经无法满足移动机器人准确的感知周围环境的要求,不能为其提供路径规划所需的决策依据。视觉传感器则不同,对机器人而言也一样,视觉系统检测信息量丰富,获得的信息是对环境最全面最深入的反迎,被认为是最重要的感知力。因此,对于室外移动机器人而言,视觉导航被认为是最为关键的科学技术之一。本课题研究的是移动机器人在非结构化道路的复杂环境中,对路面环境信息进行图像采集,进行特征的提取和分析,完成对环境路面的识别,为移动机器人的路径规划提供作为决策依据之一的视觉信息。根据其它研究者对四种常用的环境识别实验结果的探究,最终选定从环境路面的颜色和纹理两方面进行特征提取;通过对5种颜色特征提取算法和4种纹理特征提取方法的分析和实验结果对比,最终决定采用HSV色彩空间一阶中心距的方法进行颜色特征的提取,采用灰度共生矩阵法进行对纹理特征的提取。根据这两种方法对三种典型的实验路面环境的多幅图像进行颜色和纹理特征提取,并建立分类特征样本库。最后,基于支持向量机的方法利用Matlab编程,对特征样本库进行分类训练并对实验环境路面进行了离线和在线的分类测试实验。实验结果表明,本课题所提出的方法具有较高的准确率,验证了本课题所提路面识别方法的可行性和可靠性。
【学位单位】：河北工业大学
【学位级别】：硕士
【学位年份】：2015
【中图分类】：TP242
【文章目录】：
摘要
abstract
第一章绪论
    1.1 本课题的研究背景及意义
    1.2 室外移动机器人发展现状
        1.2.1 国内室外移动机器人发展
        1.2.2 国外室外移动机器人发展
    1.3 移动机器人视觉相关技术的研究现状
        1.3.1 常用的几种视觉导航技术
        1.3.2 移动机器人道路检测中的算法
        1.3.3 移动机器人运动模糊图像复原技术
    1.4 本文主要研究内容
第二章基于机器人视觉的道路环境识别方法分析
    2.1 引言
    2.2 移动机器人视觉系统
    2.3 常用的道路环境识别方法
    2.4 基于单一环境特征分类实验
    2.5 本章小结
第三章环境路面特征信息提取
    3.1 引言
    3.2 路面环境颜色特征提取
        3.2.1 路面环境图像的色彩空间
        3.2.2 路面环境颜色特征提取方法
        3.2.3 路面环境颜色特征提取实验
    3.3 路面环境纹理特征提取
        3.3.1 路面环境纹理特征提取方法
        3.3.2 基于灰度共生矩阵法纹理信息采集
        3.3.3 小波变换法纹理特征提取
    3.4 本章小结
第四章基于支持向量机的路面识别研究
    4.1 引言
    4.2 几种常用分类器
        4.2.1 BP神经网络分类器
        4.2.2 贝叶斯分类器
        4.2.3 K近邻分类器
        4.2.4 支持向量机分类器
    4.3 基于支持向量机的路面环境分类实验
        4.3.1 路面环境分类实验流程
        4.3.2 路面环境分类实验仪器
        4.3.3 路面环境离线分类实验
        4.3.4 路面环境实时分类实验
    4.4 本章小结
第五章结论
参考文献
致谢

【相似文献】