當(dāng)下智能車(chē)、智能機(jī)器人發(fā)展迅速,基于簡(jiǎn)易視覺(jué)的障礙物的檢測(cè)方法以及定位導(dǎo)航愈加重要。本文結(jié)合部分場(chǎng)景障礙物檢測(cè)進(jìn)行研究,建立了基于擬合和模糊推理的單目測(cè)距模型。對(duì)一個(gè)成品攝像頭而言,根據(jù)透鏡成像原理可知成像大小和物距之間是一個(gè)連續(xù)的對(duì)應(yīng)關(guān)系。本文選取空間中合適的典型物體作為標(biāo)準(zhǔn)可識(shí)別物,并用簡(jiǎn)單函數(shù)的擬合曲線近似上述數(shù)量關(guān)系,并稱(chēng)之為圖像距離函數(shù)。當(dāng)障礙物與標(biāo)識(shí)物之間的貼近程度可知時(shí),便可通過(guò)圖像距離函數(shù)與障礙物的成像大小近似計(jì)算障礙物距離,且貼近程度越高,測(cè)距結(jié)果的精度越好。文中根據(jù)測(cè)距理論建立了多個(gè)標(biāo)識(shí)物在不同場(chǎng)景之下的圖像距離函數(shù)庫(kù)。為了簡(jiǎn)化測(cè)距模型匹配過(guò)程中的計(jì)算量,文中把特定的標(biāo)識(shí)物與場(chǎng)景結(jié)合到一起�？紤]到場(chǎng)景的不同所含有的標(biāo)識(shí)物組合方式和種類(lèi)不同,需要先對(duì)測(cè)距場(chǎng)景進(jìn)行模糊識(shí)別進(jìn)而鎖定場(chǎng)景中某些特定標(biāo)識(shí)物。在圖像識(shí)別的基礎(chǔ)上,通過(guò)模糊推理判定出所屬場(chǎng)景和其內(nèi)的有限個(gè)典型標(biāo)志物的識(shí)別,進(jìn)而使用測(cè)距方法計(jì)算出物體的距離。分析了模糊測(cè)距的誤差來(lái)源,并從測(cè)距原理與數(shù)值計(jì)算兩個(gè)角度給出誤差分析。從理論上給出了給定測(cè)距精度下的標(biāo)識(shí)物模糊測(cè)距鄰域閾值的存在性定理,并估計(jì)了數(shù)值計(jì)算的誤差。模... 

【文章來(lái)源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：46 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原圖像與灰度圖像比較

像素點(diǎn)原來(lái)的灰度值，實(shí)現(xiàn)平滑去噪的處理。即 ( ) = ( )( ) 、g(x, y)是原圖像和平滑后的圖像，M 是鄰域內(nèi)所包含的像素總數(shù)域內(nèi)像素點(diǎn)的集合。均值濾波原理簡(jiǎn)單易于實(shí)現(xiàn)，但不能較好的顯然的缺點(diǎn)，這將不利于某些邊緣的檢測(cè)。波的處理原理是非線性的，更能夠保證圖像的邊緣信息。其思想中心的某一窗口內(nèi)所有像素的灰度值進(jìn)行從小到大排序[35]，將中度值的操作，即 = { } 域像素區(qū)域窗口，{ }是二維數(shù)據(jù)序列，Med 是從二位數(shù)據(jù)序列文中使用中值濾波進(jìn)行圖像的去噪，得到的結(jié)果如下圖 2-2，這樣效果較好，圖像更加平滑細(xì)膩。

圖 2-3 原圖像與邊緣檢測(cè)圖像效果對(duì)比圖 2-3 所示，即為原圖像（左圖）與用 Canny 算子提取邊緣得到的新圖像上圖可以看出得到的邊緣圖像信息較為清晰，但仍存在背景圖與物體圖有清晰呈現(xiàn)。這主要是由于邊緣檢測(cè)的方法是根據(jù)像素點(diǎn)的不連續(xù)特點(diǎn)而該部分背景圖像與物體圖像像素點(diǎn)比較接近，簡(jiǎn)易的邊緣檢測(cè)方法較需要用更加復(fù)雜的算法實(shí)現(xiàn)對(duì)該部分的邊緣檢測(cè)。合理論與使用邊緣檢測(cè)得出圖像信息之后，根據(jù)可測(cè)物體與鏡頭距離以及圖像邊緣信距離函數(shù)。在實(shí)際操作中，可測(cè)的數(shù)據(jù)的是離散的，得到的數(shù)據(jù)列是（,m。無(wú)法避免存在誤差，點(diǎn)列不一定能同時(shí)滿足特定的函數(shù)，因此要求 f(x)最優(yōu)的靠近所測(cè)樣本點(diǎn)，即 f(xi) (i=1,2,3,…n)與 yi(i=1,2,3,…n)這兩個(gè)

【參考文獻(xiàn)】：
期刊論文
[1]室內(nèi)智能移動(dòng)機(jī)器人規(guī)則物體識(shí)別與抓取[J]. 李慧霞,高梓豪.  軟件. 2016(02)
[2]融合激光與視覺(jué)信息的自主移動(dòng)機(jī)器人的SLAM研究[J]. 劉雅彬,陳萬(wàn)米.  工業(yè)控制計(jì)算機(jī). 2015(09)
[3]融合IMU的RGBD-SLAM算法改進(jìn)研究[J]. 閔華松,楊杰.  計(jì)算機(jī)工程與設(shè)計(jì). 2015(01)
[4]單目式自主機(jī)器人視覺(jué)導(dǎo)航中的測(cè)距研究[J]. 吳剛,唐振民.  機(jī)器人. 2010(06)
[5]基于超聲和紅外傳感器的探測(cè)系統(tǒng)設(shè)計(jì)[J]. 杜洪超,李鄧化,高晶敏.  微計(jì)算機(jī)信息. 2010(22)
[6]單目視覺(jué)目標(biāo)距離測(cè)量方法研究[J]. 張法全,路立平,沈滿德,陳良益,崔光照.  光子學(xué)報(bào). 2009(02)
[7]基于單目視覺(jué)的距離測(cè)量研究[J]. 張純金,紀(jì)淑娟,范曉寧.  山東科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2007(04)
[8]基于數(shù)據(jù)回歸建模的單目視覺(jué)測(cè)距算法[J]. 沈志熙,黃席樾.  計(jì)算機(jī)工程與應(yīng)用. 2007(24)
[9]圖像邊緣檢測(cè)方法研究[J]. 魏偉波,芮筱亭.  計(jì)算機(jī)工程與應(yīng)用. 2006(30)
[10]基于視覺(jué)的前方車(chē)輛探測(cè)技術(shù)研究方法綜述[J]. 顧柏園,王榮本,余天洪,郭烈.  公路交通科技. 2005(10)

碩士論文
[1]基于異構(gòu)多核智能相機(jī)的缺陷檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 胡健.南京郵電大學(xué) 2018
[2]單目視覺(jué)檢測(cè)室內(nèi)未知環(huán)境障礙物的研究[D]. 王偉.重慶大學(xué) 2010
[3]基于DSP的視覺(jué)傳感器的關(guān)鍵技術(shù)研究[D]. 呂曉明.天津大學(xué) 2007



本文編號(hào)：3378841