本文關(guān)鍵詞： 視覺避障 LK算法 多項式窗口函數(shù) 密度峰值發(fā)現(xiàn)聚類 光流融合人工勢場法　出處：《遼寧大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：自主移動機(jī)器人作為機(jī)器人學(xué)的一個重要分支,目前已廣泛應(yīng)用于軍事、工業(yè)、環(huán)境探測、搶險救援等多種領(lǐng)域,而移動機(jī)器人要實現(xiàn)在復(fù)雜的環(huán)境中安全且順利的自主作業(yè),對障礙物進(jìn)行有效的檢測與規(guī)避是機(jī)器人應(yīng)具備的基本功能。傳統(tǒng)的利用超聲、紅外等傳感器進(jìn)行測距避障的方式存在避障死角。而基于機(jī)器視覺信息進(jìn)行避障可有效規(guī)避避障死角,避障的可靠性更高,因此,近年來對機(jī)器人視覺避障方面的理論及技術(shù)研究受到越來越多的關(guān)注。其中,新興的基于機(jī)器視覺的光流避障方法,因其非常接近人類的認(rèn)知行為,并且對視覺信息采集設(shè)備要求較低,成為了優(yōu)選的視覺避障技術(shù)。但因?qū)ζ溲芯縿倓偲鸩?在實際應(yīng)用中,尚有很多技術(shù)瓶頸問題有待進(jìn)一步研究解決。鑒于以上,本文重點對基于光流的機(jī)器人的避障方法開展相關(guān)研究。首先,采用LK(LucasKanade)稀疏光流算法計算機(jī)器人視覺場景中特征點處的深度信息即碰撞時間(Time to contact,TTC),并利用密度峰值發(fā)現(xiàn)的聚類(density peaks finding cluster,DPFC)方法對特征點的TTC分布進(jìn)行聚類分析。根據(jù)TTC聚類結(jié)果來識別障礙物區(qū)域,并結(jié)合人工勢場法實現(xiàn)機(jī)器人避障。主要研究工作如下:1、LK圖像金字塔光流算法及其改進(jìn)研究。為減少避障過程中的計算量,首先利用Shi-Tomasi法檢測機(jī)器人視覺場景中的特征點。針對地面紋理特征明顯的情況,根據(jù)特征點分布規(guī)律來判斷地面點,進(jìn)而可以消除地面過多的特征點,進(jìn)一步減少計算量。再利用LK圖像金字塔光流算法計算有效特征點處的光流,為下一步計算特征點處TTC提供依據(jù)。針對采用常見的圖像梯度算子計算光流精度有限的問題,本文提出了一種新穎的多項式窗口函數(shù)估計的梯度計算改進(jìn)算法,對每個像素點灰度值用一個多項式窗口函數(shù)來表示,采用高斯函數(shù)計算窗口中各像素點的權(quán)值來平衡各點的影響力,利用最小二乘法來估計多項式系數(shù),再對多項式進(jìn)行求導(dǎo)來計算圖像梯度。該方法可以更好的利用圖像全局特性,梯度計算的魯棒性更強(qiáng),準(zhǔn)確性更高。仿真結(jié)果表明,利用本文改進(jìn)算法計算梯度與常見的梯度算子相比,光流計算精度更高,為準(zhǔn)確計算機(jī)器人視覺場景中各特征點處的TTC奠定基礎(chǔ)。2、基于光流聚類的機(jī)器人障礙物識別方法研究。本文引入近年新興的、算法簡潔的密度峰值發(fā)現(xiàn)聚類(density peaks finding cluster,DPFC)方法對LK算法計算得到的光流信息進(jìn)行兩層聚類:首先根據(jù)機(jī)器人場景中特征點處光流模的大小進(jìn)行聚類,以便判斷和剔除錯誤光流;再利用剔除錯誤光流后的各特征點處的光流計算TTC,并與預(yù)先設(shè)定的TTC安全閾值進(jìn)行比較判斷場景中是否有障礙物,若有障礙物存在,再利用DPFC算法根據(jù)各特征點處的TTC進(jìn)行第二層聚類,確定聚類中心,根據(jù)聚類中心TTC值區(qū)分障礙物區(qū)域和背景信息。仿真結(jié)果表明本文引入的DPFC算法對光流兩層聚類方法可以較準(zhǔn)確的識別機(jī)器人視覺場景中的障礙物區(qū)域,且計算效率較高。3、光流融合人工勢場法的機(jī)器人避障策略研究。本文引入人工勢場法,將其與基于光流的障礙物識別方法相結(jié)合,設(shè)計機(jī)器人避障策略,完成機(jī)器人行進(jìn)路徑規(guī)劃。根據(jù)上述基于密度峰值發(fā)現(xiàn)的機(jī)器人視覺場景中特征點處TTC聚類結(jié)果,找出各聚類中心處TTC值最小的一類,將其確定為離機(jī)器人最近的潛在障礙物,將此類中最外圍特征點與機(jī)器人連線確定為斥力矢量,以各點對應(yīng)的TTC計算斥力大小,求其合力來確定斥力勢場。根據(jù)機(jī)器人目標(biāo)位置計算引力勢場,利用人工勢場法實現(xiàn)機(jī)器人目標(biāo)導(dǎo)航和有效避障。4、搭建了基于單目視覺的機(jī)器人光流避障實驗平臺,選擇校園內(nèi)一處特定場景開展了相關(guān)實驗研究,對論文相關(guān)的理論算法進(jìn)行了實驗驗證。實驗結(jié)果表明,本文光流融合人工勢場法的機(jī)器人避障方法可有效的指導(dǎo)機(jī)器人避障,并順利到達(dá)目的地。
[Abstract]:......
【學(xué)位授予單位】：遼寧大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.41;TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 曹宇;;基于特征點反向跟蹤和光流聚類算法的漸進(jìn)汽車檢測算法[J];智慧工廠;2016年08期

2 劉方明;;基于金字塔光流聚類的行人計數(shù)[J];電子技術(shù)與軟件工程;2015年01期

3 劉o，

本文編號：1554950