智能割草機器人可以自主地完成割草任務(wù),減少了很多不必要的勞動,因而越來越多人開始進行相關(guān)研究。當(dāng)前國內(nèi)外主流的智能割草機器人方案針對的是簡單環(huán)境的中小型草坪。視覺模塊是智能割草機器人的重要組成部分,本論文嘗試研究一種面向環(huán)境復(fù)雜的中大型草坪的智能割草機器人視覺模塊,該模塊具有識別與定位障礙物的功能。針對多個障礙物在攝像頭視圖中有重疊不能進行區(qū)分的問題,提出了一種多層次障礙物提取算法,有效的降低了處理重疊問題時的誤判問題,也有效解決了漏檢率高的問題;針對智能割草機器人工作場景,設(shè)計了一種簡單高效的場景建模方法,該方法忽略了圖像畸變以及立體匹配等過程的誤差,減少了計算量并滿足割草機器人的精度要求。設(shè)計了基于深度學(xué)習(xí)智能割草機器人障礙識別算法的網(wǎng)絡(luò)結(jié)構(gòu),采用多尺度特征圖用于預(yù)測,針對智能割草機器人工作場景,采用等距密集排布的特征圖,提高了檢測準(zhǔn)確率;設(shè)計了深度學(xué)習(xí)障礙物識別算法的損失函數(shù),采用softmax loss表示類別置信度誤差;設(shè)計了多層次定位候選框,該候選框利用多層次障礙物提取算法提供的信息使得智能割草機器人具有定位障礙物的功能,并建立了障礙物邊界框到世界坐標(biāo)系的映射關(guān)系。制作了針... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

Matlab標(biāo)定圖

- 13 -b) 獲取的相機參數(shù)圖 2-2 DJI guidance 雙目攝像頭標(biāo)定結(jié)果2.2.2 雙目矯正以及立體匹配雙目矯正的主要目的是將雙目相機產(chǎn)生的左右視圖的像素對應(yīng)起來。兩個圖像都是二維的，進行暴力搜索匹配將會非常消耗計算資源，可利用極線約束將二維搜索變成一維搜索，可大大降低計算量。圖 2-3 為雙目矯正過后左右視

圖 2-3 雙目校正測試圖圖 2-4 利用 SGBM 算法生成的視差圖立體匹配是基于立體視覺的障礙檢測算法的關(guān)鍵步驟，其利用雙目矯正過的左右視圖生成視察圖，也可進一步生成深度圖。前面也介紹了立體匹配算法按照能量函數(shù)的優(yōu)化方法不同可分為全局算法和局部算法。全局算法速度慢，精度高，局部算法速度塊但是準(zhǔn)確率低。本文所設(shè)計的算法需要兼顧準(zhǔn)確性和速度，這里采用了 SGBM 算法也稱半全局算法[37]。圖 2-4 為使用 SGBM 算法生成的視差圖，可以看出在割草機器人工作場景，使用 SGBM 算法進行立體匹配有較好的效果。

【參考文獻(xiàn)】：
期刊論文
[1]基于雙重金字塔網(wǎng)絡(luò)的視頻目標(biāo)分割方法[J]. 姜斯浩,宋慧慧,張開華,湯潤發(fā).  計算機應(yīng)用. 2019(08)
[2]基于非極大值抑制的圓目標(biāo)亞像素中心定位[J]. 王靜,王海亮,向茂生,韋立登,劉忠勝.  儀器儀表學(xué)報. 2012(07)
[3]一種密集采樣數(shù)據(jù)用特征點表示的處理方法及應(yīng)用研究[J]. 周利民,惠延波,郭九生,盧秉恒.  計量學(xué)報. 1997(04)



本文編號：2921989