本文關鍵詞：煤礦井下救災機器人立體視覺導航關鍵技術研究，由筆耕文化傳播整理發(fā)布。

【摘要】：煤礦井下救災機器人在煤礦救災領域發(fā)揮著重大作用。但目前煤礦井下救災機器人存在自主導航差的缺點,限制了其在煤礦救災中的廣泛應用。將立體視覺導航技術引入到煤礦井下救災機器人的導航中可以極大地提高煤礦井下救災機器人的智能水平,擺脫對人工避障的依賴,從而提高救援效率。本文圍繞實時性和可靠性這兩個救災機器人的重要指標,在路徑規(guī)劃和立體匹配這兩個關鍵技術上展開研究。在路徑規(guī)劃的研究中,本文針對井下狹窄巷道環(huán)境特點,提出了兩種路徑規(guī)劃算法。第一種算法基于人工勢場理論設計,首先為了提高路徑規(guī)劃精度,采用概率理論推導出了一種可以精確反映禁止區(qū)域輪廓的工作空間勢場的模型,并以Logistic分布為例,研究了勢場的實例化的具體方法及準則;其次為了獲得應用于新模型下的快速路徑規(guī)劃算法,分析了Quasi-Geodesic算法本質特點,利用其力學形式分析了在新勢場下算法存在的問題,并提出了改進Quasi-Geodesic算法;最后為了克服局部最優(yōu)等固有缺點,提出了雙向啟發(fā)探索算法。仿真實驗表明該算法具有較快的運算速度和較高的可靠性。第二種算法基于水平集理論設計,算法首先提出了一種基于最近禁止區(qū)域邊界點傳遞的快速距離水平集計算方法,為了提高距離水平集算法的速度,在算法代碼的實現(xiàn)的過程中采用了內存池技術及二叉排序樹的思想;其次為了得到較為平滑的初始路徑,分析了傳統(tǒng)方法得到的路徑存在振蕩現(xiàn)象的原因,利用距離水平集改進了Eikonal方程中的速度表達式并得到新的全局代價,根據(jù)得到的代價利用四階龍格庫塔法結合雙線性插值求得初始路徑;最后為了優(yōu)化路徑,減小路徑長度,并且控制路徑到禁止區(qū)域的距離,利用活動輪廓思想,提出一種彈性粒子優(yōu)化算法。仿真實驗表明該算法同樣具有較高實時性和可靠性。在立體匹配算法的研究中,提出了兩種局部匹配算法:一種基于權值和置信傳播的定窗口匹配方法,該方法重視匹配效果,一種是基于變窗口和動態(tài)規(guī)劃的匹配方法,該方法重視執(zhí)行時間。在第一種匹配方法中,首先為了減少匹配算法的運算量,采用線形支撐窗口作為匹配窗口,其次根據(jù)基于分割的匹配理論,為了有效地利用小匹配窗口下有限的像素信息,提高匹配效果,提出了一種新型自適應權值模型,在模型中利用神經網絡計算空間權值,并采用Mean-Shift分割算法計算色度權值,在代價聚合中采用Birchfield函數(shù)結合Census變換來作為最終的相似度測度函數(shù),然后在采用金字塔置信傳播方法來計算初始勢場圖,最后提出了迭代左右一致檢測算法對初始視差圖進行優(yōu)化。仿真實驗確定了各參數(shù)對匹配結果的影響趨勢,并給出了各參數(shù)的參考值;整體匹配算法在較小窗口尺寸下比Yoon在nonocc、all和disc區(qū)域的誤匹配率都要低,這可以減少大量的計算同時還可以得到較高的匹配精度;仿真結果在Middlebury Stereo Evaluation中排名5位(2014.7.1),說明了該方法匹配精度較高。在另一種算法中,首先采用邊緣保護擴散方法對左右視圖濾波,以獲得較準確的支撐窗口;其次為了提高算法運行速度,改進了經典算法中匹配窗口的尋找方法,省略了尋找右圖支撐窗口的步驟;然后在代價聚合中仍然采用了Birchfield提出的相似度測度函數(shù)結合Census變換來計算窗口匹配代價;最后采用動態(tài)規(guī)劃法對匹配代價尋優(yōu),為了加快算法執(zhí)行時間將利用小卷積方法改進了動態(tài)規(guī)劃法。仿真表明,邊緣保護擴散方法及Birchfield相似度測度函數(shù)結合Census變換的窗口匹配代價均能有效地減少最終的匹配誤差,改進匹配窗口確定方法及最小卷積動態(tài)規(guī)劃方法能較大幅度地減少程序執(zhí)行時間,算法在Middlebury Stereo Evaluation排名37位(2014.2.18),算法的匹配結果比較理想且運行時間較短。
【關鍵詞】：煤礦救災機器人 立體視覺 路徑規(guī)劃 立體匹配 自主導航
【學位授予單位】：中國礦業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TD774;TP242
【目錄】：

• 致謝4-5
• 摘要5-7
• Abstract7-9
• Extended Abstract9-28
• 變量注釋表28-30
• 1 緒論30-40
• 1.1 本課題研究背景30-32
• 1.2 本課題國內外研究現(xiàn)狀32-37
• 1.3 本課題主要研究內容37-38
• 1.4 章節(jié)安排38-40
• 2 相關原理及概念40-51
• 2.1 雙目立體視覺原理40-41
• 2.2 路徑規(guī)劃相關定義41-44
• 2.3 立體匹配相關定義44-50
• 2.4 本章小結50-51
• 3 基于概率理論勢場的啟發(fā)式路徑規(guī)劃算法51-84
• 3.1 勢場模型52-63
• 3.2 勢場模型的梯度63-65
• 3.3 改進Quasi-Geodesic算法65-69
• 3.4 路徑偏微分方程的求解69
• 3.5 算法固有缺陷及解決方法69-72
• 3.6 實驗與討論72-82
• 3.7 本章小結82-84
• 4 基于Level Set和彈性粒子的路徑規(guī)劃方法84-112
• 4.1 算法整體結構84-85
• 4.2 距離水平集計算方法85-90
• 4.3 初始路徑獲得算法90-97
• 4.4 路徑優(yōu)化97-101
• 4.5 實驗與討論101-111
• 4.6 本章小結111-112
• 5 基于線形支撐窗口的自適應權值立體匹配算法112-131
• 5.1 算法描述113-115
• 5.2 初始視差圖的確定115-116
• 5.3 視差圖的細化116-119
• 5.4 實驗與討論119-129
• 5.5 本章小結129-131
• 6 基于自適應可變窗口及動態(tài)規(guī)劃的立體匹配算法131-148
• 6.1 圖像預處理131-132
• 6.2 自適應可變窗口代價聚合方法132-135
• 6.3 基于最小卷積加速的動態(tài)規(guī)劃算法135-137
• 6.4 視差圖的后處理137-139
• 6.5 實驗與討論139-146
• 6.6 本章小結146-148
• 7 結論與展望148-152
• 7.1 結論148-150
• 7.2 展望150-152
• 參考文獻152-166
• 作者簡歷166-170
• 學位論文數(shù)據(jù)集170

  本文關鍵詞：煤礦井下救災機器人立體視覺導航關鍵技術研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：254399