学位论文 > 优秀研究生学位论文题录展示

全自主机器人视觉目标识别及其在定位和导航中的应用

作　者: 吕刚
导　师: 王强
学　校: 西华大学
专　业: 机械制造及其自动化
关键词: 景深目标识别定位导航光线跟踪原理
分类号: TP242.62
类　型: 硕士论文
年　份: 2010年
下　载: 121次
引　用: 0次
阅　读: 论文下载

内容摘要

实时图像处理、目标识别、导航以及实时计算是计算机视觉研究领域热点关注问题,本文在总结现有机器人视觉研究成果的基础上,利用实验室现有的实验平台,对视觉处理过程做了深入研究。并根据单目视觉中立体图像恢复和双目视觉标定的原理,提出利用不同变动焦距摄像头来拍摄图像的方法,实现对未知二维平面固定目标的识别、定位,并在此基础上,从二维平面图像中恢复三维图像。主要工作包括:1、针对视觉图像预处理中视觉传感器易丢失图像的精度,从而引起图像的失真的缺点,引入摄像机景深原理,提出使用双目摄像机系统结构来解决场景中物体的深度恢复,由于这种摄像机系统结构的两个摄像机焦距不同,采集到物体的近景和远景图像也不同,从而为图像的深度恢复提供了前提条件。2、在摄像机的标定方面,对传统的摄像机标定技术进行了分析和研究,并研究了在各个坐标系下的摄像机模型,并利用透视变换矩阵对摄像机进行标定。并在此基础上,对主动摄像机的标定技术进行了详细的研究,其中主要工作是对摄像机平行移动和旋转移动的标定技术做了讨论,最后对机器人的自标定技术进行了深入探索,解决了机器人在变动视场下能够实时的进行摄像机标定的问题。3、在特征提取和目标识别方面,研究了运动场和光流运动对特征提取的影响,通过对不同的特征提取方法的研究,逐步得出空间物体的几何特征提取方法。通过对贝叶斯网络识别算法的研究,来提高物体识别功能,并且减少外界对特征识别的干扰。在对颜色的特征识别做了研究以后,引入计算机图形学中的光线跟踪原理,来进一步提高物体的识别精度和抗干扰能力,光线跟踪原理还具有对光线的要求低的优点,但缺点是对机器人的内存和计算能力要求过高。4、在定位和导航方面,通过对机器人定位所遇到的问题的研究,提出相应的解决办法,在对各种地图的表示方法进行比较和研究后,运用上面的地图表示方法对实验室的地图环境进行了构图。5、在机器人视觉应用方面,主要研究一种机器人模型,这种模型有别于双目视觉机器人,它采用在头顶安装摄像机,来代替全局摄像头进行图像采集,并在实验室环境下借用电子罗盘这一工具来进行方位校正。从而为机器人能够到达预定目标提供保障。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-16
  1.1 机器人发展历史  10-11
  1.2 机器人视觉系统的提出  11-12
  1.3 研究的目标和研究内容  12
  1.4 机器人视觉系统的技术难点  12-13
  1.5 实验平台和研究方案  13-14
  1.6 本文结构  14-16
2 视觉图像传感器和深度原理  16-24
  2.1 基于视觉的图像传感器  16
  2.2 视觉图像测距  16-20
    2.2.1 视觉图像要素  16-18
    2.2.2 景深在视觉测距中的应用  18-19
    2.2.3 双目视觉景深恢复  19-20
  2.3 双目视觉图像深度恢复  20-22
  2.4 视觉图像的噪声处理  22-23
  本章小结  23-24
3 双目视觉摄像机的标定  24-33
  3.1 摄像机标定的意义  24
  3.2 摄像机标定中摄像机模型  24-25
  3.3 摄像机和世界坐标重合的摄像机模型  25-26
  3.4 利用透视变换矩阵进行的摄像机标定技术  26-29
  3.5 基于主动视觉的摄像机标定技术  29-32
    3.5.1 基于平行移运动的自标定技术  29-30
    3.5.2 基于摄像机旋转运动的自标定技术  30-31
    3.5.3 利用本质矩阵和基本矩阵的自标定技术  31-32
  本章小结  32-33
4 视觉机器人的特征提取及目标识别  33-57
  4.1 运动场和光流动对特征提取的影响  33-35
  4.2 视觉图像的特征提取  35-44
    4.2.1 初级特征提取  36
    4.2.2 直线提取  36-39
    4.2.3 其他几何特征提取  39-40
    4.2.4 空间物体特征提取  40-42
    4.2.5 基于可视表象的特征提取  42-43
    4.2.6 空间上局部化特征提取  43-44
  4.3 基于贝叶斯网络的贝叶斯视觉特征识别算法  44-46
    4.3.1 目标识别中贝叶斯网络的应用  44-45
    4.3.2 贝叶斯网络推理算法  45-46
  4.4 颜色特征识别  46-50
  4.5 特征提取中的匹配方法  50-52
    4.5.1 形状直方图匹配  50-51
    4.5.2 边界匹配  51-52
  4.6 目标识别中的光线跟踪  52-57
    4.6.1 光线跟踪原理及其在视觉识别中的应用  52-53
    4.6.2 光线跟踪算法  53-54
    4.6.3 辐射度方法在光线跟踪中的应用  54-57
  本章小结  57
5 双目摄像机定位与导航  57-71
  5.1 引言  57-58
  5.2 机器人定位面临的问题和解决办法  58-60
  5.3 地图的置信度表示  60-64
    5.3.1 单假设信任度  61-63
    5.3.2 多假设信任度  63-64
  5.4 地图的表示方法  64-68
    5.4.1 连续的表示方法  64-65
    5.4.2 地图的栅格表示法  65-67
    5.4.3 拓扑表示方法  67-68
  5.5 随机构图的技术  68-70
  本章小结  70-71
6 机器人视觉在导航中应用  71-76
  6.1 引言  71
  6.2 机器人导航的相关研究的问题  71-72
  6.3 机器人系统介绍  72-73
    6.3.1 视觉系统  72-73
    6.3.2 电子罗盘的原理  73
  6.4 机器人所采集到数据的数据结构定义  73-75
  6.5 结论  75-76
结论  76-77
参考文献  77-79
攻读硕士学位期间学术论文及科研情况  79-80
致谢  80-81

全自主机器人视觉目标识别及其在定位和导航中的应用

内容摘要

全文目录

相似论文