学位论文 > 优秀研究生学位论文题录展示

基于激光测距的移动机器人三维场景辨识

作　者: 李云辉
导　师: 庄严
学　校: 大连理工大学
专　业: 控制理论与控制工程
关键词: 三维激光数据方位角图 SURF 场景辨识
分类号: TP242
类　型: 硕士论文
年　份: 2011年
下　载: 61次
引　用: 0次
阅　读: 论文下载

内容摘要

场景辨识技术是移动机器人研究领域重要的研究方向,其与移动机器人的重定位、地图维护、环境重构密切相关。对于工作在动态室内环境中的移动机器人,因碰撞或干扰而发生定位失效是不可避免的。此时可将机器人当前场景与数据库场景进行匹配,获得当前场景位姿,从而辅助机器人恢复自身位置。本文工作以三维激光测距系统为传感器,提出了一种结合局部SURF特征和全局空间特征的场景辨识算法。为克服场景辨识过程中人体遮挡、激光扫描位姿偏差等干扰,本文将三维激光数据转化为方位角图,并从中提取SURF特征作为场景的局部特征。SURF特征在对平移、旋转、尺度的不变性上与SIFT特征类似,但SURF特征提取的实时性明显强于SIFT特征提取。本文所研究的场景辨识算法是针对室内场景而提出的,室内场景具有空间面积属性且不同场景的空间面积通常也不同。为了能够利用场景空间面积的差异性来加速场景辨识的过程,本文从场景的三维激光数据中提取场景的最大扫描面积作为场景的全局特征。场景全局特征的使用能够大大减少场景辨识过程中待辨识场景与数据库中场景的匹配次数,从而提高了场景辨识算法的实时性。为获得两幅匹配场景准确的位姿关系,本文提出了一个匹配度函数用于评价由特征匹配对计算得到的旋转平移矩阵,且认为使场景匹配度最高的旋转平移矩阵为两幅场景的位姿关系。为验证所提算法的有效性和实时性,本文选择了一个面积约为1600平方米,拥有40多个房间的楼层作为实验地点,并以SmartROB2移动机器人为实验平台。本文分别对场景辨识过程中经常出现的人体静态干扰、人体动态干扰、激光测距系统扫描位姿干扰进行测试。干扰测试结果表明基于SURF特征的场景辨识算法具有较强的鲁棒性,并且略强于基于SIFT的场景辨识算法。算法实时性测试结果表明使用本文所提算法进行两幅场景辨识需要约300ms,约为基于SIFT特征场景辨识算法的一半。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-13
  1.1 研究背景与意义  8-9
  1.2 国内外研究现状与发展趋势  9-11
  1.3 本文的主要工作  11-13
2 三维激光测距系统及模型表述  13-17
  2.1 三维激光测距系统  13-14
  2.2 三维激光数据的方位角图模型  14-17
3 场景局部特征的选择与提取  17-22
  3.1 局部特征选择  17-18
  3.2 SURF特征提取  18-22
4 基于SURF特征的场景辨识  22-31
  4.1 全局特征提取  22-24
  4.2 基于全局特征的场景优先级排序  24-26
  4.3 SURF局部特征匹配与旋转平移矩阵的计算  26-29
  4.4 场景匹配度的计算  29-31
5 实验结果及分析  31-53
  5.1 数据扫描位置及方向的确定  31-33
  5.2 数据库的建立  33-34
  5.3 匹配度阈值确定  34-35
  5.4 抗干扰测试  35-53
    5.4.1 人体干扰测试  36-41
    5.4.2 激光扫描位姿干扰测试  41-49
    5.4.3 时间测试  49-50
    5.4.4 综合测试  50-53
结论  53-54
参考文献  54-56
攻读硕士学位期间发表学术论文情况  56
课题资助情况  56-57
致谢  57-58

相似论文

基于SURF算法的多幅图像三维模型重建方法研究,TP391.41
基于改进型SURF算法的电子稳像技术研究,TP391.41
基于图像局部不变性特征的机器人目标识别与定位,TP242
基于尺度不变特征的人脸识别,TP391.41
支票印鉴快速检测方法中的关键技术研究,TP391.41
图像配准理论及算法研究,TP391.41
用于PCB板检测的AOI关键算法研究,TP391.41
工业流水线上连续帧图像配准及高光去除,TP391.41
基于SURF的图像配准与拼接技术研究,TP391.41
单目视觉家庭机器人环境建模与导航问题研究,TP242
基于SURF的copy-move篡改检测方法研究,TP391.41
基于SURF算法的视频拼接技术研究,TP391.41
一种在线的连续投影校正方法,TP391.41
基于区域SURF的图像匹配算法研究,TP391.41
目标跟踪算法研究,TP391.41
云环境下快速物体识别系统的设计与实现,TP391.41
基于SURF特征的单目视觉SLAM技术研究与实现,TP242
基于特征点的景象匹配技术研究,TP391.41
改进的SURF图像配准算法研究,TP391.41
基于Adaboost检测和相关向量机回归预测的多目标跟踪算法研究,TP391.41