变电站设备巡检机器人的导航与定位研究

论文摘要

随着人工智能和机器视觉等学科的飞速发展,移动机器人技术的研究越来越受到国内外科研工作者的重视。自主导航定位是移动机器人技术研究的关键,定位精度和障碍物的成功检测是其能否在实际环境中成功应用的前提。本文以实验室自行研制的设备巡检机器人为实验平台,以变电站为应用环境,结合双目视觉与射频识别技术(Radio Frequency Identification, RFID)对巡检机器人导航与定位展开了如下研究:通过使用RFID阅读器无线检测RFID标签对机器人进行粗略定位,再使用双目摄像机提取路标的位置完成机器人的精确定位;根据RFID标签内储存的信息确定机器人的在变电站内某位置的任务类型并执行。随机选取一定数目的像素点,根据其在视差图中的三维坐标,利用RANSAC(Random Sample Consensus)算法求取当前帧的道路平面方程,然后根据点到平面的距离公式,求取图像中每个像素点到道路平面的距离,得到巡检机器人三维地形的高度图,最后对高度图进行图像处理,提取障碍物区域,结合道路边沿,控制机器人完成导航避障。基于上述理论,在PC机上,以Windows、Microsoft Visual Studio 2005和OpenCV为开发环境,并使用BumblebeeⅡ双目摄像机和RFID标签及其阅读器开发出变电站设备巡检机器人导航定位系统,通过在实际变电站环境下的运行,测试系统的可靠性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 课题来源及主要研究内容
• 1.3 本章小结
• 2 机器人总体设计方案及系统组成
• 2.1 总体设计方案
• 2.2 运动控制系统
• 2.3 立体视觉开发平台
• 2.3.1 BumblebeeⅡ双目摄像机
• 2.3.2 软件开发包
• 2.4 本章小结
• 3 双目立体视觉技术
• 3.1 摄像机模型中的坐标系描述
• 3.2 摄像机标定
• 3.2.1 传统的摄像机标定
• 3.2.2 摄像机自标定
• 3.2.3 双目摄像机标定
• 3.3 立体匹配
• 3.3.1 特征提取
• 3.3.2 匹配准则
• 3.3.3 匹配方法
• 3.4 双目视差及深度信息获取原理
• 3.5 本章小结
• 4 结合视觉和RFID 的巡检机器人定位
• 4.1 机器人定位方法介绍
• 4.2 基于RFID 的巡检机器人粗略定位
• 4.2.1 RFID 技术简介
• 4.2.2 RFID 环境设置
• 4.2.3 巡检机器人相对定位
• 4.3 基于视觉的巡检机器人精确定位
• 4.3.1 单应矩阵测量原理
• 4.3.2 路标识别与精确定位
• 4.4 本章小结
• 5 基于立体视觉的巡检机器人导航
• 5.1 基于立体视觉的障碍物高度检测方法
• 5.1.1 基于重投影变换的障碍物高度检测
• 5.1.2 基于v视差图的障碍物高度检测
• 5.1.3 利用角度关系检测障碍物高度
• 5.1.4 通过坐标转换检测障碍物高度
• 5.2 基于点到平面距离的障碍物高度检测
• 5.2.1 道路模型假设
• 5.2.2 道路平面方程的求取
• 5.2.3 高度图的求取
• 5.3 导航避障策略
• 5.4 本章小结
• 6 实验结果分析
• 6.1 路标识别实验
• 6.2 RFID 与视觉结合的定位实验
• 6.3 道路平面方程仿真实验
• 6.3.1 高度图仿真对比实验
• 6.3.2 高度图的图像处理实验
• 结论
• 致谢
• 参考文献
• 攻读学位期间发表的与学位论文内容相关的学术论文及研究成果