基于单目视觉的清洁机器人实时路径规划研究

论文摘要

目前,传感器技术是移动机器人导航的关键技术之一。移动机器人的导航方式包括电磁导航、视觉导航、声音导航等,其中,视觉导航方式以其检测范围宽、包含环境信息全面等优点,成为移动机器人导航领域的重要发展方向。本文基于视觉导航技术现有的研究,提出了基于单目视觉的清洁机器人实时路径规划方法。路径规划是机器人导航中的关键步骤,本文假设清洁机器人已经知道赃物的具体位置(设定的全局目标点),在此基础上,利用单目视觉探知室内环境中的障碍物信息,通过对障碍物环境的分类和坐标转换,建立栅格地图,并使用蚁群算法进行路径规划。由此,机器人可以通过局部环境了解全局环境,并基于环境信息实现实时的路径规划。首先,本文总结了清洁机器人在国内外的发展现状,明确了本文的研究背景,指出了本文研究内容的意义。接着,分析了目前已有的多种机器人路径规划方法,归纳总结了不同方法的优缺点；在此基础上提出本文的清洁机器人实时局部路径规划方法,对清洁机器人在室内环境下的路径规划进行研究。然后,分别介绍了单目视觉技术、支持向量机分类技术以及蚁群算法。采用这些方法和技术,本文在系统仿真环境下进行了清洁机器人实时路径规划的相关研究。首先使用单目视觉技术采集局部环境的图像信息,通过对局部图像信息进行去噪、边缘检测等处理来识别障碍物；接着,采用激光测距仪测量得到机器人与障碍物之间的距离,通过计算及坐标转换等过程,构建出局部环境的栅格地图；针对每个障碍物,取若干个距离来表征该障碍物,并利用支持向量机分类算法对障碍物环境进行分类；每分出一类新的障碍物环境,就采用蚁群算法规划下一步路径；如此往复循环；最终实现动态环境下清洁机器人的实时路径规划。最后,本文在MSRS机器人仿真平台上模拟了清洁机器人及其室内工作环境,并采用Microsoft Visual Studio2008C#编写论文所提出的实时路径规划算法,给出了仿真的结果以及数据分析,验证了本文提出的方法的有效性和可行性。

论文目录

• 摘要
• ABSTRACT
• 目录
• CONTENTS
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 清洁机器人路径规划的研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 本文研究的主要内容及章节安排
• 1.3.1 主要内容
• 1.3.2 章节安排
• 第二章 机器人路径规划概述
• 2.1 引言
• 2.2 路径规划的分类
• 2.3 全局路径规划
• 2.3.1 可视图法
• 2.3.2 栅格法
• 2.3.3 神经网络法
• 2.4 局部路径规划
• 2.4.1 人工势场法
• 2.4.2 遗传算法
• 2.5 本章小结
• 第三章 单目视觉清洁机器人环境识别与分类
• 3.1 引言
• 3.2 障碍物识别
• 3.2.1 边缘检测
• 3.2.2 障碍物识别程序及结果
• 3.3 基于视觉与激光融合的障碍物测距
• 3.3.1 激光测距
• 3.3.2 视觉测距与激光测距相融合
• 3.4 支持向量机分类算法
• 3.4.1 超平面分类函数的计算
• 3.4.2 核函数选择
• 3.4.3 算法实现
• 3.5 本章小结
• 第四章 基于蚁群算法的实时路径规划
• 4.1 蚁群算法的原理
• 4.2 蚁群算法的实现
• 4.2.1 基本蚁群算法的描述
• 4.2.2 基本蚁群算法的实现过程
• 4.3 基于蚁群算法的局部环境路径规划
• 4.3.1 局部环境的描述
• 4.3.2 基于滚动窗口的局部路径规划
• 4.4 本章小结
• 第五章 系统仿真平台及实验
• 5.1 系统的环境模拟
• 5.1.1 软件平台的选择
• 5.1.2 系统仿真环境的建立
• 5.2 仿真及结果分析
• 5.2.1 仿真系统流程图
• 5.2.2 仿真结果分析
• 5.3 本章小结
• 总结与展望
• 参考文献
• 攻读学位期间发表的论文
• 致谢
• 附录