非结构环境下基于三维相机的移动机器人障碍物检测研究

论文摘要

障碍物检测是移动机器人环境感知领域中的重要组成部分，是移动机器人自主导航的前提条件。近年来，移动机器人的工作场合由室内结构环境向室外非结构环境不断地扩展，对障碍物检测技术提出了更高的要求。为此，在了解室外环境多样性、复杂性、随机性的基础上，论文研究了非结构化环境下基于三维相机的障碍物检测技术。内容主要包括：三维相机标定及三维重建、非结构场景图像处理、障碍物特征检测三部分。相机标定是移动机器人获取物体三维信息的前提。该部分介绍了三维相机SR-3000线性标定模型、各坐标系之间的变换关系，并通过标定实验获得了相机的内参数矩阵。由于环境的复杂性移动机器人行进过程中姿态会不断的发生变化，通过惯性测量系统获得机器人相对水平地面的俯仰、横滚数据后，对机器人的姿态进行了修正，然后利用SR-3000相机图像像素点深度值进行场景的三维重建。SR-3000相机自身视野范围具有局限性，对超出7.5m距离的远景错误数据进行了处理，减少了使用误差。非结构场景图像处理部分是在研究传统二维图像处理理论、方法基础上，针对非结构环境下地表形态复杂，利用三维相机可获得灰度图像和深度信息的优势，进行图像分割和感兴趣区域提取的过程，提出了三维信息“阈值法”，用于非结构环境场景的图像分割，最后采用边缘检测算子对负高度障碍物的边缘进行了提取。障碍物特征检测部分，针对三维信息“阈值法”较多的剔除障碍物底部特征，从理想成像角度利用区域恢复算法对过多剔除区域进行了还原。针对移动机器人与斜坡类障碍物相对位姿的不确定性引起的坡度计算不准确，提出了表面法线坡度计算，以及通过“投票法”判断移动机器人与斜坡的相对方位，最后给出了负高度障碍物的宽度计算公式。论文最后对研究工作进行了总结，指出了主要研究成果和不足之处，并对下一步的研究工作进行了展望。

论文目录

• 摘要
• Abstract
• 插图索引
• 附表索引
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 移动机器人研究动态
• 1.3 移动机器人障碍物检测方法
• 1.3.1 基于激光雷达方法
• 1.3.2 基于视觉传感器方法
• 1.4 论文的主要研究内容
• 第2章 移动机器人障碍物检测系统
• 2.1 移动机器人障碍物检测系统总体结构
• 2.2 障碍物物检测系统硬件组成
• 2.2.1 视觉传感器
• 2.2.2 激光测距仪
• 2.2.3 惯性测量系统
• 2.3 障碍物物检测系统软件组成
• 2.3.1 系统软件
• 2.3.2 信息处理与控制软件
• 2.4 本章小结
• 第3章 三维相机标定及三维重建
• 3.1 相机成像模型
• 3.1.1 基本坐标系
• 3.1.2 线性成像模型
• 3.2 三维相机 SR-3000 标定
• 3.2.1 线性模型标定
• 3.2.2 SR-3000 相机标定
• 3.3 SR-3000 深度数据处理
• 3.4 姿态变换与场景重建
• 3.4.1 姿态变换
• 3.4.2 场景重建
• 3.5 本章小结
• 第4章 非结构环境场景图像处理方法
• 4.1 图像预处理
• 4.1.1 图像滤波
• 4.1.2 灰度变换
• 4.2 腐蚀与膨胀
• 4.3 非结构环境场景图像分割
• 4.3.1 传统非结构环境图像分割方法
• 4.3.2 基于灰度信息和三维信息的图像分割
• 4.4 边缘检测
• 4.4.1 边缘检测算子
• 4.4.2 壕沟边缘检测
• 4.5 本章小结
• 第5章 非结构环境下障碍物特征检测
• 5.1 障碍物区域提取
• 5.1.1 障碍物区域恢复
• 5.1.2 障碍物特征提取
• 5.2 斜坡分析
• 5.2.1 表面法线坡度计算
• 5.2.2 “投票法”确定移动机器人与斜坡的相对方位
• 5.3 壕沟宽度计算
• 5.4 实验分析
• 5.5 本章小结
• 总结与展望
• 参考文献
• 致谢
• 附录 A 攻读学位期间所发表论文