用于服務機器人導航的視覺環(huán)境感知研究.pdf

1、目前隨著計算機軟硬件性能的大幅提升，以及人工智能技術的飛速進步，無人車和智能移動機器人及其相關領域得到了快速的發(fā)展。以目前的研究情況來看，智能機器人的三大核心功能需求可以定義為:動作行為、控制能力和環(huán)境感知。目前機器人研究的重點和難點就是環(huán)境感知部分，環(huán)境感知就是機器人通過自身配置的一系列傳感器完成對周圍環(huán)境的感知和了解，可以分為定位，導航，避障和識別等部分。例如:通過使用GPS實現高精度定位，使用三維激光雷達進行三維立體空間的建模、物

2、體檢測、精確測距，使用陀螺儀實時輸出機器人的航向角和加速度等信息;使用攝像頭運行圖像處理算法來進行實時的障礙物種類識別和可行駛道路的提取，根據這些信息并根據特定的環(huán)境情況采取相應措施。移動型機器人可以通過視覺識別來感知周圍環(huán)境，計算得到可行駛道路的區(qū)域并且計算出預定的行駛路線，實現車輛的輔助或者自動行駛。
　　在對于智能移動機器人的研究中，基于視覺的感知技術一直都是研究的熱點和難點。所以本論文在基于傳統(tǒng)視覺圖像算法的基礎上結合目前

3、的研究進展及發(fā)展趨勢，提供出一整套新的視覺環(huán)境感知的方案。具體的研究內容如下:
　　1)在基于傳統(tǒng)圖像處理的路面識別算法方面，對應用于智能移動機器人上的相關圖像算法（例如:濾波，邊緣檢測，霍夫變換，區(qū)域生長法等）的相關理論和概念進行介紹，并且針對于我們的特殊應用情況，提出了一種不受光照影響的新型道路檢測算法。
　　2)在行人檢測方面，對基于HOG+SVM識別算法的相關理論和概念進行分析，實現這種算法并且測試其在行人識別上的速

4、率和準確率。
　　3)在基于深度學習的路面語義分割算法方面，首先設計了一個用于校園道路檢測的深度學習模型。然后通過自己拍攝大量的校園道路圖片，并選擇一些比較有代表性的圖片進行標注，將標注好的圖片作為訓練樣本送入模型中進行訓練，將訓練得到的模型用于校園道路的語義分割任務中。我們訓練得到的深度學習模型不僅有很高的處理速率，而且達到了目前國際領先的語義分割準確率。
　　4)通過對提出的這些路面識別算法進行相關的實驗和對比，提供出一