非結(jié)構(gòu)環(huán)境下的移動機器人路徑規(guī)劃算法研究.pdf

1、在移動機器人的各項研究中，導(dǎo)航是最基本及最重要的問題，移動機器人必須具備感知環(huán)境與自身狀態(tài)，并實現(xiàn)在有障礙物的環(huán)境中面向目標的自主運動的能力，因此導(dǎo)航包含了面向目標的運動及運動過程中的實時避障二個基本任務(wù)。本文以視覺傳感器為基礎(chǔ)，以視覺歸巢及障礙檢測為主要的研究內(nèi)容，對導(dǎo)航的二個基本任務(wù)進行了深入的研究。
　　 視覺歸巢基本思想來源于生物學(xué)中昆蟲導(dǎo)航的研究，它通過比較當前圖像與目標圖像計算返回目標的方向并以此指導(dǎo)機器人運動。相較

2、傳統(tǒng)的基于同步定位及構(gòu)圖的導(dǎo)航方法，該類方法需要的存儲量及算法的復(fù)雜度都大大降低，因此成為極具吸引力的導(dǎo)航策略。然而目標圖像是事先存儲，目標與當前圖像的拍攝時間可能相差很大，同時兩幅圖像的拍攝距離也可能較長，路標在圖像間存在光照、尺度、旋轉(zhuǎn)等多種變化，因此如何在光照強烈變化的情況下保持算法的實時性及魯棒性依然是當前該領(lǐng)域面臨的難題。
　　 本文首先構(gòu)建了完善的視覺歸巢算法的測試方法及平臺，對當前主要的視覺歸巢算法進行了詳細的測試

3、分析及比較，同時揭示了視覺歸巢主要的兩類算法：變形算法與RMS算法的內(nèi)在聯(lián)系，并在此基礎(chǔ)上設(shè)計并實現(xiàn)了一種基于隨機思想的變形算法變體，在保持變形算法性能的基礎(chǔ)上，將計算效率提高一個數(shù)量級。
　　 為解決光照變化帶來的影響，本文提出一種邊緣高斯濾波器，它結(jié)合了基于特征提取匹配算法與基于原始圖像算法的優(yōu)點，借助于圖像整體匹配的思想，將所有特征的位置信息轉(zhuǎn)化為一幅新的圖像，并利用濾波圖像之間的量化差異來指導(dǎo)歸巢任務(wù)。一方面通過特征提取

4、來避免受到光照變化的影響，另外一方面避開了復(fù)雜及易錯的特征匹配過程。在光照劇烈變化的情況下，算法顯示了良好的性能。
　　 此外，針對非結(jié)構(gòu)化環(huán)境下的實時障礙物檢測問題，提出了一種基于角點的立體視覺障礙物檢測方法。為提高角點提取與匹配的效率，采用基于Bresenham圓形模板和Moravec算法的兩步角點檢測與確認方法，并利用稀疏模板與極性約束進行角點匹配。考慮到單純基于高度的障礙物的定義及其檢測算法在月面等非結(jié)構(gòu)化環(huán)境下不再有效