移動機器人圖像處理關(guān)鍵技術(shù)研究與實現(xiàn).pdf

1、移動機器人視覺導(dǎo)航過程中圖像處理的關(guān)鍵問題是道路識別和障礙物檢測，論文是基于計算機單目視覺技術(shù)對非結(jié)構(gòu)化道路識別和運動障礙物檢測進(jìn)行研究。在已有的技術(shù)基礎(chǔ)上，經(jīng)分析和實驗，本文采用彩色道路邊緣檢測并結(jié)合道路區(qū)域識別技術(shù)，對校園環(huán)境下的非結(jié)構(gòu)化道路識別能夠取得較好的結(jié)果，算法對復(fù)雜的野外道路環(huán)境也有一定的識別效果；對于場景中障礙物檢測技術(shù)，本文采用三幀差分法結(jié)合金字塔光流法，能夠?qū)Φ缆分械倪\動目標(biāo)進(jìn)行檢測，判定其在圖像中的位置。本文研究內(nèi)

2、容主要分為四個方面：移動機器人軟件系統(tǒng)設(shè)計、圖像道路區(qū)域識別、道路邊緣檢測、障礙物檢測。
　　移動機器人軟件系統(tǒng)設(shè)計方面，本文主要研究的是移動機器人視覺導(dǎo)航系統(tǒng)的設(shè)計。視覺導(dǎo)航系統(tǒng)的作用是：把從傳感器獲取到的場景信息流經(jīng)過系統(tǒng)中道路識別、障礙物檢測、運動決策等模塊的綜合處理來完成導(dǎo)航任務(wù)。視覺導(dǎo)航系統(tǒng)的設(shè)計是通過模塊化、多線程等方法來完成，以便系統(tǒng)具有較好的可維護(hù)性和實時性。
　　道路區(qū)域識別方面，本文回顧了道路識別常用算法

3、類型，詳細(xì)介紹了基于區(qū)域的道路識別，本文使用顏色特征結(jié)合LBP紋理特征作為圖像總特征，采用監(jiān)督的訓(xùn)練方式，使用二分類效果優(yōu)良的 SVM算法訓(xùn)練分類器。用訓(xùn)練好的分類器對圖像道路區(qū)域進(jìn)行粗識別。
　　在道路邊緣檢測方面，本文分析了5種常用的邊緣檢測算子在道路識別中的效果，并結(jié)合實驗分析，采用了一種彩色空間下改進(jìn)的 Canny邊緣檢測算法。改進(jìn)的Canny邊緣檢測，不同于傳統(tǒng)算法在2x2的鄰域內(nèi)計算兩個方向均值差分，本文采用3x3的4

4、個方向的部分插值，同時由于移動機器人場景的不斷變化，本文沒有使用傳統(tǒng)方法的固定閾值，而是根據(jù)每幅圖像采用最大類間方差的自適應(yīng)閾值。改進(jìn)后的Canny邊緣檢測算法更適合移動機器人自主導(dǎo)航場景。
　　在障礙物檢測檢測方面，本文主要研究移動機器人導(dǎo)航過程中的運動障礙物的檢測。本文詳細(xì)的介紹了障礙物檢測常用的三種算法：背景模型差分法、兩幀差分法、光流法。然后依據(jù)移動機器人的硬件資源，在滿足實時和準(zhǔn)確性的前提下，使用一種基于三幀差分結(jié)合金字