学位论文 > 优秀研究生学位论文题录展示
户外环境下移动机器人视觉导航中的图像处理和分析研究
作 者: 杨晓
导 师: 张辉
学 校: 国防科学技术大学
专 业: 控制科学与工程
关键词: 图像分割 移动机器人 均值偏移 可通行区域识别 机器人导航 支持向量机
分类号: TP242
类 型: 硕士论文
年 份: 2011年
下 载: 86次
引 用: 0次
阅 读: 论文下载
内容摘要
户外移动机器人视觉导航能力的提高对于推动其在未知非结构化环境中的应用是至关重要的。本文针对户外环境下基于视觉移动机器人的自主导航任务,构建了户外移动机器人视觉导航框架,研究了图像分割和可通行区域识别问题,设计并实现了相关算法,使移动机器人能够快速、准确地对户外环境下可通行区域进行识别,为户外环境下移动机器人视觉导航奠定了基础。本文对视觉里程计、地点识别、图像分割和地形分类、可通行区域识别等户外移动机器人视觉导航中的关键技术进行了分析总结。在此基础上,本文提出了户外环境下移动机器人视觉导航框架,对框架各部分内容进行分析解释。针对户外移动机器人视觉导航中的图像分割问题,根据机器人对快速性要求很高而精确度要求一般的特点,本文提出了一种将均值偏移算法和尺度空间变换方法相结合的图像快速分割算法,通过实验和理论分析得到了一组图像分割算法的最优参数。经实验验证,本文算法在保证快速性的同时,对户外图像尤其是图像中一些具有大尺度的结构具有很好的分割效果,能够满足移动机器人户外视觉导航的需要。最后,本文对户外环境下可通行区域的识别问题进行研究,根据户外图像纹理特征的特点,提出一种可通行区域分类识别算法,算法将模式识别领域常用的支持向量机方法应用到可通行区域识别中来,结合本文户外图像分割算法的结果,对特征向量和支持向量机主要参数进行寻优,得到一组最优的分类器参数。本文使用校园环境下采集到的图像进行实验,对参与特征提取和支持向量机训练中的主要参数进行了寻优。经实验测试,算法对测试集图像的分类成功率达到85%以上,实现了可通行区域的准确获取,达到了移动机器人户外视觉导航的要求。
|
全文目录
摘要 8-9 ABSTRACT 9-10 第一章 绪论 10-16 1.1 课题研究背景和意义 10-11 1.2 课题研究现状和发展趋势 11-14 1.3 课题研究的主要内容 14-16 1.3.1 论文的组织结构 14 1.3.2 课题研究的创新点 14-16 第二章 户外环境下移动机器人视觉导航框架 16-24 2.1 户外环境下移动机器人视觉导航的关键技术分析 16-20 2.1.1 视觉里程计技术 16-17 2.1.2 图像分割和地形分类技术 17 2.1.3 基于视觉的可通行区域识别技术 17-18 2.1.4 户外移动机器人避障 18 2.1.5 基于自监督学习的远距离视觉技术 18-20 2.2 户外环境下移动机器人视觉导航框架设计 20-22 2.3 本文在户外移动机器人视觉导航中的工作 22 2.4 小结 22-24 第三章 户外静态图像快速分割算法 24-42 3.1 图像分割算法概述 24-27 3.1.1 图像分割 24-25 3.1.2 典型图像分割算法 25-27 3.2 改进的基于均值偏移的图像快速分割算法 27-35 3.2.1 均值偏移算法 28-31 3.2.2 改进的均值偏移算法 31-35 3.3 实验结果及讨论 35-40 3.3.1 户外图像采集处理系统简介 35 3.3.2 图像尺度变换与分析 35-36 3.3.3 不同色彩空间下图像处理与分析 36-38 3.3.4 不同核函数下图像处理与分析 38 3.3.5 最优参数的确定 38-39 3.3.6 图像分割结果 39-40 3.4 小结 40-42 第四章 户外图像特征提取和可通行区域识别 42-64 4.1 户外图像特征描述 42-49 4.1.1 常用特征向量 42-45 4.1.2 LBP特征向量 45-48 4.1.3 CS-LBP特征向量 48-49 4.2 可通行区域识别 49-53 4.2.1 支持向量机基本原理 49-50 4.2.2 基于支持向量机的可通行区域识别 50-51 4.2.3 支持向量机最优参数的确定 51-53 4.3 实验结果及讨论 53-59 4.3.1 常用颜色特征和纹理特征下算法识别性能分析 53-54 4.3.2 LBP特征值受参数变化影响 54-55 4.3.3 LBP特征不同模式下算法识别性能分析 55-56 4.3.4 支持向量机中参数变化对算法识别性能的影响 56-57 4.3.5 支持向量机中数据归一化对算法识别性能的影响 57-58 4.3.6 支持向量机中数据进行PCA降维处理对算法识别性能的影响 58-59 4.4 分类识别算法的最优参数设置及性能分析 59-62 4.5 小结 62-64 第五章 结论与展望 64-66 5.1 研究工作总结 64-65 5.2 未来工作展望 65-66 致谢 66-68 参考文献 68-74 作者在学期间取得的学术成果 74-75 附录A 数据归一化程序 75-76 附录B PCA 降维处理程序 76
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- 森林防火系统中图像识别算法的研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 个性化人工膝关节设计及其生物力学特性研究,R318.1
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 红外图像目标识别及跟踪技术研究,TP391.41
- 细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
- 基于车载3D加速传感器的路况监测研究,TP274
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|