学位论文 > 优秀研究生学位论文题录展示

基于单目视觉的障碍物检测方法

作　者: 余锦全
导　师: 朱晓蕊
学　校: 哈尔滨工业大学
专　业: 控制科学与工程
关键词: 移动机器人障碍物检测 MRF 图像分割单片机
分类号: TP242
类　型: 硕士论文
年　份: 2010年
下　载: 141次
引　用: 0次
阅　读: 论文下载

内容摘要

从上一世纪60年代第一个移动机器SHAKEY的诞生,到现在波士顿发明了新一代的可以在雪地上走的BigDog,移动机器人的应用越来越广泛,俨然成为了世界上一个热点的研究。移动机器人的一个重点的研究在于避障。只有实现避障,移动机器人才能够在一个不确定的环境中安全的移动。本文将介绍一种新型基于单目视觉的用于避障的障碍物检测方法。当移动机器人检测到障碍物时,它才能够有效地避开并且安全的移动。首先,本文将应用机器学习的方法获得高斯马尔科夫随机场(Gaussian MRF)模型,这个模型主要反映了图片特征与深度之间的联系。当模型已知后,那么只要将图片输入到模型中就可以求得该图片的深度图。其次,联合分割的图片和预测的深度图求出障碍物在图片中的位置。然后将该位置通过标定矩阵转化为在世界坐标系中障碍物的偏转方向。当移动机器人知道障碍物的距离和方向时,那么它就能有效地避开障碍物。在本文中,激光扫描仪用于采集训练中的深度信息,数据采集系统中的机械结构和硬件的设计都是为了能更快以及更有效的采集数据。最后,仿真结果显示本文的算法能够有效的检测到障碍物的深度以及方向,对于移动机器人避障有很大的帮助。

全文目录

摘要  4-5
ABSTRACT  5-6
ACKNOWLEDGEMENTS  6-7
CONTENTS  7-9
LIST OF FIGURES  9-10
CHAPTER1 INTRODUCTION  10-15
  1.1 Motivation  10-11
  1.2 Related Research  11-13
  1.3 Contribution of the Thesis  13
  1.4 Outline  13-15
CHAPTER 2 LEARNING DEPTH THEORY  15-24
  2.1 Feature Vector  15-19
    2.1.1 Filters  16-17
    2.1.2 Features for absolute depth  17-18
    2.1.3 Features for relative depth  18-19
  2.2 Probabilistic Model  19-23
    2.2.1 Markov Random Field theorem  19-20
    2.2.2 Gaussian MRF Model  20-21
    2.2.3 Solution for the model parameter  21-23
  2.3 SUMMARY  23-24
CHAPTER 3 ANGLE DETECTING  24-33
  3.1 Edges Detecting and Segmentation  24-27
    3.1.1 Image segmentation  25-26
    3.1.2 Edges detecting  26-27
  3.2 Camera Model  27-32
    3.2.1 From world coordinates to camera coordinate  28
    3.2.2 From camera coordinate to image coordinate  28-32
  3.3 SUMMARY  32-33
CHAPTER 4 DATA COLLECTION SYSTEM  33-42
  4.1 Laser Scanner  33-35
  4.2 Mechanical structure  35-37
  4.3 Hardware  37-41
    4.3.1 Stepper motor  37
    4.3.2 Microchip  37-39
    4.3.3 Driver chip  39
    4.3.4 Control Circuit  39-41
  4.4 SUMMARY  41-42
CHAPTER 5 RESULTS AND ANALYSIS  42-50
  5.1 Results  42-46
    5.1.1 Calibration results  42
    5.1.2 Object detecting results  42-46
  5.2 Analysis  46-49
    5.2.1 Single image error analysis  46-48
    5.2.2 The error of the predicting  48-49
  5.3 Summary  49-50
CHAPTER 6 CONCLUSION  50-52
  6.1 Conclusion  50
  6.2 Future Work  50-52
Reference  52-54

基于单目视觉的障碍物检测方法

内容摘要

全文目录

相似论文