障碍物刚柔性判别的计算机视觉方法

摘要

为了降低机器人避障算法的复杂度、提高避障效率，保障机器人工作的实时性，提出了一种在进行避障处理前对已检测到的障碍物的刚柔性进行判定，从而除去不需要进行避障处理的柔性物体的方法。
　　采用狗尾草植物作为研究对象。具体方法是在有风环境下拍摄障碍物的视频图像，提取出视频图像的帧图序列，对提取出的帧图序列进行二值化处理，经过去噪后进行叠加，再使用Canny边缘检测方法提取出最终叠加图像的边缘轮廓，然后提取叠加图边缘的特征点，将这些特征点变换坐标系后，重新导入新的坐标系，对这些变换后的特征点进行曲线拟合。综合考虑曲线拟合的评价系数，选取出最佳曲线拟合模型，得到特征曲线的函数方程，并根据特征曲线的函数方程计算出障碍物的柔度。
　　通过使用不同高度的狗尾草植物做实验，找到物体的柔度和物体的相应高度之间的关系。定义物体的带权柔度和计算公式，然后根据物体特征曲线的函数方程和物体的带权柔度公式，计算出物体的带权柔度，再将障碍物的带权柔度与柔度阈值作比较，当障碍物的带权柔度大于或等于柔度阈值时，障碍物为柔性物体;当障碍物的带权柔度小于柔度阈值时，障碍物为刚性物体。
　　采用一根圆柱形木棍和一段柳条对物体的刚柔性判别原则进行验证实验。实验结果证明，物体的刚柔性判别原则可以很好地判别物体的刚柔性。
　　当某一刚性物体的外形呈现出类似于柔性物体形变叠加效果的情况时，会产生物体刚柔性的误判。针对这种误判情况，提出了相应的解决方法。
　　在无风或者微风情况下，使用文中方法对物体的刚柔性进行判定，其正确性可能会受到一定的影响。为了解决这种局限性，提出了两种解决方法以待后续深入研究。。

目录

摘要

1 绪论

1．1 引言

1．2 物体刚柔性判别的研究现状

1．3 计算机视觉技术

1．3．1 计算机视觉技术的简介

1．3．2 计算机视觉技术的发展历史

1．3．3 计算机视觉技术在物体分类领域的研究现状

1．4 本研究论文的组织结构及主要研究内容

1．4．1 论文的组织结构

1．4．2 论文的主要研究内容

2 障碍物图像信息的提取

2．1 研究环境和研究对象的说明

2．2 障碍物图像信息的提取流程

2．3 图像叠加

2．3．1 图像叠加的意义

2．3．2 图像的叠加

2．3．3 图像形态学处理方法

2．3．4 连通区域标记法

2．4 边缘提取

2．4．1 Canny边缘检测算法

2．4．2 Canny算法边缘提取结果

2．5 本章小结

3 物体刚柔性的度量

3．1 物体叠加图边缘特征点曲线拟合

3．1．1 特征点提取

3．1．2 曲线拟合技术

3．1．3 曲线拟合的效果

3．1．4 曲线拟合模型的评价

3．1．5 选取最佳曲线拟合模型

3．2 柔度与带权柔度的定义

3．2．1 柔度的定义

3．2．2 物体高度影响因素

3．2．3 带权柔度的定义

3．2．4 物体相应高度的求取说明

3．3 本章小结

4 物体刚柔性的判别

4．1 物体刚柔性判别规则

4．1．1 物体刚柔性判别的具体方法

4．1．2 物体刚柔性判别的流程

4．1．3 柔度阈值的选取

4．2 物体刚柔性误判情况及解决方案

4．2．1 物体刚柔性判别的误判情况

4．2．2 物体刚柔性判别的误判情况的解决方案

4．3 无风或微风情况下物体刚柔性的判别方法探究

4．3．1 模式匹配方法

4．3．2 鼓风机器人在无风或微风情况下物体刚柔性的判别方法

4．4 本章小结

5 物体刚柔性判别的实验验证

5．1 实验材料

5．2 图像信息提取

5．2．1 提取物体的帧图序列

5．2．2 帧图的叠加和边缘提取

5．2．3 特征点的曲线拟合

5．2．4 物体刚柔性的判别

5．3 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明