RoboCup中型组机器人全向视觉系统的自定位方法研究

摘要

移动机器人的诸多研究领域中，机器人自定位是实现路径规划和运动控制等任务的基础，具有重要的研究价值。 本论文以自主研发的足球机器人为平台，在基于全向视觉系统的前提下，对全向视觉传感器的反射镜面加以改进、设计，同时对机器人自定位方法进行了研究与实现。 全向视觉系统获取的图像质量取决于二次成像过程中反射镜面的曲线特性。由于双曲线反射镜面获取的图像畸变较大，本文在单视点成像基础上，分析水平场景和垂直场景的成像机理，得到了反射镜面的曲面特性所引起的水平和垂直方向上实际距离与像素距离之间的关系。由此，利用Matlab建立4阶Runge_Kutta迭代关系，设计了一种组合镜面反射镜，该组合式反射镜面在水平场景和垂直场景成像时均满足线性畸变，从便什上校正了图像环形畸变。 在机器人自定位方面，利用全向视觉系统识别出场上的特征点（如球门和立柱），通过几何运算得出机器人的何姿信息，实现了基于特征点的几何定位方法。首先运用世界坐标系与机器人体坐标系之间的转换关系，结合两个特征点的角度、距离信息，完成了基于两个特征点的自定位；针对图像处理算法获取的特征点角度信息精度要高于距离估计，避开机器人的距离估计，仅利用三个特征点的相对角度信息实现机器人的自定位，实验验证了该定位方法的可靠性。 由于机器人自身的运动和感知都存在着诸多的不确定性，本文引入概率统计理论，将机器人定位问题视为贝叶斯预估计问题。机器人系统是一个非线性系统，本文结合实验室自主设计的4轮全向移动机器人小车建立了运动模型，结合全向视觉系统建立观测模型，利用一阶泰勒级数展开将非线性运动方程和非线性观测方程线性化，然后运用扩展卡尔曼滤波算法推算机器人的状态估计，实现机器人的自定位。通过仿真实验说明基于扩展卡尔曼滤波的自定位方法具有更高的定位精度。

目录

文摘

英文文摘

声明

第一章 绪论

1.1 课题研究背景

1.1.1 RoboCup简介

1.1.2 中型组机器人概况

1.2 机器人视觉系统介绍

1.3 课题的研究内容

1.3.1 机器人定位技术概述

1.3.2 研究对象及内容安排

1.4 本章小结

第二章 全向视觉传感器的研究与设计

2.1 全向视觉传感器简介

2.1.1 全向视觉传感器

2.1.2 折反射全向视觉系统硬件构成

2.2 全向视觉传感器成像基本原理

2.2.1 单视点成像的基本原理

2.2.2 反射镜成像机理分析

2.3 曲面反射镜的设计

2.3.1 常规曲面反射镜设计

2.3.2 组合镜面的设计

2.4 本章小结

第三章 基于特征点的自定位方法

3.1 距离标定

3.1.1 基本原理

3.1.2 插值函数

3.1.3 标定结果

3.2 基于两个特征点的定位

3.2.1 坐标变换

3.2.1 原理简介

3.2.2 实验结果

3.3 基于三个特征点角度信息的定位

3.4 本章小结

第四章 基于扩展Kalman滤波的自定位

4.1 基于贝叶斯滤波理论的机器人自定位

4.1.1 概率意义上的自定位

4.1.2 基于贝叶斯滤波理论自定位步骤

4.2 扩展卡尔曼滤波定位理论

4.2.1 卡尔曼滤波器的计算原型

4.2.2 扩展卡尔曼滤波器

4.2.3 定位原理

4.3 定位算法的实施

4.3.1 运动模型

4.3.2 观测模型

4.3.3 数据关联

4.4 算法仿真

4.5 本章小结

第五章 结论与展望

5.1 论文总结

5.2 研究工作展望

致 谢

参考文献

攻读硕士学位期间发表的论文