室外道路环境下基于异构礼觉的拓扑地图创建

摘要

移动机器人自主导航技术是机器人研究领域的热点技术，在民用和军事上都有着广泛的应用。在未知环境中的移动机器人实现自主导航需要依靠自身的传感器建立环境地图，移动机器人的地图创建是未知环境自主导航的首要任务。而目前提出的机器人地图多是针对室内环境的，适合规模较大的室外环境中的地图创建方法相对较少。视觉传感器获得的信息丰富，其中全景视觉摄像机具有360°的视角，可获得更广阔的视野，在自主导航方面的应用正越来越受到重视。本文结合全景视觉和前向视觉各自的特点，提出了一种可应用在室外道路环境中的基于异构视觉系统（全景视觉和前向视觉）的拓扑地图创建方法。
　　 本文首先研究了全景视觉的成像原理和相关技术，比较了几种不同类型的全景摄像机，最终选用了双曲面折反射系统的全景视觉摄像机和普通的前向视觉摄像机来构建本文的异构视觉系统。
　　 本文接着研究并提出了一种基于全景视觉的路口检测方法，该方法利用全景视觉道路图像分割的结果分析全景视觉下不同道路环境的差异，进行路口检测。在图像分割研究过程中，本文提出了一种结合阈值法改进的区域生长算法，该方法使用最大熵方法选取区域生长的初始种子点，并综合两种不同的生长准则实现区域生长，实验表明该方法可很好的应用在本文的全景视觉道路图像分割中。依据图像分割的结果本文试验了三种路口检测的方法，并一一进行大量的实验，最终选择使用了一种道路分支数判定法去实现路口检测，该方法可通过机器人所在位置的道路分支数和分支方向区分道路环境，实现路口检测。
　　 第三，本文研究了基于视觉的自然陆标的提取与匹配，研究了重要的图像局部特征提取算法，实现了一种鲁棒性好且计算速度较快的SURF特征提取算法，并针对本文的需求，对SURF的金字塔进行降阶，实现了一种简化的1阶SURF算法，该算法进一步提高了实时性，节省了地图创建的时间和空间开销。
　　 最后，结合前面的研究成果，本文提出了一种新的拓扑地图创建方法，该地图使用本文提出的全景视觉路口检测方法进行节点检测，使用前向视觉摄像机获取各个节点分支方向上的道路图像，并提取1阶SURF特征表示节点。该地图在创建过程中无需精确的全局定位，而且规模较小，容易维护，可应用于室外的道路环境中。

目录

声明

摘要

1．绪论

1．1 移动机器人的研究发展概述

1．1．1 国外移动机器人的发展现状

1．1．2 国内移动机器人的发展现状

1．2 论文的研究背景及意义

1．2．1 移动机器人拓扑地图创建的研究现状及研究意义

1．2．2 全景视觉在移动机器人导航中的研究意义

1．3 本文主要的研究工作

1．4 本文的章节安排

2．异构视觉系统及图像预处理

2．1 异构视觉系统

2．1．1 全景视觉简介

2．1．2 单视点全景视觉成像原理

2．1．3 异构视觉系统的选取

2．2 图像平滑

2．2．1 中值滤波

2．2．2 均值滤波

2．2．3 高斯滤波

2．3 本章小结

3 室外道路环境下基于全景视觉的路口检测

3．1 基于阈值法的图像分割

3．2 一种阈值法与区域生长相结合图像分割算法

3．2．1 区域生长的一般方法

3．2．2 一种结合阈值法改进的区域生长算法

3．3 室外道路环境下基于全景视觉的路口检测方法

3．4 实验结果与分析

3．4．1 实验平台简介

3．4．2 实验结果及路口判断条件的分析

3．5 本章小结

4 基于前向视觉的环境特征提取

4．1 SIFT特征提取算法简介

4．1．1 SIFT算子的特点

4．1．2 SIFT特征提取算法的过程

4．2 SURF特征提取算法

4．2．1 积分图像

4．2．2 Fast-Hessian矩阵的建立

4．2．3 SURF算法的尺度空间表示及“兴趣点”的检测

4．2．4 SURF特征向量的描述与匹配

4．3 实验结果与分析

4．4 本章小结

5 基于全景视觉和前向视觉协同的拓扑地图创建

5．1 拓扑节点的定义与检测

5．2 节点的定位

5．3 拓扑节点的建立与识别

5．4 实验分析

5．5 本章小结

6 总结与展望

致谢

参考文献