基于视觉的道路识别技术在移动机器人导航中的应用研究

摘要

从上世纪八十年代开始，许多国家有计划地开展了移动机器人技术的研究。视觉辅助导航是移动机器人导航的热点之一，其中道路检测和障碍物定位是视觉导航系统的重要组成部分。本文研究了基于图像的道路检测和障碍物定位算法。 论文首先介绍了AS-R移动机器人的系统组成及视觉系统，研究了机器人坐标与计算机图像坐标之间的关系。分析了已有的图像处理算法，并根据本文中图像处理的具体要求，选取了合适的图像预处理算法。 为了提高道路识别的实时性和抗干扰能力，论文提出了采用融合边缘提取和区域生长的方法识别道路边线，根据边缘和区域信息所表示的道路边线应该在空间上占据相同或相近的位置，计算两组信息中相应位置上离散点之间的距离，从而确定机器人在道路中的位置。在该算法中采用直线道路模型等作为道路约束条件，分为初始检测和跟踪两部分，采用Hou曲变换提取特征直线，并且在道路边界跟踪算法部分利用序列道路图像之间的特征变化特点建立感兴趣区来限制检测区域，使得算法实时性得到提高。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景与意义

1.2机器人的发展历史

1.3基于视觉的智能机器人的研究现状

1.3.1视觉导航的研究概况

1.3.2道路识别技术的相关研究

1.4本文的研究内容和结构安排

2移动机器人的系统组成及总体研究方案

2.1能力风暴机器人AS-R

2.1.1能力风暴机器人AS-R的机械结构和硬件体系

2.1.2 AS-R基本配置模块

2.2 AS-R机器人控制问题

2.2.1移动机器人的运动结构

2.2.2移动机器人的驱动系统

2.2.3移动机器人运动控制

2.3总体设计方案

2.4本章小结

3移动机器人视觉系统设计

3.1引言

3.2系统结构及工作原理

3.2.1系统结构

3.2.2系统工作原理

3.2.3视觉系统的功能规划

3.3摄像机透视模型及逆模型

3.3.1坐标设定

3.3.2坐标变换

3.4本章小结

4道路图像预处理

4.1道路图像的灰度化

4.2灰度直方图

4.3直方图均衡化

4.3.1直方图均衡化的目的

4.3.2直方图均衡化的原理

4.4道路图像的滤波

4.4.1图像滤波常用算法

4.4.2图像滤波的处理结果

4.5道路图像的边缘增强

4.5.1图像梯度

4.5.2道路图像边缘增强方法

4.5.3道路图像边缘增强实验

4.6道路图像的阈值化处理

4.6.1阈值化常用算法

4.6.2阈值化处理结果

4.7本章小结

5道路的边缘识别与避障

5.1引言

5.2道路检测方法概述

5.3边缘与区域相结合的道路检测方法

5.3.1方法的提出

5.3.2利用Sobel算子识别道路边缘

5.3.3利用区域生长法识别道路边缘

5.3.4融合两种边界信息提取真实道路边界

5.4基于模型的道路识别法

5.4.1道路模型假设

5.4.2基于直线模型的道路识别方法概述

5.4.3道路图像直线特征提取

5.5道路跟踪识别部分

5.6移动机器人的避障系统

5.7本章小结

6总结与展望

6.1全文总结

6.2研究工作及展望

致谢

参考文献