基于机器视觉的农业机器人自定位技术研究

摘要

农业机器人定位技术是机器人领域的一个重要研究方向，是实现农业机械智能化的关键技术之一。事实上，怎样获得机器人所处的精确位姿信息，是其智能导航任务能否成功的前提。
　　 本文主要对一种基于机器视觉的定位技术(----)视觉里程计进行了系统的研究，主要工作如下:
　　 1.首先就机器人定位技术做了一个综述，讨论了各种定位方法存在的缺陷与不足，在此背景下，引入了视觉里程计技术，介绍了视觉里程计技术的理论背景、优势、国内外的研究现状以及本文研究的技术框架。
　　 2.引入了特征点提取算法---SURF算法，深入研究了它的原理，在VS2010环境下实现了其功能，在农田环境下验证算法的鲁棒性，除此以外，进行了Harris算法和SIFT算法特征提取实验，就3种算法的提取结果做出比较，进一步证明SURF算法的优势。
　　 3.研究了农田中的复杂环境所具有的特点，将视觉里程计定位技术应用到农业轮式机器人当中，探讨在此类条件下出现的各种问题。
　　 4.提出了一个新的基于SURF特征提取算法的立体视觉里程计定位系统，该系统仅依靠视觉输入，通过在连续图像帧中提取特征点作为自然路标，然后对特征点进行匹配以得到特征点对之间的对应关系，最后结合LMedS鲁棒算法与非线性最小二乘法，求取机器人的精确的定位信息。最终试验证明，本文所建立的系统的估计误差在3.4％以内。
　　 本文对机器人视觉定位技术进行了深入研究，为农业机器人的精确定位提供了一条可行途径。

目录

声明

摘要

第一章 绪论

1．1 研究目的与意义

1．2 农业机器人与视觉里程计

1．2．1 农业机器人

1．2．2 农业机器人定位技术

1．2．3 视觉里程计技术

1．3 视觉里程计定位技术的研究历史与现状

1．4 研究内容和技术路线

1．4．1 研究内容

1．4．2 技术路线

第二章 基于双目视觉的机器人视觉里程计系统

2．1 传统里程计原理及缺陷

2．2 视觉里程计

2．2．1 视觉里程计原理

2．2．2 视觉里程计系统

2．3 视觉里程计硬件实现

本章小结

第三章 特征点提取及匹配

3．1 特征点提取概述

3．1．1 Harris角点检测算法

3．1．2 SIFT特征点提取算法

3．2 SURF特征点提取算法

3．2．1 几个相关理论概念

3．2．2 快速Hessian检测器

3．2．3．特征点精确定位

3．2．4 特征点描述符

3．3 特征点提取实验

3．4 SURF特征点匹配

3．4．1 SURF特征点匹配算法

3．4．2 约束条件

3．4．3 匹配相似性度量

3．4．4 BBF搜索算法

3．4．5 匹配实验结果与分析

本章小结

第四章 机器人运动参数估计

4．1 机器人运动参数估计数学模型

4．2 机器人运动参数估计算法

4．3 机器人定位实验结果与分析

4．31 室内试验

4．32 室外庭院试验

4．33 农田环境

本章小结

第五章 结论与展望

参考文献

致谢

攻读硕士学位期间已发表的学术论文