挖掘机器人多传感器融合的环境感知

摘要

为了挖掘机器人能够实时的感知野外复杂的环境信息，本文主要从障碍物检测、分割、未知环境地图的建立等几个方面进行了研究。
　　为实现野外环境下对障碍物进行分割，本文提出了一种基于激光雷达信息并结合区域生长的分水岭算法，利用激光雷达信息来做引导分割区域，再将区域生长和分水岭结合起来并利用激光雷达的信息确定区域生长的最优阈值，通过实验验证，该方法有效的克服了分水岭的过分割，并满足实时性的要求。
　　挖掘机器人在作业时，需要对障碍物进行精确的分割，针对GrabCut耗时的缺陷，本文提出了背景自适应的GrabCut图像分割算法，即在确定背景像素中选取可能目标像素邻近的一部分像素作为背景像素，减少背景建模的节点数，并利用激光雷达的信息完成交互。实验表明改进的算法有效的提高了运行效率，分割的目标边缘信息更加完整、平滑。
　　由于单目摄像机可视范围无法满足项目需求，本文采用双目图像拼接技术，针对渐入渐出算法融合时出现不清晰等现象，提出了利用 Sobel边缘检测处理待拼接的两幅图像的融合区域，然后利用图像边缘差来修正融合区域，实验表明该方法融合后的图像更加清晰。然后详细介绍一种简单的栅格地图的建立方法，利用前帧的障碍物作为路标，在同后帧所建立的局部地图进行匹配更新全局地图，利用激光雷达到后帧图像中的障碍物的距离和角度进行定位；最后验证了基于扩展卡尔曼滤波的SLAM地图构建的可行性。

目录

声明

1 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 论文结构安排

1.4 本章小结

2 环境感知系统的框架及传感器的标定

2.1 环境感知相关技术

2.2 硬件主要组成部分

2.3 激光雷达和摄像机的标定

2.4 本章小结

3 激光雷达与视觉信息融合的目标分割

3.1 图像增强

3.2 基于激光雷达的目标检测

3.3 改进的分水岭图像分割算法

3.4 改进的Grabcut图像分割算法

3.5 两种分割算法的比较

3.6 本章小结

4 未知环境中地图的创建

4.1 基于改进渐入渐出融合算法的图像拼接

4.2 栅格地图的建立

4.3 基于扩展的卡尔曼滤波（EKF）的SLAM地图构建

4.4 本章小结

结论

致谢

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文及研究成果