基于双目视觉的泊车机器人障碍物识别系统研究

摘要

随着人民生活品质的日益提高和经济的不断发展,汽车保有量呈现井喷式增长，停车难成了日常出行的难题。因此，智能停车库应运而生，作为其核心运载工具的泊车机器人日趋受到人们关注，成为移动机器人领域的全新重点应用。针对目前国内外泊车机器人均采用成本较高的激光传感器，技术难度大，不易于实现与大面积推广的问题，本文采用价格低廉并能够实时获得周围环境信息的视觉传感器取代激光传感器，完成对泊车路径上的障碍物识别。主要的研究工作如下所示。　　（1）障碍物视觉识别系统搭建。通过研究双目视觉系统原理及数学模型，结合本系统的应用环境，搭建了系统的软、硬件平台。在分析双目视觉系统实现的一般步骤的基础上，设计了本系统的工作流程。　　（2）基于双目视觉的障碍物识别系统标定和校正。在研究双目相机标定方法的基础上，分析其优缺点，选用张正友棋盘标定法完成相机标定。通过对比分析OpencCV标定方法和Matlab标定方法的优缺点，采用Matlab工具箱进行双目相机标定，引入物理学中的控制变量法对不同标定距离和棋盘规格进行实验和精度分析，以得到较高精度的焦距。最后，采用基于OpenCV的Bouguet算法完成双目立体校正，获得平行且行对准的标准图像对。　　（3）停车库环境下的立体匹配算法研究。首先介绍了立体匹配算法研究的必要性和存在的问题，将匹配算法和其应用环境联合分析，选择基于特征的匹配算法，并针对传统特征匹配算法SIFT和SURF存在匹配耗时长和对边缘光滑目标特征点提取弱的问题，进行改进研究，设计了一种适用于智能停车库环境下的立体匹配算法。　　（4）障碍物类别检测研究。由于传统的物体检测算法存在物体检测种类少、准确率低和复杂度高等问题。针对这些问题，引入基于深度学习的YOLO卷积神经网络，实现准确、实时检测障碍物类别。该网络具有较强的扩展性，可根据实际需求训练自己的数据集，以应用到不同场景。　　实验结果表明，本文设计的无人智能停车库环境下的基于双目视觉的障碍物识别算法在2100mm范围内的平均测距误差在50mm内，障碍物类别检测平均耗时0.096s，系统整体平均耗时0.466s，满足智能车库环境下泊车机器人对障碍物检测的实时性与精度要求，为搭载双目视觉的经济型泊车机器人的研究与应用奠定了基础。

目录

声明

第1章 绪论

1.1 课题研究的背景及意义

1.2 国内外研究现状

1.2.1 泊车机器人研究现状

1.2.2 双目视觉技术国内外研究现状

1.2.3 障碍物识别技术国内外研究现状

1.3 本文主要研究内容及章节安排

第2章 障碍物视觉识别系统设计

2.1 双目视觉系统数学模型

2.2 总体方案设计及实现

2.2.1 总体方案设计

2.2.2 硬件系统设计

2.2.3 软件系统设计

2.2.4 系统实现步骤研究

2.3 影响系统测距精度的主要因素

2.4 本章小结

第3章 双目相机标定及立体校正

3.1 双目相机标定

3.1.1 双目相机标定方法研究

3.1.2 基于控制变量法的双目相机标定

3.2 实验结果与分析

3.3 双目立体校正

3.3.1 对极几何

3.3.2 基于OpenCV的双目立体校正

3.4 本章小结

第4章 双目立体匹配算法研究

4.1 双目立体匹配

4.1.1 立体匹配步骤

4.1.2 立体匹配约束设计

4.1.3 立体匹配分类

4.2 SIFT立体匹配

4.2.1 SIFT特征点检测

4.2.2 SIFT特征点匹配

4.3 SURF立体匹配

4.3.1 SURF特征点检测

4.3.2 SURF特征点匹配

4.4.1 光滑边缘目标特征提取研究

4.4.2 本文立体匹配算法设计

4.5 实验结果与分析

4.6 本章小结

第5章 障碍物识别系统实验与结果分析

5.1 基于YOLO卷积神经网络的障碍物类别检测研究

5.1.1 YOLO卷积神经网络算法

5.1.2 YOLO卷积神经网络的损失函数

5.1.3 障碍物类别检测实验与结果分析

5.2 障碍物识别系统实验与结果分析

5.2.1 系统整体算法设计

5.2.2 实验结果与分析

5.3 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

攻读学位期间的研究成果