矿井救灾机器人障碍物识别与路径规划研究

目录

声明

致谢

变量注释表

1 绪论

1.1.1 课题背景及意义

1.1.2 课题来源

1.2 矿井救灾机器人研究现状

1.2.1 煤矿救灾机器人国外研究现状

1.2.2 煤矿救灾机器人国内研究现状

1.3 障碍识别及图像处理研究现状

1.4 路径规划技术分类及研究现状

1.4.1 传统和智能路径规划方法

1.4.2 路径规划技术的研究现状

1.5 主要研究内容

2 机器人立体视觉系统及标定实验

2.1 引言

2.2 摄像机成像模型

2.2.1 相关参考坐标系

2.2.2 坐标系之间的转换

2.2.3 成像几何模型

2.3.1 摄像机标定原理

2.3.2 摄像机标定方法

2.3.3 张正友标定法

2.4 立体视觉系统标定

2.4.1 双目立体视觉原理

2.4.2 双目视觉模型

2.5 标定结果与分析

2.5.1 单目标定

2.5.2 双目标定

2.5.3 双目立体视觉系统校正

2.6 本章小结

3 矿井救灾机器人障碍物识别研究

3.1 引言

3.2 矿井环境下的障碍物分析

3.2.1 种类分析

3.2.2 特征分析

3.3 图像滤波增强处理

3.3.1 红外图像介绍

3.3.2 基于改进小波变换的去噪算法

3.3.3 实验结果与分析

3.4 边缘特征检测

3.4.1 边缘检测的概述

3.4.2 一阶边缘检测技术

3.4.3 二阶边缘检测技术

3.4.4 实验结果与分析

3.5 障碍物识别

3.5.1 分水岭分割算法

3.5.2 基于标记的改进分水岭算法

3.5.3 Graph Cut 障碍提取算法

3.5.4 实验结果与分析

3.6 障碍物空间信息的计算

3.6.1 双目视觉立体匹配

3.6.2 障碍物空间信息获取

3.7 本章小结

4 基于改进蚁群算法的机器人路径规划

4.1 引言

4.2.1 基于栅格法的环境建模

4.2.2 目标函数的建立

4.3.1 蚁群算法的基本原理

4.3.2 蚁群算法的数学模型分析

4.3.3 蚁群算法的路径规划实现步骤

4.4 蚁群算法中参数的设置

4.4.1 参数定义

4.4.2 参数对算法性能的影响分析

4.5 基于改进蚁群算法的机器人路径规划

4.5.1 初始信息素差异化分配原则

4.5.2 启发函数更新规则

4.5.3 信息素更新规则

4.5.4 路径平滑处理

4.6 实验结果与分析

4.6.1 栅格地图下的实验仿真

4.6.2 不同障碍环境下路径规划比较图

4.6.3 路径平滑处理

4.7 本章小结

5 基于势场蚁群算法的矿井救灾机器人路径规划

5.1 引言

5.2.1 人工势场法的原理

5.2.2 人工势场法的问题

5.2.3 人工势场法的路径规划实现步骤

5.2.4 人工势场法的路径规划仿真实验

5.3 基于势场蚁群算法的矿井救灾机器人路径规划

5.3.1 矿井环境下救灾机器人路径规划要求

5.3.2 势场蚁群算法的原理

5.3.3 势场蚁群算法的路径规划实现步骤

5.4 实验结果与分析

5.5 本章小结

6 总结与展望

6.1 总结

6.2 展望

参考文献

作者简历

学位论文原创性声明

学位论文数据集