基于运动视差的三维重建技术在自导引小车中的应用

通过一定的几何运算阐述基于单目摄像头的条件下如何用运动视差的原理对前方景象实现三维重建,提出该重建技术在室内自导引小车上进行识障、避障过程的应用。对摄像头传回的实时图像进行分割从而划分出可行区域的传统方案进行了改进,使运算得到的障碍物信息更具真实性。试验结果表明,所提方案具有较强的可操作性,增强了室内自导引小车在单目摄像头条件下的障碍物检测能力,对不同真实场景具有良好的鲁棒性。     

基于深度学习的四旋翼无人机单目视觉避障方法

针对无人机避障问题，提出一种基于深度学习的四旋翼无人机单目视觉避障方法。首先通过目标检测框选出目标在图像中的位置，并通过计算目标选框上下边距的长度，以此来估量出障碍物到无人机之间的距离；然后通过协同计算机判断是否执行避障动作；最后使用基于Pixhawk搭建的飞行实验平台进行实验。实验结果表明，该方法可用于无人机低速飞行条件下避障。该方法所用到的传感器只有一块单目摄像头，而且相对于传统的主动式传感器避障方法，所占用无人机的体积大幅减小。该方法鲁棒性较好，能够准确识别不同姿态的人，实现对人避障。     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

基于主动式全景视觉的移动机器人障碍物检测

针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。     

嵌入式单目机器人视觉检测及避障系统设计

为实现机器人在移动中快速检测和避开障碍物功能,提出一种在室内以单目视觉为基础的嵌入式机器人检测障碍和避障的设计方案;通过对HSI颜色空间的H空间进行分块,获取分块区的颜色矩特征进行比较,能快速检测障碍物;通过几何法建立机器人坐标和图像坐标的关系,计算障碍物实际距离,准确定位障碍物;通过输入障碍物距离和偏离前进方向的角度到模糊控制器,获得输出转动角度,并对输出的角度进行调节;实验结果表明该系统具有实时性和可行性,实现了利用图像分块的信息快速检测定位障碍物,并通过模糊控制器完成了避障要求。     

基于贝叶斯分类器的移动机器人避障

贝叶斯分类是一种基于贝叶斯定理的统计学分类方法,它是结合先验信息与样本信息计算出后验概率。介绍了一种基于贝叶斯分类的移动机器人避障方法。对摄像头所获得的图像进行图像分割以抽取图像的障碍物边缘信息,根据所得到的障碍物轮廓对其左右边界进行标定。叙述了朴素贝叶斯分类器在先验概率未知情况下的工作过程。基于朴素贝叶斯分类器对未知类标号的样本进行分类,从而得到机器人移动的控制指令。实验结果表明了该方法的有效性和可行性。     

一种基于光条中心线的测距方法

在单目视觉避障系统中,利用红色LED水平光条照射前方障碍物,由摄像头获得图像并处理后得到红光光条,根据光条中心在图像中的位置判断障碍物与摄像头之间的距离。该文对Zhang并行细化算法进行了改进,以适应嵌入式系统快速准确得到红光光条的中心线,由中心线坐标得到障碍物距离及宽度。实验结果证明,该算法具有很好的中心线提取效果;测距范围为25 cm,测距误差在3 mm以内。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

基于多传感器的移动机器人避障①

提出了一种视觉传感器和红外线测距传感器相结合来实现移动机器人在不确定环境中自主避障的方法。首先对视觉传感器采集的图像使用光流法提取障碍物信息,再结合红外线测距传感器反馈的距离信息,然后通过避障策略实现移动机器人的避障。实验结果验证了该避障方法的良好性能。     

基于全景视觉的移动机器人的运动目标检测

在动态背景下的运动目标检测中,由于目标和背景两者都是各自独立运动的,在提取前景运动目标时需要考虑由移动机器人自身运动引起的背景变化。仿射变换是一种广泛用于估计图像间背景变换的方法。然而,在移动机器人上使用全方位视觉传感器(ODVS)时,由于全方位图像的扭曲变形会 造成图像中背景运动不一致,无法通过单一的仿射变换描述全方位图像上的背景运动。将图像划分为网格窗口,然后对每个窗口分别进行仿射变换,从背景变换补偿帧差中得到运动目标的区域。最后,根据ODVS的成像特性,通过视觉方法解析出运动障碍物的距离和方位信息。实验结果表明,提出的方法能准确检测出移动机器人360°范围内的运动障碍物,并实现运动障碍物的精确定位,有效地提高了移动机器人的实时避障能力。     

非结构化环境下的单目视觉可通行区域检测

目前三维避障主要采用三维激光雷达或者基于深度学习的障碍物识别,但前者价格昂贵,后者训练成本高且不稳定。为了稳定、鲁棒地实现低成本三维空间避障方案,提出了一种基于单目相机的可通行区域检测方法。该方法利用特征点标识障碍物,通过对相机高度和旋转平面加以约束,解决单目SLAM中的尺度不一致问题,并设计了障碍物距离求解器和代价求解器对小车前方区域特征点进行处理,计算出视觉代价地图,划分可通行区域。该方法优势在于仅需要低成本的单目相机便可完成可通行区域检测任务,可方便地移植到轻量级的移动设备,计算得到的视觉代价地图亦有利于小车后续的路径规划任务。在KITTI数据集上进行的实验表明,该方法的平均运算速度能达到20 frame/s,能满足小车实时避障的要求,对于单目SLAM的尺度恢复误差为2.5%～4.9%。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

基于平面单应性的单目视觉里程计设计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF（Speeded Up Robust Features）特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。     

一种新颖的基于二分法和模糊控制的移动机器人避障系统

针对超声波传感器波束角窄导致移动机器人存在避障盲区的现状,研究了一种新颖的超声波避障系统。该系统采用六个超声波传感器构成特别设计的超声波阵列,实现无盲区检测中大型移动机器人前方及左右两侧障碍物的位置,充分保障运行安全性;同时在避障算法上,采用二分法和模糊控制相结合的控制算法,简化了模糊控制规则使系统具有很好的智能性和实时性,实现了移动机器人选择最佳避障路径并对新增的动态障碍物进行避障。将此避障控制系统应用于移动机器人上,实验结果表明：在未知环境下,实现对移动机器人周边的无盲区检测,并且能够实时根据周围障碍物的动态情况选择最佳避障路径,避免了其它避障控制算法中易出现的误避障和二次避障的情况。     

基于视觉传感器的障碍物检测

针对移动机器人双目视觉障碍物检测的实时性和准确性两大难题,提出了一种适用于室内复杂背景的障碍物检测方法。通过Retinex图像增强操作消除环境光照不均匀的影响;运用扫描线种子填充算法分割图像中的路面、背景和障碍物;通过二值化处理、边缘检测提取障碍物的轮廓信息和位置信息。在AS-RE轮式机器人平台上进行实验,实验结果表明,机器人能够在室内环境中稳定地实现自主避障功能,验证了提出的双目视觉障碍物检测算法的可行性。     

基于AT89C2051单片机的避障智能车的开发

设计并实现了一种基于AT89C2051单片机的自主避障智能车。该车使用红外传感器采集路况信息,通过对检测信息的分析,自动控制转向电机转向改变行驶路径,绕过障碍物,从而实现智能车稳定避障,另外通过单片机控制定时器,使其具有定时行驶功能。     

移动机器人目标分割及测距方法研究

对于移动机器人单目视觉避障导航问题,研究了室内环境中多障碍物目标图像分割与目标定位。提出一种将HSI彩色图像空间序列分割与Otsu法选取阈值相结合的图像分割方法,并采用基于亮度均值的幂次变换方法改进亮度空间的对比度,从背景环境中分割提取出多个目标所在区域的像素坐标。基于透视投影原理,应用目标定位的几何方法得到目标的空间坐标。该方法在Pioneer-2移动机器人平台上进行了实验,论证了所提出方法的实用性和有效性。     

基于深度强化学习的移动机器人动态路径规划算法

为了在复杂舞台环境下使用移动机器人实现物品搬运或者载人演出,提出了一种基于深度强化学习的动态路径规划算法。首先通过构建全局地图获取移动机器人周围的障碍物信息,将演员和舞台道具分别分类成动态障碍物和静态障碍物。然后建立局部地图,通过LSTM网络编码动态障碍物信息,使用社会注意力机制计算每个动态障碍物的重要性来实现更好的避障效果。通过构建新的奖励函数来实现对动静态障碍物的不同躲避情况。最后通过模仿学习和优先级经验回放技术来提高网络的收敛速度,从而实现在舞台复杂环境下的移动机器人的动态路径规划。实验结果表明,该网络的收敛速度明显提高,在不同障碍物环境下都能够表现出好的动态避障效果。     

移动机器人避障行为酶数值膜控制器

为了兼顾膜控制器控制下的移动机器人行走速度和避障效果,提出了一种基于酶数值膜系统的自适应巡航速度避障控制方法.该方法采用酶数值膜系统结构,利用膜之间的信息交流,实现多个膜融合多个传感器的距离信息,根据融合距离信息自适应调节巡航速度,使移动机器人能够有效的避开障碍物,同时兼顾无障碍物时移动机器人行走速度.基于移动机器人Pioneer3-DX的仿真和实物实验表明：该方法设计的酶数值膜控制器可行且避障控制效果更优.