(申请工学硕士学位论文)(编辑修改稿)

(申请工学硕士学位论文)(编辑修改稿)内容摘要：

色相似时， Polly行走就变得困难，因为它无法用灰度值区分这些物体的边界。 Polly 上还安装了碰撞及声纳传感器，因此它不是完全依赖于视觉。 Horswill 继续开发了第二代机器人称为 Frankie。 Frankie 用一个边缘监测器来识别障碍物。 一些颜色特征也可以稍微识别出来。 但是当地面比较光滑发生反射时，它会将反射光作为障碍物。 Turk和 Marra研究出了一种利用颜色信息而不是边缘信息来检测道路上障碍物的算法。 和简单的运动检测相似，这种算法将连续的彩色图像相减来检测障碍物。 如果地面表面非常粗糙时，也将遇到与边缘检测算法相似的 问题。 此外，这种算法假设机器人和障碍物中有一个处于运动中。 尽管在地面表面非常粗糙的时候， Turk和 Marra研究的算法不能起作用，但是立体视觉和光流系统却能很好的发挥作用。 Lourakis和 Orphanoudakis对这些系统作了很详细的总结。 他们自己也研究出了一种方法。 这种方法只将环境中的地面信息记录下来，而不记录 武汉理工大学硕士学位论文 4 地面上的物体。 在视觉导航方式中 ， 目前国内外应用比较多的是采用在机器人上安装车载摄像机的基于局部视觉的导航方式 [1]。 . Boley[6]等研制的移动机器人利用车载摄像机和较少的传感器通过 识别 陆标 进行导航 ， 比直接采用卡尔曼滤波器获得了更好的实时性 ， 并有效抑制了噪声 ； [7]等利用车载摄像机和超声波传感器研究了基于视觉导航系统中的避碰问题 ； C. Fermuller[8]等的研究表明 ： 利用车载摄像机将机器人的三维运动描述和景物的形状描述用于解决机器人的导航问题具有较高的可靠性 ； [9]等对由车载摄像机构成的移动机器人视觉闭环系统的研究表明 ， 这种控制方法对提高路径跟踪精度有较好效果。 采用局部视觉这种导航方式 ， 所有的计算设备和传感器都装载在机器人车体上 ， 图像识别、路径规划 等高层决策都由车载计算机完成 ， 所以车载计算机的工作量较大 ， 延迟问题较为明显。 为提高导航系统的实时性和导航精度 ， 仍需研究更加合理的组合导航方式。 Trahanias[10]利用视觉探测陆标来完成机器人导航，其中陆标不是事先定义的人工陆标，而是在学习阶段自动抽取的自然坐标。 Stanley[11]提出了基于神经网络的机器人视觉导航技术。 Reid[12]通过处理视觉信息选择机器人行走基线，ActiveMedia 公司生产出的 Pioneer 系列机器人，美国 NASA 火星探测智能移动机器人 Spirit 和 Opportunity 也都包含了视觉导航的内容。 国际上备受瞩目的机器人比赛，如 Robocup[13]也采用了视觉导航，其视觉子系统的输入设备为一台悬挂在球场上方的摄像机，拍摄的图像经电缆传送到计算机主机。 此外，最新出现的网络机器人可对机器人进行遥控操纵，如 文献 [14]介绍了名为 Xavier 的机器人，在机器人上装有多种传感器，如激光探测器、声纳、车轮编码器和彩色摄像机，并装有扬声器和语言测试系统，机器人能够完成现场任务和网络任务。 从国内的研究情况来看，国内也研究了一些利用视觉进行导航的机器人。 例如国内中国科学院自动化研究所研制 了自主车，上海大学研制了“导购机器人”，哈尔滨工业大学研制出了“导游机器人”以及正在开发各种服务机器人。 如今具有自主导航和自动驾驶功能的智能车辆已初见端倪，如由一汽集团和国防科技大学合作研制的红旗 CA7460 自动驾驶轿车、由清华大学研制的THMR(TsingHua Mobile Robot)[15]系列 ，均都采用机器视觉、雷达或两者的有机组合作为传感手段。 THMR 智能机器人已经研制到了第五代，如图 11。 THMRⅤ 利用视觉信息 对道路进行检测实现了自动驾驶和辅助驾驶。 目前 THMRⅤ 已 武汉理工大学硕士学位论文 5 经能够实现道路检测与跟 踪、 避障 停障、临场感遥控驾驶等功能。 图 11 THMRⅤ 给移动机器人提供一个能适应不同环境，且可适用于不同任务的视觉系统，是一项比较困难的工作。 现在，已经有很多基于彩色图像分割和跟踪的方法可用于给移动机器人提供视觉感知功能。 然而谁也不知道，这些方法中的哪一种最适合于某一给定的任务。 由于移动机器人的很多具体应用要求能实时的对环境作出反应，因此又一个值得关注的问题是，视觉系统中采用的分割或跟踪方法的计算量问题。 而且，外界环境条件的动态特征，如光照变化，也对机器人的视觉系统提出更多更高的 要求。 因此视觉系统的实现，应该是计算量小而满足实时性要求，同时对光照和其它一些能了解的变化具有很强的鲁棒性。 分析现有机器视觉方法的不足 ， 参考人类视觉系统的机理 ， 认为对有些应用如视觉导航而言 ， 不必要完成高层识别和三维重构 ， 而只需获得对环境或其中的物体一个足够好的理解。 目前还没有一种通用的导航系统适合于各种不同的环境。 许多系统是针对某个特定的环境完成特殊的任务。 本文内容与结构 本文的主要任务是采集室内环境的序列图像，利用室内环境的地面特征分析图像序列，将环境图像分割为只有可行走区域和障碍物区域的二值 图像序列，从而让机器人识别室内的障碍物完成机器人导航的避障功能，同时将图像序列压缩存储在计算机中。 本文共分为六章，具体内容包括： 第一章：绪论，介绍本课题研究领域的背景及意义、发展过程、国内外研 武汉理工大学硕士学位论文 6 究现状及本论文的实现方案、研究内容和结构。 第二章：机器人的视觉导航系统，详细介绍机器人的各种导航技术、机器人视觉导航的发展及其系统组成和系统工作过程。 第三章：机器人视觉导航中的图像处理技术，对机器人视觉导航中用到的图像预处理、图像分割和图像压缩存储这三个方面的图像处理技术做了一定的研究和对比，为提出适合于本文的图 像分析算法提供了理论基础。 第四章：室内地面分割的图像处理算法，较为详细地介绍本课题中室内机器人识别地面及地面上障碍物的图像处理算法，包括室内环境中特征的选取和分析、彩色图像的颜色空间及其分割等。 第五章：室内机器人实时障碍物检测系统，主要介绍本系统的实现方案，包括开发系统的工具，系统实现的功能及运行界面，并给出了本文算法得到的障碍物检测实例。 第六章：全文总结及展望， 总结全文，并指出自己所作的工作和 成果 ，以及系统需要进一步改进的地方。 本章小结 本章在阅读大量国内外参考文献的基础上，对本课题研究领 域的背景及意义、发展过程及国内外研究现状做了详细论述，并介绍了本论文的研究思路、研究内容和结构。 武汉理工大学硕士学位论文 7 第 2 章 机器人的视觉导航系统 从 20 世纪 50 年代后期开始，机器人技术取得了突飞猛进的发展，其发展过程大致经历了三个阶段 [16]： (1) 示教再现型机器人，这是第一代机器人。 这一代机器人没有装备任何传感器，对环境没有感知能力。 机器人的作业路径、运动参数需要操作人员手把手示教或通过编程设定，机器人重复再现示教的内容。 目前商品化、实用化的机器人大多数是此类机器人。 (2) 感觉型机器人。 此种机器人 配备了简单的内、外部传感器，能感知自身运行的速度、位置、姿态等物理量，并以这些信息的反馈构成闭环控制，如配备简易视觉、力觉传感器等简单的外部传感器，因而具有部分适应外部环境的能力。 (3) 智能型机器人。 这一代机器人具有多种内、外部传感器组成的感觉系统，不仅可以感知内部关节的运行速度、力的大小等参数，还可通过外部传感器，如视觉传感器、触觉传感器等，对外部环境信息进行感知、提取、处理并做出适当的决策，在结构或半结构化环境中自主完成某一项任务。 目前，智能机器人尚处于研究和发展阶段。 国际机器人研究在经过了 80 年 代的低潮之后，呈现出复苏和继续发展的形势，我国的机器人研究在国家“七五”、“八五”及“ 863”计划的推动下也取得了很大进展。 与 70 年代的机器人浪潮相比，现在的机器人研究有两个特点 [17]：一是对机器人智能的定位有个更加符合实际的标准，也就是不要求机器人具有象人类一样的高智能，而只是要求机器人在某种程度上具有自主处理问题的能力；另一个特点是许多新技术及控制方法 (神经网络、传感器融合、虚拟现实、高速度的并行处理机等 )被引入到机器人研究中。 机器人的导航技术是智能型机器人自主完成任务的核心技术。 移动机器人导航是指 移动机器人按照预先给出的任务命令，根据已知信息做出路径规划，并在行进过程中，不断感知周围的局部环境信息，自主地做出决策，调整自身位姿，引导自身安全行驶或跟踪已经路径到达目标位置。 这其中包括三个主要内容：避障、定位和路径规划。 本文所设计的就是一个智能机器人实时检测室内环境中障碍物的系统，根据图像分析后的二值图像序列信息，机器人能识别 武汉理工大学硕士学位论文 8 室内的障碍物，从而划分出室内环境中的可行走区域，达到机器人避开障碍物的目的。 本章重点阐述机器人的视觉导航及其视觉系统。 机器人的导航技术 自主式移动机器人 是一种具有高度自 规划、自组织、自适应能力，适合于在复杂的非结构化环境中工作的机器人。 自主式移动机器人的目标就是在没有人的干预、无需对环境做任何规定和改变的条件下，有目的地移动和完成相应任务。 在自主式移动机器人相关技术中，导航技术是其研究核心，也是移动机器人实现智能化及完全自主的关键技术。 移动机器人有多种导航方式，这些导航方式各有其特点，适合于不同的环境。 移动机器人的研究是多种学科的集成和应用。 随着移动机器人的应用领域日益广泛，对移动机器人导航研究不断提出新的课题，这将使移动机器人的导航研究不断深入和发展，移动机器人也将拥 有更加广泛的应用前景。 智能型机器人的各种导航方式 目前移动机器人有多种导航方式，这些导航方式各有其特点，适合不同的应用环境。 移动机器人常见的导航方式主要有基于地下 /地表敷线、基于罗盘 /里程计、基于测距、基于 GPS 定位、基于视觉等的导航。 基于地下 /地表敷线的导航方式。 在机器人运动路径上敷设金属导线或色带 ， 通过对金属导线信号检测或对色带的检测确定机器人的位置和运动方向。 该方式技术成熟可靠 ， 但对环境的适应能力较差且存在通过路径 “ 瓶颈 ” 问题 ，因而在全自主移动机器人中应用较少。 基于罗盘 /里程 计的导航。 通过罗盘对地磁的检测确定机器人方位 ， 与里程计结合推断机器人的当前位置。 由于该方式用累计的算法推断机器人的当前位置 ， 误差会不断积累 ， 同时在一次定位失败后系统自恢复能力较差 ， 需要定期修正系统偏差。 从国内外的研究来看 ， 磁导航方式的技术已相当成熟。 如 Mae 公司为自动驾驶车辆则开发了一种磁引导单元 ， 它是通过磁通门传感器检测磁带来进行车辆导航。 中国科学院沈阳自动化研究所已生产出基于磁导航的多代机器人 武汉理工大学硕士学位论文 9 产品。 基于测距的导航。 通过测量机器人与参考物间的距离 ， 通过三角测量法计算机器人的当前位置 ， 该方法具 有一定的精度 ， 导航的鲁棒性较好。 目前主要有超声波定位导航、激光定位导航、红外定位导航。 基于 GPS 的定位导航。 GPS 是美国国防部研制的卫星导航系统。 通过对GPS 卫星信号的接收分析 ， 确定导航对象在地表的位置 ， 由于 GPS 定位系统的精度和适用范围 ， 其主要用于室外机器人导航 ， 如无人驾驶车等。 基于视觉的导航。 机器人平台的图像采集系统获取机器人当前状态下的环境信息 ， 通过对环境图像分析确定环境对象和机器人在环境中的位置。 由于图像有较高分辨率 ， 环境信息完整 ， 符合人类的认知习惯 ， 在机器人导航中得到广泛关注。 不论采 用何种导航方式，智能移动机器人要完成的功能应该包括：路径规划与避障、探测与定位和控制系统稳定性，根据导航方式的不同，各方面所采用的技术和要达到的目标不同。 视觉导航研究由于受到现有计算设备运算速度和存储容量的限制而发展较慢，但随着 近年来计算机、网络 、图像采集设备 和图像处理技术发展的突飞猛进 ， 视觉导航也取得了很大的进展。 加之 视觉导航方式具有信号探测范围宽、获取信息完整等优点 ，在图像处理速度得到解决之后，视觉导航仍将是 未来机器人导航的一个主要发展方向。 视觉系统在导航研究中主要起到环境探测和辨识作用。 环境的探测 包括障碍物探测和陆标探测。 本文主要完成的是室内非结构环境中的障碍物探测。 智能机器人导航中的传感器 智能机器人的研究都是以人或动物作为模仿对象。 人是通过眼、鼻、耳等五官和皮肤接收外界并通过神经传递给大脑。 大脑对多种不同的信息进行加工、综合并做出适当的决策。 智能机器人感知环境能力的大小取决于传感器的数量、性能以及对多传感器信息的综合能力。 智能型机器人中的传感器就相当于机器人的“五官”和皮肤，它们组成机器人的感知系统，以适应工作对象的复杂性。 智能机器人的传感器一般分为内部传感器和外部传感器两种。 内 部传感器主要用于检测机器人内部环境信息，如位置、速度等；外部传感器用于探测机器人所处的外部环境信息，帮助机器人完成诸如避障、抓取物体等任务。 常用 武汉理工大学硕士学位论文 10 的外部传感器有视觉传感器、。