一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法.在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别.通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航.     

一种机器人导航中数字路标的分割和识别方法

基于路标的移动机器人视觉导航的基础上,提出了一种基于边缘点数量统计和FCM(Fuzzy C-means)聚类的路标图像分割方法。在对分割后图像进行维纳滤波,二值化等预处理的基础上,完成了数字路标的识别。通过实验证明,该算法能实时地完成数字路标的分割和识别,有效地应用于移动机器人的视觉导航。     

基于特征地图的移动机器人EKF-SLAM和FastSLAM算法自主导航研究

对移动机器人未知环境中自主导航和SLAM(即时定位与构图)问题进行讨论。设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下三维信息的路标数据库,并获得全局环境下特征地图;提出了一种基于Python平台分析移动机器人自主导航鲁棒性的方法,通过在Python平台下引入扩展模块NumPy、PyLab构建仿真平台,对不同噪声环境下EKF-SLAM(扩展卡尔曼滤波器)和FastSLAM算法的导航过程进行了研究。实验显示了构图方案和仿真平台的可行性。     

基于视觉SLAM的物体实例识别与语义地图构建

针对目前面向语义同步定位与地图构建(SLAM)研究大多需要已知三维对象模型作为先验知识,或者只对有限的几种物体的类别进行语义分割,而没有区分对象的个体的问题,结合目前先进的基于深度学习的实例分割算法和视觉SLAM算法提出了一种面向实例个体的物体识别和语义地图构建方法,使得机器人不仅获得了面向导航的环境几何信息,而且掌握了面向物体个体的属性和位置信息.该方法利用由视觉SLAM算法获得的图像帧间几何一致性约束来促进连续图像帧中物体匹配与识别结果,提高物体实例识别的精度,同时结合实例识别结果完成语义建图的任务.最后实现了基于视觉SLAM算法的物体实例识别与语义地图构建系统,并在ICL-NUIM数据集上进行实验,实验结果表明该系统能够基本完整地识别场景中的各种物体并生成环境的语义地图,验证了本方法的有效性.     

一种鲁棒的室外移动机器人路标定位系统

针对移动机器人室外作业需要,提出了一种对光照度的大范围变化具有良好鲁棒性的路标识别与定位系统.通过近红外光主动照明来降低可见光照度变化和阴影等因素对视觉的影响;利用全景视觉系统获取大范围的路标信息,采用动态大津法实现二值化,突出了光照度不均情况下的路标特征,以提高路标的识别率.室外环境下移动机器人定位实验结果表明,该方法对于大范围变化的光照度具有良好的鲁棒性.     

移动机器人同时定位与建图室内导航地图研究

针对当前视觉同时定位与建图(simultaneous localization and mapping,SLAM)生成的点云地图不能满足路径规划和导航的需要,提出一种室内移动机器人的导航地图制备方法.首先,通过SLAM估计相机位姿,后端优化后生成室内场景的三维点云地图;其次,根据地面移动机器人的运动约束及结构特点分情况讨论,推导点云相对于地面的二维坐标,同时对点云进行地面与障碍的分离、截取与筛选;最后,根据栅格占据状况有序构建出导航地图.实验结果表明,基于点云坐标的障碍物截取准确度高于地面拟合截取方法,所建地图精度与完整度均高于传统方法.室内移动机器人能基于该地图进行路径规划与导航.     

机器人视觉导航的几种特征点方法比较

针对移动机器人视觉导航中移动速度较快且计算能力较弱、视觉路标的图像特征检测与匹配时间之间存在矛盾这一问题,提出了选择合适的满足实时性的特征检测方法.对机器人视觉导航中获得图像特征常用的特征点法(如KLT,SURF,SIFT,Harris等)进行了探讨.通过对移动机器人导航中的图片采用不同方法进行测试,比较了不同方法所需...     

基于深度学习的动态场景语义SLAM

提出一种利用深度学习提高动态环境下视觉语义即时定位与地图构建(SLAM)的方法.首先用实例分割网络对关键帧进行实例分割,建立先验语义信息;然后计算特征点光流场对物体进一步区分,识别出场景真正运动物体并将属于动态物体的特征点去除;最后进行语义关联,建立无动态物体干扰的语义地图.将本文方法在室内环境公开数据集中测试,结果表明该方法可有效消除动态物体对建图的影响,提高建图精度.     

基于ROS的室内移动机器人研究

为了满足监测室内环境的需求,设计一款在室内巡逻的移动机器人.移动机器人采用搭载ROS系统的树莓派作为控制核心,利用激光雷达采集环境信息,在ROS分布式框架下利用各种功能包进行算法开发.基于Gmapping算法进行建图,运用A*算法和DWA算法实现自主导航.机器人选用麦克纳姆轮来应付复杂的环境.在经过室内环境测试后,能够完成室内地图构建和自主导航的目标,对今后在室内环境下研究具有重要意义.     

基于天体三维模型的着陆段视觉导航方法

针对深空探测精确着陆的需求,本文提出一种基于天体三维模型的着陆器视觉导航方法.该方法以天体三维模型为数据基础,根据着陆器初始猜测状态在线生成导航地图,通过已知路标匹配确定着陆器相对着陆点位置姿态;借助三维模型提供的深度信息配准像素灰度,恢复序列图像帧间运动,给出两次已知路标匹配之间的局部运动轨迹,实现着陆下降过程着陆器状态的准确估计.在线生成参考地图与实际采集的天体图像在尺度、视角等方面比较接近,更易于导航路标的匹配,解决了下降过程尺度大范围变化使路标难以匹配的问题.引入像素深度信息辅助灰度配准,通过搜索图像间平移和旋转使图像中的全部特征灰度差异最小,采用了全局优化思想,因此可以克服特征匹配过程易陷入局部极小,出现误匹配的问题,具有更高的帧间运动估计精度和稳定性.数学仿真表明,本文提出的视觉导航方法具有良好的性能,满足深空探测高精度着陆的导航需求.     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.     

Semantic categorization of indoor places using CNN for mobile robot exploration

The ability of achieving a semantic understanding of workspaces is an important capability for mobile robot. A method is proposed to categorize different places in a typical indoor environment by using a Kinect sensors for mobile robot exploration. At first,the invariant feature based images stitching approach is adopted to form a panoramic image according to Kinect visual information,and the translation between Kinect depth information and obstacle distance information is performed to obtain virtual LIDAR data. Then,the semantic classifier is designed by using convolutional neural networks( CNN) for indoor place categorization based on Kinect visual observations with panoramic view. At last,a frontier-based exploration method is applied to carry out indoor autonomous exploration of mobile robots,which integrates the CNN-based categorization approach. The proposed method has been implemented and tested on a real robot,and experiment results demonstrate the approach effectiveness on solving the semantic categorization problem for mobile robot exploration.     

基于摄像机的人体运动分析系统标志点图像处理

针对基于普通摄像技术的人体运动分析系统检测精度与处理速度低的问题,提出了一种快速标志点模糊图像预处理及标志点识别与跟踪的新方法。该方法首先利用快速模糊边缘检测算法对图像进行增强处理,然后使用作者构造的基于阈值法的连通域判别算法提取标志点图像边缘,最后运用“一阶预测—局部搜索”方法查找与跟踪标志点。对比实验及临床应用结果表明,该方法具有运算量小,图像处理快的特点,提高了运动分析系统的运行速度。该方法尽管是针对由普通摄像机替代专用设备建造的人体运动信息分析系统中图像处理问题提出的,但它同样适用于其它有关静止或低速运动物体图像的检测、处理与模式识别等方面的研究。     

机器人双目图像实时立体匹配算法

针对移动机器人平台上的双目视觉深度信息获取问题,研究了一种适用于动态图像序列的双目图像立体匹配算法.采用成熟的半全局立体匹配算法对图像快速立体匹配;分析了在复杂环境下的运动平台上完成立体匹配所面临的主要噪声干扰,包括白斑噪声和断层闪烁噪声;为此,分别提出了白斑滤波算法和视差图时间域滤波方法以抑制这两种噪声.试验结果表明,所提出的算法能够有效抑制动态双目图像在立体匹配时的噪声干扰,最终能够实时获得连续清晰的视差图序列.      

交比不变量在机器视觉中的误差分析及应用

研究成像过程中交比不变量的误差问题.介绍了如何利用两个黑条来构造共线4点的交比;分析了图像像素噪声对交比值精度的影响;给出了一个与摄像机外部参数有关的交比误差不等式,得到了交比误差上下限.利用交比不变性设计了一种结构简单的新型人工路标,这种路标对各种视角及变光照条件下的检测具有很高的鲁棒性.真实图像的检测结果表明,这种人工路标易于识别,被检速度快而准.这对单目自主移动机器人基于人工路标的视觉定位与导航具有重要的实际应用价值.     

基于UKF的室内移动机器人定位问题

定位是移动机器人必须具备的基本要求,在室内环境中,物体大多是多边形,因此可由线段进行描述,由激光传感器获取环境信息,采用哈夫变换对激光数据进行分簇,最小二乘法拟合线段特征,并建立里程计模型和观测模型;在传统的EKF定位算法中,线性化处理会导致计算精度下降,甚至造成滤波器的不稳定,且推导Jacobian矩阵比较困难;为了克服EKF的缺点,文章采用UKF算法将里程计数据和激光传感器数据进行融合,无需进行线性化处理,可获得高精度的移动机器人的位姿;通过实验,验证了基于UKF的定位算法在定位的精确性上优于传统的EKF定位算法。     

基于GAN的低照度图像增强算法研究

针对低照度图像增强问题,提出一种基于GAN的循环式图像增强网络,引入无监督学习方式,通过降低循环一致性损失和对抗性损失,估计低照度图像的原始光照图,并利用建立的图像增强模型公式,对光照不足环境下采集到的图像进行亮度等方面的增强．在人工合成低照度图像数据集和真实自然低照度图像数据集上,均进行了质化评价和量化评价,实验表明,与现有的一些图像增强方法相比,本文所提出的方法具有更好的图像增强效果,能够由低照度图像复原出生动、清晰、直观、自然的高质量图像．     

具有水样采集功能的观测型水下机器人的设计

为改善现阶段渔业养殖、 水下环境监测、 水质检测等领域人员作业困难、 效率低下的问题, 设计了一款具有水样采集功能的观测型水下机器人, 该设计搭载了传感器和水样采集装置采集水体环境信息。 首先进行了水样采集实验, 验证其运动能力和水样采集能力。 然后针对自然水域采集的图像, 采取动态阈值白平衡的方法, 去除光源强度和色偏的影响。 最后使用对比度拉伸、 直方图均衡、 限制对比度自适应直方图均衡(CLAHE:Contrast Limited Adaptive Histogram Equalization)3 种算法进行图像增强, 选取对比度、 信息熵和平均梯度进行像质评价。 实验结果表明, 该设计具有操作灵活, 交互性强的特点,CLAHE 方法明显提升了水下图像细节, 为科研实验、 水下探测和环境保护等方面提供了新途径。     

视觉引导下协作机器人抓取技术研究

针对在多物体复杂抓取场景下,协作机器人如何实现能在人机共融的环境中精确抓取特定目标工件及自主避障的问题,提出了一种基于监督学习的视觉引导下的协作机器人抓取方法;首先利用监督学习算法训练和处理待抓取物图像信息,完成对抓取目标特征的快速识别与定位;然后将抓取物的定位信息通过串口通信协议传输给ROS系统控制机器人完成运动规划...