论文部分内容阅读
当前,智能家居理念深入人心,使清洁机器人产品受到越来越多关注。国内各科研机构在此领域的研究仍处于发展阶段,还有巨大的进步空间。清洁机器人障碍检测系统是机器人能够自主地、自适应地完成清洁任务的关键部分,对其研究具有重要的理论和现实意义。针对传统的红外、超声波障碍检测方法中存在的信号探测范围窄、物体信息不完整、系统扩展性差等缺点,本文拟将视觉传感器引入清洁机器人障碍检测系统,采用双目立体视觉技术完成障碍检测算法的设计。论文首先对当前智能清洁器产品的国内外发展现状进行介绍,并分析了它们的障碍检测部分的实现原理,进而阐述了基于视觉的障碍检测方法的发展现状,制定了本课题的主要研究内容。在查阅文献并结合产品整体设计理念的基础上,提出了本系统的功能需求,以此完成清洁机器人障碍检测系统的整体设计方案并介绍了系统的硬件平台。立体标定是实现双目障碍检测的基础。通过摄像机成像模型,搭建物理世界中物理单位与图像中像素单位之间的转化桥梁。另外,还需要标定相机镜头引入的畸变。本文基于张氏标定法,首先对左右摄像头进行标定得到其内外参数,进而基于双目模型完成立体标定。障碍物的实时检测对于清洁机器人的正常工作至关重要,而立体匹配是双目视觉障碍检测方案中计算最为复杂和繁琐的部分,因此立体匹配速度的改进是本课题研究的重点。本文选择区域匹配算法作为研究的基础,结合多分辨率匹配和可变视差搜索范围减少匹配过程中的冗余,提高匹配的效率。同时,从无纹理区域、唯一性约束、自适应匹配窗口和边缘区域校验四个方面检验视差有效性以减少误匹配现象,最终提出了一种快速区域匹配算法,保障匹配在一定误差范围内地同时提高了速度。针对障碍物的检测,利用视差图中易于分割的深度信息进行障碍物区域的提取。首先去除地表障碍及行进路线以外干扰,然后利用图像阈值分割出前景中的物体,最后利用连通区域的面积信息提取出目标障碍物。另外,本文最后尝试将此算法移植到ARM+linux嵌入式平台上,推动了双目立体视觉障碍检测方法的实用化进程。论文各章节中都给出了实验过程,并对结果进行详细分析。最终得出结论,本课题提出的障碍检测系统能够可靠快速地检测出清洁机器人行进路线上的障碍物。