论文部分内容阅读
当煤矿环境出现安全事故后,救灾机器人进入灾害现场进行救援活动,保障了人们的生命财产安全。障碍物识别与路径规划是矿井救灾机器人的关键技术,对其进行深入研究是机器人顺利完成救援任务的重要前提。故本文主要围绕这两个关键技术进行了以下研究:(1)进行了机器人立体视觉系统的标定。为求解左右摄像机的内部参数和相对位置关系,通过张正友标定法和Matlab工具箱对单目和双目视觉系统分别进行标定实验,并对标定结果进行投影误差分析。利用Fusiello算法对图像进行双目极线校正,为图像的立体匹配奠定基础。(2)研究了矿井救灾机器人障碍物识别。首先,分析矿井环境下的障碍物种类与特征;其次,采用基于改进小波变换的去噪算法对矿井红外图像进行滤波降噪处理,并通过Wiener滤波算法对图像进行运动去模糊处理;接着,利用Canny算子在较短时间内进行图像边缘特征检测,为障碍物图像识别研究做准备;然后,采用融合了基于标记的改进分水岭分割算法的Graph Cut算法对障碍物进行二维边缘和区域特征提取;最后,对采集的双目图像进行立体视觉匹配处理,进而获取障碍物的空间信息,为机器人的路径规划任务提供数据支撑。(3)研究了基于改进蚁群算法的机器人路径规划。该算法主要适用于全局静态环境中点到点间的路径规划,首先,本文通过大量仿真实验得出蚁群算法针对路径规划问题的参数最佳组合;其次,对初始信息素进行差异化分配来加快蚁群算法的收敛速度,将估计代价函数替代路径启发函数来提高蚁群算法的搜索效率,更新信息素,并引入迭代阈值参数来调节信息素挥发系数,防止蚁群算法陷入局部最优解;最后,对改进蚁群算法得到的最优路径进行平滑处理,通过MATLAB仿真实验对比,证明了此改进蚁群算法的有效性和优越性。(4)研究了基于势场蚁群算法的矿井救灾机器人路径规划。本文提出将势场蚁群算法应用于复杂的灾后矿井环境路径规划,完成指定区域的救援任务。将人工势场法和蚁群算法结合起来并利用蚁群搜索机制进行路径规划,通过蚁群算法的正反馈和全局寻优的特点以及人工势场法的躲避障碍和反馈控制的原理,使得势场蚁群算法解决了人工势场法的局部极小值问题和蚁群算法的盲目搜索问题。最后,通过MATLAB分别在结构化和非结构化矿井环境栅格地图下进行仿真实验对比,证明了此算法的可行性。该论文有图87幅,表10个,参考文献97篇。