论文部分内容阅读
随着人工智能领域相关学科的快速发展,人形机器人成为当今机器人研究中最为热门的研究方向之一。为了让人形机器人被广泛应用在人类日常生活中,它们需要具备在人类环境中的自主行走能力,而其中的最关键的一个方而就是在行走过程中能避开障碍物。本文研究的的内容就是人形机器人行走过程中的自主避障问题,其中涉及到机器人视觉和人形机器人的路径规划方法。单目视觉是基于一个摄像头的视觉系统,是一种常用的机器人环境感知解决方案。几乎所有的人形机器人路径规划方法,都是基于机器人视觉系统。视觉系统获取了环境信息,主要是目的地和障碍物相对机器人的位置,就可以为机器人设计一条到达目的地的无碰路径。本文的主要工作:1.针对单摄像头机器人视觉系统,提出一种障碍物识别方法。首先对人形机器人的行走环境进行合理假设。然后基于颜色特征和图像分割方法获取障碍物区域。根据地面样本在HIS颜色空间中的颜色特征,把实时图像中的像素点分类为障碍物和非障碍物。经过图像二值化和形态学处理,得到二值图像,对其进行图像分割找到各个障碍物大概区域。最后,计算出包围障碍物区域的矩形框,并用它们表示障碍物的边界。本文利用队列的数据结构和标记矩阵,实现了高效的基于区域增长的图像分割。在数字图像处理中,需要通过试验获取各个处理方法的参数,它们是得到良好识别效果的关键。2.在识别出障碍物的前提下,针对单摄像头机器人视觉系统,提出一种障碍物定位方法。首先建立摄像头的小孔成像模型,并对模型进行耦合性分析。然后对摄像头进行标定,求解出障碍物特征像素点的像素坐标和对应实际坐标的映射关系。在SVM和均值场理论基础上,提出一种利用均值场理论加速SVM学习的摄像头标定方法。最后,构造了一个基于角点检测的训练-测试方案,对摄像头进行标定,同时利用MATLAB的摄像头标定工具箱对摄像头进行标定,以验证本文方法的准确性。为提升角点检测能力和检测速度,提出一种基于邻域相似度预处理的方法,对传统Harris角点检测算法进行改进。3.提出一种实时在线的树形路径规划算法,使人形机器人能够在有障碍物的地面上自如行走。首先在机器人周围生成探测点,根据目的地和障碍物相对机器人的方位和距离,在这些探测点中选择一个临时的目的地。然后设计一个模糊控制器,给机器人确定一种合适的行走方式,走到选定的临时目的地。不断重复上述过程,机器人就可以通过一条无碰路径到达最终的目的地。最后在物理平台上对此方法进行实现和验证。