發(fā)布時間：2018-03-04 09:06

  本文選題：移動機(jī)器人　切入點：凹形障礙物　出處：《北京信息科技大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在環(huán)境信息非固定、不可知且結(jié)構(gòu)及尺寸變化不規(guī)律、不穩(wěn)定的非結(jié)構(gòu)化環(huán)境下的障礙認(rèn)知是移動機(jī)器人研究領(lǐng)域的關(guān)鍵技術(shù)之一,是機(jī)器人完成其它高級任務(wù)的必要基礎(chǔ)。現(xiàn)階段國內(nèi)外在非結(jié)構(gòu)化環(huán)境中障礙的認(rèn)知方面已做了很多研究,但是大多針對的是凸起型障礙目標(biāo),很少有針對凹形障礙物的研究。本文針對這一問題,以三維激光雷達(dá)為主要的視覺傳感器,構(gòu)建了移動機(jī)器人平臺,提出了一種激光傳感多信息特征融合識別算法來完成非結(jié)構(gòu)化環(huán)境下有極大威脅、具有一定隱蔽性的溝坑等凹形障礙物的識別,實現(xiàn)非結(jié)構(gòu)化環(huán)境下凹障礙的認(rèn)知。一、構(gòu)建移動機(jī)器人系統(tǒng)平臺;對比不同類型的激光雷達(dá),針對本文研究完成了激光雷達(dá)選型工作;二、研究點云數(shù)據(jù)的特點,針對多線激光雷達(dá)獲得的點云數(shù)據(jù)提出一種基于曲率分類的濾波方法,以采樣點鄰域內(nèi)的平均高斯曲率值來劃分點云數(shù)據(jù)模型的區(qū)域類型,再針對不同的區(qū)域類型分別采用自適應(yīng)中值濾波和自適應(yīng)雙邊濾波方法,使其既適用于靜態(tài)目標(biāo)環(huán)境,又適用于動態(tài)目標(biāo)過程;三、針對非結(jié)構(gòu)化環(huán)境下的各類障礙進(jìn)行了檢測研究。首先針對水體障礙通過測量激光返回強(qiáng)度值來進(jìn)行檢測,其次基于空間一致性的特點完成了對植被類障礙的檢測,最后通過相鄰激光束之間的徑向間隔的突變來實現(xiàn)對凹障礙的檢測。四、針對凹障礙的特點分析移動平臺在非結(jié)構(gòu)化環(huán)境下的可通過性,針對激光雷達(dá)傳統(tǒng)直立安裝方式在非結(jié)構(gòu)化環(huán)境下盲區(qū)大、點云數(shù)據(jù)密度稀疏的缺點,設(shè)計一種新的多元激光雷達(dá)布局方式,提高在感興趣區(qū)域(ROI)的點云密度,把移動機(jī)器人前方盲區(qū)的范圍控制在1.5米以內(nèi);五、提出一種基于貝葉斯準(zhǔn)則分配不同權(quán)重的激光傳感多信息特征融合識別算法來完成在非結(jié)構(gòu)化環(huán)境下凹障礙的認(rèn)知問題研究。針對本文設(shè)計的凹障礙認(rèn)知技術(shù),在所構(gòu)建的移動機(jī)器人平臺上進(jìn)行實驗,實驗結(jié)果表明通過本文的方法可以識別出非結(jié)構(gòu)化環(huán)境下2到20米范圍內(nèi)的凹障礙,實現(xiàn)了認(rèn)知任務(wù)。
[Abstract]:Obstacle cognition in unstable unstructured environment is one of the key technologies in the field of mobile robot research, in which environmental information is not fixed, unknown, structure and size change is not regular, and unstable unstructured environment is one of the key technologies in the field of mobile robot research. It is the necessary foundation for robots to accomplish other advanced tasks. At present, many researches have been done on the cognitive aspect of obstacles in unstructured environments, but most of them are aimed at protruding obstacle targets. There are few researches on concave obstacles. Aiming at this problem, a mobile robot platform is constructed based on 3D lidar as the main visual sensor. In this paper, a laser sensing multi-information feature fusion recognition algorithm is proposed to recognize concave obstacles in unstructured environment, such as trenches and pits, which are very dangerous and hidden, so as to realize the recognition of concave obstacles in unstructured environments. Build a mobile robot system platform; compare different types of lidar, for this study completed the type of lidar; second, study the characteristics of point cloud data, A filtering method based on curvature classification is proposed for the point cloud data obtained by multi-line lidar. The mean Gao Si curvature value in the neighborhood of the sample points is used to divide the region type of the point cloud data model. Then adaptive median filter and adaptive bilateral filter are used for different region types to make them suitable for both static target environment and dynamic target process. The detection of all kinds of obstacles in unstructured environment is studied. Firstly, the laser return intensity is measured to detect the water barrier. Secondly, based on the characteristics of spatial consistency, the detection of vegetation obstacle is completed. Finally, the detection of concave obstacle is realized by the abrupt change of radial interval between adjacent laser beams. Fourthly, the transmissivity of mobile platform in unstructured environment is analyzed according to the characteristics of concave obstacle. Aiming at the disadvantages of large blind area and sparse point cloud data density in unstructured environment, a new multi-element laser radar layout method is designed to improve the point cloud density in the region of interest. To control the range of blind areas in front of mobile robots within 1.5 meters; A laser sensor multi-information feature fusion recognition algorithm based on Bayesian criterion is proposed to study the concave obstacle in unstructured environment. The experimental results on the mobile robot platform show that the proposed method can identify concave obstacles within 2 to 20 meters in unstructured environment and achieve cognitive tasks.
【學(xué)位授予單位】：北京信息科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP242

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 黃如林;梁華為;陳佳佳;趙盼;杜明博;;基于激光雷達(dá)的無人駕駛汽車動態(tài)障礙物檢測、跟蹤與識別方法[J];機(jī)器人;2016年04期

2 余如;郭洪艷;陳虹;;自主駕駛車輛的預(yù)測避障控制[J];信息與控制;2015年01期

3 陳庚;李擎;時佳斌;王超杰;;未知環(huán)境中機(jī)器人可行區(qū)域的認(rèn)知研究[J];傳感器與微系統(tǒng);2015年01期

4 楊象軍;項志宇;劉濟(jì)林;;基于四線激光雷達(dá)的校園道路的檢測與跟蹤[J];傳感器與微系統(tǒng);2013年09期

5 嚴(yán)劍鋒;鄧喀中;邢正全;;基于最小二乘擬合的三維激光掃描點云濾波[J];測繪通報;2013年05期

6 王曉凱;李鋒;;改進(jìn)的自適應(yīng)中值濾波[J];計算機(jī)工程與應(yīng)用;2010年03期

7 孫純哲;林巨廣;樓贛菲;王淑旺;;凹形障礙全局路徑規(guī)劃的雙蟻群完全交叉算法[J];農(nóng)業(yè)機(jī)械學(xué)報;2008年07期

8 趙一兵;王榮本;李琳輝;金立生;郭烈;;基于激光雷達(dá)的無人駕駛車前方障礙物檢測[J];交通與計算機(jī);2007年02期

相關(guān)博士學(xué)位論文 前1條

1 邵海燕;基于線結(jié)構(gòu)光的水障礙、凹凸障礙物遠(yuǎn)距離感測技術(shù)[D];北京理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 肖強(qiáng);地面無人車輛越野環(huán)境多要素合成可通行區(qū)域檢測[D];北京理工大學(xué);2015年

2 王盛;復(fù)雜野外環(huán)境下機(jī)器人障礙物檢測方法研究[D];浙江大學(xué);2015年

3 吳瓊;三維點云模型數(shù)據(jù)的濾波算法與配準(zhǔn)算法研究[D];燕山大學(xué);2014年

4 曹飛飛;點云濾波和特征描述技術(shù)研究[D];燕山大學(xué);2014年

5 馬超;基于立體視覺的障礙物檢測研究[D];中南大學(xué);2014年

6 劉凱斯;機(jī)載激光LiDAR點云數(shù)據(jù)濾波和分類算法研究[D];首都師范大學(xué);2014年

7 靳潔;基于小波分析的地面三維激光掃描點云數(shù)據(jù)的濾波方法研究[D];長安大學(xué);2013年

8 楊象軍;基于四線激光雷達(dá)的道路檢測與跟蹤[D];浙江大學(xué);2013年

9 李r，

本文編號：1564997