戶外環(huán)境下基于混合視覺系統(tǒng)的移動機器人可通行區(qū)域識別研究.pdf

1、識別周圍環(huán)境的可通行性是移動機器人路徑規(guī)劃的關鍵問題，不僅需要識別前方的可通行區(qū)域，也要對其它方向的可通行區(qū)域做出判別。本文結合雙目視覺系統(tǒng)的視差信息和全向視覺系統(tǒng)的全景圖像信息，提出了基于混合視覺系統(tǒng)的360°環(huán)境可通行區(qū)域識別方法，為實現(xiàn)機器人在復雜戶外環(huán)境下的自主運行奠定了基礎。
　　首先，根據(jù)自主識別前方可通行區(qū)域的需求，選擇了 Bumblebee雙目視覺系統(tǒng)。針對全向視覺系統(tǒng)的參數(shù)標定問題，選擇了雙曲線型反射鏡面與 Pr

2、osilica攝像機組成全向視覺系統(tǒng)。為了使混合視覺系統(tǒng)得到較大的共同視場，將雙目視覺系統(tǒng)置于全向視覺系統(tǒng)前方，一并搭載于全向移動機器人平臺上。
　　其次，通過ELAS匹配算法得出雙目視覺的視差信息，基于U-V視差算法實現(xiàn)機器人前方可通行區(qū)域的識別。為了將識別結果映射到全景圖像中，本文提出了基于坐標轉換的圖像映射方法，引入世界坐標系為媒介，建立左圖像坐標系到全景圖像坐標系的映射模型。并通過相應的 MATLAB標定工具箱計算出模型參

3、數(shù)。
　　再次，本文選擇了SVM算法在全景圖像中以前方可通行區(qū)域和不可通行區(qū)域的特征和標簽為樣本進行機器學習。為了提高算法效率，本文先通過 Preemptive SLIC算法對圖像進行超像素分割，進而分別基于LBP和WLD兩種局部紋理特征進行訓練分類，識別周圍360°環(huán)境的可通行區(qū)域。
　　最后，在戶外校園環(huán)境中開展了一系列的實驗，結果表明，本文提出的方法有效擴大了機器人對可通行區(qū)域的識別范圍，為機器人的路徑規(guī)劃能力提供了更