基于单目视觉的机器人动态障碍物检测与壁障方法研究

《基于单目视觉的机器人动态障碍物检测与壁障方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号ＴＰ２４１．２单位代码：１０１的：硏巧生学号２０１３４１４０２２密级：公开：變古林大学硕女学位论义专业学位（）基于基于单目视觉的机器人动态障碍物检測与壁摩方法研巧ＲｅｓｅａｒｃｈｏｎＲｏｂｏｔＤｙｎａｍｉｃＯｂｓｔａｃｌｅＤｅｔｅｃｔｉｏｎａｎｄＯｂｓｔａｃｌｅＡｖｏｌａｒＶｉｓｉｏｎｉｄａｎｃｅＭｅｔｈｏｄＢａｓｅｄｏｎＭｏｎｏｃｕ作者姓名：李启东类别；王程硕±领域（方向）：化械工程指导教师：倪涛教授§企业导晰

2、刘磊研究员＾辦位：机械鹏工程学院Ｍ２０１６年５月．ｍ－？—？－－－ａｒ基于单目视觉的机器人动态障碍物检测与壁障方法研究ＲｅｓｅａｒｃｈｏｎＲｏｂｏｔＤｎａｍｉｃＯｂｓｔａｃｌｅＤｅｔｅｃｔｉｏｎａｎｄｙＯｂｓｔａｃｉｌａＶｉｌｅＡｖｏｄａｎｃｅＭｅｔｈｏｄＢａｓｅｄｏｎＭｏｎｏｃｕｒｓｉｏｎ作者姓名：李房东领域（方向）；机械工程指导教师：倪涛教授企业导师；刘磊研究员类别；工程硕±答辩日期；Ｚ。／知＾月

3、奇日／．．■－＼未经本论文作者的书面授权，巧法收存和保管本论文书部面版本、电子版本的任何单位和个人，均不得对本论文的全编等或巧分内容进行任何形式的复制、修改、发性行使、出租、改限有碍作者著作枚的商业性使用（但纯学术巧不在此）。否则，应承担侵权的法律±责任。本吉林大学博±（或硕）学位论文原创性声明下人郑重声明．所呈交学位论文，是本人在经指导注教师的指导，独立进行研究工作所取得的成果。除文经中已明引用的内容外，本论文不包含任何其他个人或集体己发表体或撰写

4、迂的作品成果。对本文的研巧：做出重要贡献的个人和集，均已在人文承担中明确方式标明。本人完全意识到本声明的法律结果由本。学位论文作者签名；＾巧、．曰期；从年６月＾曰摘要论文题目：基于单目视觉的机器人动态障碍物检测与避障方法研究专业：机械工程指导教师：倪涛教授校外导师：刘磊研究员机器人技术是新一代科技革命中最重要的研究课题之一，工业机器人作为机器人研究领域中较早被人们掌握的技术，已广泛应用到生产、加工、制造等众多领域中。在工业机器人操作环境下，对于如何避免在机器人运动路径上随时闯入的工作

5、人员或其他动态障碍物发生碰撞，已成为机器人安全操作领域的重要课题之一。从机器人安全操作角度出发，在机器人末端安装环境信息采集装置，对周围环境进行分析与监控，从而避免此类碰撞事故的发生是十分必要的。针对以上提到的人机安全操作问题，本文利用实验室现有末端安装单目摄像头的ESPON六自由度小型械臂机作为实验对象，采用光流法实时检测机器人作业空间内动态侵入的人或障碍物，并在线修正机器人既定的作业路径，完成避障任务规划。首先，利用机器人提取的视觉信息对动态环境建立全局运动参数估计模型，并与背景补偿技术相结合，实现

6、了动态场景下背景与前景的分离，消除了由于机器人末端执行器运动对移动障碍物特征提取产生的影响；其次，通过对光流算法的分析，利用改进的基于KLT特征点跟踪的光流计算方法，实现了机器人对运动路径中出现的动态障碍物进行检测；最后，通过光流计算获取下一时刻障碍物的位置，根据障碍物的碰撞时间计算障碍物深度信息，并结合人工势场法，构建机器人与动态障碍物和目标物体之间的虚拟斥力和引力，从而实现机器人避障并接近目标物体。本文采用基于光流的动态障碍物检测并结合人工势场理论完成机器人避障的方法，以单目相机作为图像采集设备，可

7、在不更改现有自动化生产线上视觉伺服作业机器人的任何硬件结构的前提下，实现机器人的自主避障。同时，较基于双目视觉的障碍物检测相比，本系统由图像的光流速度估算机器人与动态障碍物的相对距离，有效的避免了由于现场环境、光照影响或纹理缺乏导致的双目图像匹配失败，从而更好的保证了机器人工作中避障的可靠性和实时性。本论文主要完成了以下几项工作：1、利用机器人末端摄像头提取场景中动态图像信息，并通过对动态图像信息的全局运动参数估计与背景补偿来实现动态场景中背景与前景的分离；建立摄像机运动参数模型，利用求解的参数模型对相

8、邻帧间进行运动补偿，消除了机器人末端执行器运动对障碍物特征提取产生的影响；2、在原有光流算法基础上，利用图像金字塔对基于KLT特征点跟踪的光流计算方法进行改进，提高了特征点匹配的稳定性，从而更好的实现了机器人对运动路径中出现的移动障碍物进行检测。3、通过对障碍物特征点处光流的计算，得到障碍物下一时刻的位置估计，提取障碍物的相对深度（Time-To-Contact）信息，并将人工势场理论和障碍物深度信息想结合，实现机器人对动态障碍物的躲避并接