基于图像处理的星球车沉陷量检测方法研究

《基于图像处理的星球车沉陷量检测方法研究》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、硕士学位论文(学术型)基于图像处理的星球车沉陷量检测方法研究THERESEARCHOFPLANETARYROVER’SWHEELSINKAGEDETECTIONMETHODBASEDONIMAGEPROCESSING吕凤天哈尔滨工业大学2015年7月国内图书分类号：V448学校代码：10213国际图书分类号：621密级：公开工学硕士学位论文基于图像处理的星球车沉陷量检测方法研究硕士研究生：吕凤天导师：高海波教授申请学位：工学硕士学科：航空宇航制造工程所在单位：机电工程学院答辩日期：2015年7月授予学位单位：哈尔滨工业大学Classifi

2、edIndex:V448U.D.C:621DissertationfortheMasterDegreeinEngineeringTHERESEARCHOFPLANETARYROVER’SWHEELSINKAGEDETECTIONMETHODBASEDONIMAGEPROCESSINGCandidate：LvFengtianSupervisor：Prof.GaoHaiboAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：AeronauticsandAstronauticsManuf

3、acturingEngineeringAffiliation：SchoolofMechatronicsEngineeringDateofDefence：July,2015Degree-Conferring-Institution：HarbinInstituteofTechnology哈尔滨工业大学工学硕士学位论文摘要星球探测任务要求星球车在崎岖地形具有良好的移动性能。轮地相互作用对星球车在复杂地形的移动性能有着重要的影响。车轮沉陷量是评价和预测轮地相互作用情况的关键变量。检测星球探测车车轮沉陷量对于星球探测车的移动控制优化和预防陷车具有重

4、要意义。以往的大多数研究人员主要是通过试验来确定沉陷量的预估模型，本文主要从车轮沉陷的轮地作用图像角度对沉陷量的检测算法进行了研究。本文研究了轮地作用图像的增强算法，针对轮地作用图像特性，对传统的图像增强算法进行了改进，提出了饱和度动态分段非线性增强算法。并从增强前后图像的信息熵、对比度、清晰度和边缘锐度对该算法进行了评价，主要指标优于指数增强、直方图均衡化以及饱和度直方图规定化。结合饱和度动态分段非线性增强算法，对增强后的彩色图像的车轮区域进行了地面反射色彩的去除。通过轮地作用图像的增强，使得地面区域和车轮区域色彩特征区别明显，为图像分

5、割奠定了基础。定义了复杂地面工况下车轮沉陷量，建立了基于轮地作用边界特征的车轮沉陷量计算模型。通过分析轮地作用边界的形态学特征，对轮地作用边界特征进行了数学描述。为了提取车轮区域轮廓线，对轮地作用图像进行了分割。结合分割后图像边缘及轮地接触形态学特征提取出了轮地作用边界。利用轮地作用边界的数据和沉陷量估计模型，可以对车轮沉陷深度、进入角和离去角进行有效的估计。利用带有视觉采集系统的轮地作用测试平台对沉陷量检测算法进行了试验验证。在平坦地面对算法的精度进行了检测，试验数据证明沉陷深度的检测精度较高，相对误差约为10%，通过改变拍照角度的试验

6、对图像校正算法进行了验证，在平坦地面进行了车轮沉陷量的动态检测进行了验证，在平坦、凸起、凹陷、高低不平多种地形工况下对算法的适用性进行了试验验证。关键词：车轮沉陷量；视觉检测；轮地作用边界；轮地相互作用；饱和度增强；-I-哈尔滨工业大学工学硕士学位论文AbstractTheplanetsexplorationmissionsrequiretheroverstotraverseovermorechallengingdeformableroughterrain.Wheel-soilinteractionplaysanimportantrole

7、inrovers’trafficabilityindeformableroughterrain.Wheelsinkageisthekeyparameterforestimatingandpredirectingwheel-soilinteraction.Thedetectionofwheelsinkagehasgreatsignificanceforrovermobilityoptimizationcontrolandpreventionofwheelsinking.Mostofpreviousresearchersbuildthewhe

8、elsinkageestimationformulathroughtheexperiments.Thispaperresearcheswheelsinkagedetectionmethodfr