基于双目视觉信息融合的移动机器人避障研究基于双目视觉信息融合的移动机器人避障研究.pdf

《基于双目视觉信息融合的移动机器人避障研究基于双目视觉信息融合的移动机器人避障研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ELECTRONICSWORLD・探索与观察基于双目视觉信息融合的移动机器人避障研究沈阳理工大学自动化与电气工程学院谷凤伟金西虎姜珊【摘要】通常未知环境中的障碍物使传感器数据具有很大不确定性，仅仅依靠一种传感器来进行障碍的检测与躲避已无法保证可靠准确性；针对这种不足，提出一种基于双目视觉并融合激光测距和超声波传感器的精确检测方法，利用Takagi-Sugeno（T-S）模型的模糊神经网络融合多传感器信息；在MATLAB环境下对模糊神经网络避障进行仿真验证；实验结果表明，该方法具有较好的准确性和鲁棒性

2、，能够适用于机器人的避障要求。【关键词】双目视觉；避障；信息融合；模糊神经网络式发出超声波，紧接着超声换能器能够转入接受状态，引言处理单元会对接收到的超声脉冲进行一步分析，判断接收到的信号是不是之前所发出的超声波的回声。如果是移动机器人的智能避障算法已经有很多专家学者进就可以测量超声波的传播时间，使用测量时间计算行行了非常深入的研究，对于简单已知结构化环境的障碍程，除以2就可以得到反射超声波物体的距离[4]。超声波物检测也已经取得了较好的效果，但针对复杂多变的环传感器分列在移动机器人左侧90°、45

3、°和右侧90°、境往往就已有算法来说不能够达到良好的避障要求。于45°，主要用来检测侧边障碍物。是，近几年来多传感器信息融合技术就越发引起人们足激光测距仪作为一种基于TOF（timeofflight）原够的重视，而且多传感器融合系统还可以有效地解决单理的高精度、高解析度的外部传感器，其与超声波传感一传感器模糊点的问题[1]，从而能够更加精确地观察和器相比，激光测距仪可以达到更远的测距距离、更高的解释环境，所以在移动机器人的避障系统中有非常大的角度分辨率、更加短的采样周期甚至较低的测量噪声；研究价值。

4、虽然此领域目前也已经有很多的研究工作，与像相机中的图像传感器相比，其基本不受光线影响、但如何能很好的描述并处理所有的传感器信息进一步加处理方法较为简单和数据精度更高等一系列优点。本实以融合用于导航避障还没有一个很好的方法，尤其是非验采用两个DLS-50型激光测距仪装置在机器人正前方。结构化复杂环境。测距传感器安放位置如图1所示。本文主要讨论由双目相机组成的视觉系统和激光测距与超声波传感器的信息融合问题。以往的检测避障有结合两种传感器的而且用超声波传感器的居多，但超声波测距范围偏小，只能在低速运行机器

5、人系统中起到作用，如果在正前方的障碍检测中采用激光测距不仅测距范围增大，检测灵敏性也得到极大提高，给机器人足够的避障反应时间。同时再结合双目相机获取障碍物二维图像，融合有关的信息就能精确定位障碍物[2]。考虑到图像和距离两方面的互补信息，这里提出T-S模糊神经网图1测距传感器组络方法，因其具有实时处理大量数据的能力、知识泛化其中，1、2为激光测距仪，3、4、5、6为超声波传能力及结构的容错性等优点[3]，可以满足条件。感器，UGV-1为移动机器人平台。1.2双目视觉模型1传感器模型双目立体视觉（Bi

6、nocularStereoVision）是机器视觉的一种非常重要形式，其是基于视差原理且使用成像1.1测距传感器模型设备从不同的物理位置获取到被测物体的两幅图像，可本文先结合两种传感器，分别为四个超声波传感器以通过计算图像对应点之间的位置偏差从而来获得物体和两个激光测距仪。超声波传感器由三个部分构成：超的三维几何信息的方法[5]。立体视觉系统是由左右两部声换能器、处理单元以及输出级。首先，处理单元会对相机组成。如下图2所示，图中分别以字母l和r标注左、超声换能器加上电压激励，在其受激之后会以脉冲的形

7、右相机的相应参数。世界坐标系中的任一点A(X,Y,Z)在••ELECTRONICSWORLD・探索与观察左右相机中的成像面Cl和Cr上的成像点分别是al(ul,vl)和图，从而判断出障碍物高度。三维空间中某个点(x,y,z)ar(ur,vr)，然后分别作出其与各自的相机光心Ol和Or之间的到平面的距离d的计算公式为：连线，也就是投影线alOl和arOr，得到的交点为A(X,Y,Z)。(1)激光测距仪和超声波传感器提供了对环境中障碍物距离和方向的快速检测，激光扫描数据[6]可用极坐标表示为：(2)

8、或者由直角坐标表示为(3)其中：式中：N——扫描点数。同样对于超声波传感器可以估算4个距离值，用基于特征点和形心与它们所在区域的关系采取一种简单方法计算，通过坐标转换就获得在摄像机坐标系中的4个点的距离值。图2双目立体视觉基本原理图2.2信息融合方法对于多传感器系统来说，信息具有多样性和复杂性，2避障算法因此对信息融合方法的基本要求是具有鲁棒性和并行处理能力。目前较为成熟的多传感器信息融合方法有很多，使用机器视觉传感器及相应算法来实现移动机器人其中不乏优秀的智能融合计