论文部分内容阅读
导航技术是移动机器人研究的关键技术之一,其中视觉导航获取信息量丰富、灵敏度高、可扩展性好,是移动机器人导航的一个主要发展方向。由于标识线路径设置和变更较为容易,技术成本低,并且相对于其他视觉方法如三维视觉识别技术来说,基于标识线的图像处理速度快,实时性好,可靠性高。本文研究了基于标识线导引的移动机器人视觉导航和路径跟踪,针对图像中的路径提取问题,提出了一种高效的标识线提取方法,同时为提高机器人运行的稳定性,设计了具有平稳滤波且高效的模糊控制方法,并在不同场景下验证可行性。主要研究内容包括:1.针对图像中的噪声和环境干扰问题,提出一种可以从复杂环境中提取标识线的方法,首先通过高斯滤波处理输入图像,利用Canny算子检测出标识线轮廓,并通过Hough变换提取标识线边缘直线,最后采用FloodFill算法从边缘线中提取出标识线路径区域,该方法提取的标识线路径信息具有高度抗噪性。最终将路径区域通过形态学滤波方法细化,提取出标识线中心线,实验证明该方法提取的标识线中心线准确度较高。2.为提高标识线图像处理的可靠性,在需要停靠或转弯的地方设置数字路标,采用KNN分类器训练数字路标样本,使机器人在运行过程中识别到数字路标后改变其跟踪策略,一定程度上减少了标识线图像的处理时间。面对多交叉口路径时,通过事先编码路径信息,使机器人在面对多交叉口路径时能按照路径信息实现控制转向。3.在图像空间中采用预瞄点跟踪标识线,针对标识线图像处理与识别的结果,建立机器人的机体模型和两轮驱动运动模型,采用卡尔曼滤波和模糊控制法结合,实现对机器人运行的纠偏控制,实验证明该控制方法能较好的达到跟踪标识线的目的,且运行过程较为稳定。4.搭建基于ROS机器人操作系统下的开发平台,设计并实现了标识线图像处理与识别模块和路径跟踪模块的开发。在直线路径、转弯路径和障碍物遮挡场景下验证了本文所设计方法的可行性。