论文部分内容阅读
移动机器人技术在工业应用、科学探测、救灾救险、军事等众多领域中都有着广泛的应用前景。而随着图像处理技术以及计算机处理能力的飞速发展，移动机器人视觉导航技术已经成为近年来移动机器人智能化研究的前沿课题和研究热点，其中的道路检测技术是移动机器人视觉导航中的关键技术之一，对提高移动机器人视觉导航能力和智能化水平具有重要的实用价值和研究意义。由于移动机器人工作状态和道路环境的复杂多变，对道路检测算法的设计带来很大的困难，如何增强算法对外界环境因素干扰的鲁棒性，如何减小由于移动机器人自身运动带来的检测误差，以及道路检测系统实时性的提高等都是当前已有道路检测算法需要改进的方面。本文主要针对基于检测道路引导线的移动机器人单目视觉导航系统，研究了摄像机标定、图像预处理、图像灰度化、道路边缘和直线检测等关键技术，实现了一个结构化道路环境下的移动机器人视觉导航系统。论文主要研究的内容包括：首先，针对摄像机隐式标定算法中存在的样本点数少和精度要求高的矛盾，利用样条变换多元回归模型，提出一种改进的摄像机隐式标定算法。其次，通过对几种相关图像预处理算法进行分析、比较，选择了一种基于多彩色空间的预处理算法，在HSI模型中采用直方图均衡化进行道路图像的增强，在RGB模型中通过快速中值滤波进行道路图像的平滑。然后，采用了一种基于颜色和边缘信息相结合的道路检测方法，首先提出了道路引导线颜色特征提取的判据并依此进行道路图像的灰度化，进而在道路检测中对传统边缘和直线检测算法进行优化和改进，提出了一种基于自适应Canny算子的边缘检测算法和一种基于双阈值筛选Hough变换的道路引导线检测算法，达到更加准确、快速检测道路引导线的目的。最后，在移动机器人视觉导航系统平台上，选择可视化开发工具Visual C++作为数字图像处理软件，对本文提出和采用的各种算法进行了实验和结果分析，并于移动机器人视觉导航系统中得到了成功的实际应用。实验和应用结果表明，本文的研究达到了预期的效果。