论文部分内容阅读
随着信息技术以及计算机的发展,人工智能逐渐成为各个领域的研究热点,作为人工智能的典型代表移动机器人进入了新的研究热潮。在机器人移动过程中,障碍物检测以及避障是它基本功能。目前利用超声波、红外线、激光雷达、彩色摄像头、多传感器融合进行障碍物检测时,会存在较多的问题,如不能获取障碍物目标的边界信息、易受到光照的影响、计算量大以及融合算法复杂、对传感器同步要求较高等。针对上述问题,本文提出了使用深度摄像头作为传感器来进行障碍物检测的方法,以自主研制的两轮移动机器人Robot-BX作为研究平台,对移动机器人在障碍物的检测以及避障中存在的问题进行了深入研究,并提出相应的解决方法,论文主要内容如下:首先,研究了基于深度摄像头的障碍物检测方法。由于深度摄像头检测到的深度图像像素点多,导致数据处理效率低、检测速度慢,尤其不适于检测移动障碍物。因此本文提出了提高深度摄像头检测速度的方法,即对深度图像的像素点进行筛选,降低像素点数目,提高数据处理效率。另外,由于受到背景以及地面的影响,深度摄像头未能准确的识别障碍物的具体位置,本文采用Meanshift算法进行图像分割去除背景,随后利用区域增长算法提取出障碍物。其次,研究了机器人的避障机制。本文提出在机器人行走过程中通过深度摄像头检测到障碍物,然后将信息传递到下位机,指导机器人避开障碍物的方法;针对单个遗传算法以及蚁群算法避障存在的遇到动态障碍物避障速度慢以及拐点处距离障碍物较近以至于将要与障碍物发生碰撞的问题。提出了一种新的避障方法,即遗传算法与蚁群算法分层结合的避障算法,机器人底层利用遗传算法进行全局搜索,产生收敛全局的子代,将产生的粒子传输到上层,然后利用蚁群算法的局部搜索能力强的特点,来提高动态环境下避障速度以及拐点处的避障性能,通过仿真实验以及实物验证了改进分层遗传-蚁群算法的可行性。最后,在自主搭建的移动机器人Robot-BX上,选用深度摄像头传感器,对上述提出的障碍物检测算法以及改进的分层遗传-蚁群算法进行实际运行,通过具体的实物来验证实验方案的可行性。实验证明,论文提出的深度摄像头避障方法和机制可行。