论文部分内容阅读
环境感知是移动机器人研究中的关键技术之一，随着智能车研究的迅速发展，逐渐展现出较大的研究价值和应用前景。本文主要讨论了室外移动机器人在视觉感知中的若干关键问题，主要包括如下几个方面：
针对室外移动机器人视觉感知的特点，扩展了信息融合的概念，提出了广义信息融合，包括多传感器融合、时序融合、方法融合和应用/功能融合四个部分。在此基础上，提出了基于视觉的SLOM感知框架，重点解决运动平台上的运动目标检测问题。该框架具有结构清晰、整体性和扩展性强等特点。
障碍物检测是移动机器人最基本的功能之一。本文在对已有方法深入分析的基础上，对基于平面射影变换的方法加以归纳和形式化，并使用相对仿射结构进行了充分必要性证明。针对直方图方法定位精度低等问题，本文根据广义信息融合的基本思想，提出了PPT-RS障碍物检测算法。实验结果表明，该算法在保证实时性和对地面纹理鲁棒性的同时，大大提高了检测的定位精度。此外，Kalman滤波跟踪的使用，也进一步提高了检测的精度和可靠性。
提出并实现了一种基于激光雷达的移动机器人实时位姿估计算法，该算法包括基于Hough变换的切线角度直方图HTAH算法和迭代切线加权最近点ITCP算法两部分：HTAH算法通过引入切线方向和新的搜索策略，在精度和鲁棒性不变的同时，运算速度比其它基于Hough变换的方法提高5-10倍；ITCP算法使用切线一致规则提高了对应点的可靠性，使用切线加权最小二乘法解决了现有鲁棒方法无法解决的类孔径问题。根据广义信息融合的基本思想，本文还对这两种方法进行了融合，不仅解决了迭代最近点算法的局部最小值和低收敛速度问题，同时也避免了角度直方图算法的精度低问题和多边形环境要求。仿真数据和实际数据的实验结果都证明了TAHICP算法具有精度高、速度快、对噪声、遮挡和类孔径问题鲁棒性强的特点。
提出并实现了一种基于视觉的移动机器人实时位姿估计算法。针对本文讨论情况，使用地面平坦假设，简化了帧间运动模型，提出了二维平面运动模型，大大降低了算法复杂度，并避免了室外环境特征点的选取困难，解决了传统方法一直难以解决的实时性问题。障碍物检测结果的引入，有效地去除了特征点中的外点，提高了算法的可靠性。该算法包括梯度方向角度直方图算法和迭代梯度方向最近点算法两个部分，二者的融合有效地解决了迭代最近点算法的局部最小值和大计算量问题。实验结果表明，梯度方向一致性准则的引入，极大地提高了对应点匹配的可靠性，提高了估计的精度；M估计的使用，大大提高了算法对错误对应点的鲁棒性，提高了估计的精度。仿真数据和实际数据的实验结果都证明了该算法具有精度高、速度快、对外点鲁棒性强等特点。