Autolabor AGV视觉障碍物检测系统设计开题报告

1. 研究目的与意义

随着计算机、自动控制和图像处理技术的突飞猛进,避障技术也得到了提升和发展。避障技术不但融合了图像处理、智能控制、人工智能等多种专业技术,而且跨越了计算机、电子、自动控制等多个学科。该技术在军事领域、科学探测、交通管制、工业制造、医疗服务等领域得到了广泛应用,具有极大研究价值和市场价值。越来越多的企业开始关注各种具有自主导航与避障能力的机器,从而替代人类的一些日常生产活动,为人们的生活带来了许多便利。

避障是自主移动机器在移动或飞行过程中,通过感知其到目的地的规划路径上存在的障碍物,并采取一定的避障算法实时更新路径同时绕开障碍物,最终到达目的地。而环境感知是自主移动机器能够安全避障的关键技术,是导航与避障路径规划的前提与基础,其作用就是要能够有效感知周围环境的障碍物位置、尺寸、形状、距离等几何信息。环境感知的方式一般可分为超声波、激光、以及视觉感知。传统机器的导航与避障主要依赖超声波和激光环境感知方式去主动测量前进方向上的环境信息。但是超声波与激光的环境感知方式对环境噪声较为敏感,并且只能获取较为单一的深度信息,并不能很好的感知现实场景中障碍物的几何信息。目前,移动机器的自主避障主要采用双目视觉方式感知前进方向上的环境信息。视觉环境感知就是将视觉系统改造成双目视觉系统与超声波和激光主动式距离的感知方式相比,基于被动式的双目视觉系统具有信息量丰富、可靠性强、容易拓展、成本低廉等优点,因此双目视觉在实际的应用中拥有相当大的研究价值和市场价值。这种方式也越来越受到国内外研究者的青睐。

agv（自动导引小车)，是指装备有电磁或光学等自动导引装置，可以在规定的导航路径上行驶，是具有安全保护以及各种移载功能的运输小车。而能够实时获取在其前进方向上的障碍物方位信息是机器自主避障的关键,这也是避障系统在避障路径规划中的前提条件。本文基于双目视觉理论的autolabor agv设计了避障系统,并且实现了移动机器对环境障碍物的方位有效检测。

2. 研究内容和预期目标

研究内容：

双目视觉测距的理论研究。通过研究双目视觉理论和双目测距实现方法，论述了相机标定和图像校正、立体匹配等相关的理论知识和方法步骤。本文通过opencv实现了图像校正和sgbm立体匹配算法,获得稠密的视差图,并获得场景中物体的深度信息。

双目视觉的障碍物检测研究。根据设定障碍物检测的参数模型,从二维的深度信息中分割出来障碍物。提出一种双目视觉障碍物分割算法,实现障碍目标的检测。

3. 研究的方法与步骤

开始先参阅相关产品的技术资料,检索文献与论文，拟确定总体设计方案。进行试验时，首先利用Matlab相机标定工具实现了双目相机标定,获得相机标定的内外参数,然后根据这些标定的参数采用OpenCV的极线校正函数对图像校正,最后根据校正后的图像采用OpenCV的SGBM立体匹配函数获得深度图像。再根据深度图像提取出场景中障碍物的轮廓信息，从而实现场景中障碍物的有效检测。

4. 参考文献

[1]侯之旭. 动态环境下移动机器人实时避障研究[d]. 2016.

[2]王铮, 赵晓, 佘宏杰,等. 基于双目视觉的agv障碍物检测与避障[j]. 计算机集成制造系统, 2018.

[3]马颂德, 张正友. 计算机视觉:计算理论与算法基础[m]. 科学出版社, 1998.

5. 计划与进度安排

1.03-01至03-20 查阅资料，分析实施方案

2.03-21至04-15 获得相机标定的内外参数

3.04-16至05-05 进行立体匹配，获得深度图像