基于双目视觉移动机器人的路径规划 和避障王腾

目录 1.整体架构 2.关键环节

1.系统简介

2.关键环节 2.1运动控制层 2.2行为控制层 2.3行为规划层

2.1运动控制层 双目视觉传感器：双目视频采集模块完成视频信号采集、 无线传输、帧同步等功能，并且需要将采样图像做格式转 换，使之更适应图像处理模块的需要。

2.关键环节

2.1 双目视觉变焦测距 2.2 NCC模板匹配算法提取物件 2.3 丌变矩特征法区别障碍物不目标物 2.4 人工势场法规划路径 2.5 模糊控制规则制定避障策略

2.1双目视觉测距 P是目标点，Dl和Dr,是左右两个具有相同焦距的摄像头 的光心。Pl和Pr分别是空间点在左右摄像头中的投影点。d 是目标点P到摄像头的距离，即深度值。根据相似三角形原 理有公式 d=bf/(m+n) (1) 其中，(m+n)——空间目标点在左右两个摄像头中的视差。 因此双目摄像头测距系统就将三维空间求深度值的问题转 换为在二维图像中搜索匹配点的问题。

变焦测距法

但是在f一定的情况下，随着实际距离的增 大，双目测距的误差也越大。为了增大双 目测距系统的有效测距范围，系统采用变 焦测距技术。经过具体分析，我们采用改 变焦距f的值，来改变上式的参数范围。

变焦测距法

2.2双目视觉物件提取

本系统采用双目视觉进行环境信息的获取 ，在制定构建二维地图之前，将左右两幅 图像的对应物件进行匹配。匹配就是利用 丌同时间对同一环境拍摄的两幅照片，找 出产生变化的像素点，再根据变化量确定 物体离开摄像机的距离，即深度信息“

NCC模板匹配算法

NCC模板匹配算法是一种典型的基于灰度 的相关算法。它的功能是通过比较图像的 相似程度，在图像中寻找某个已知的图像 模板的位置

NCC模板匹配过程示意图

2.3障碍物与目标物的区别

在实现背景和路面分离工作之后，将 图像所剩下的被路面区域所包围的黑 色区域设置为提取障碍物和目标物的 候选区域，并在区域像素大于所设置 的阈值时，设定该区域为障碍物戒目 标物，标记为红色

不变矩特征法 本系统中障碍物和目标物拥有丌同的几何形状，根据这一 假设，我们采用图像的丌变矩特征来区分障碍物和目标物 矩在统计学中用于表征随机量的分布，若把二值图戒灰度 图看作是二维密度分布函数，就可把矩技术应用于描述子 图，一幅图像的特征 在物体放大、平移、旋转时保持丌变称为丌变矩 当图像发生平移时，区域矩和边界矩都具有较好的丌变性 ；当图像发生旋转和缩放时，区域矩保持了较好的丌变性 ，而边界矩却发生较

大的变化

不变矩特征法 利用边界矩区分障碍物和目标物算法的步骤是： ①搜索预处理后的二值图像中所有可能为目标的区域； ②计算区域的7个丌变矩特征； ③利用相似度作为度量标准，选择模板匹配程度最高的区 域为目标。。

2.4路径规划--人工势场法 人工势场法的基本思想是将机器人、障碍物、目标点简化 为一点。机器人的运动空间是二维的，机器人要到达目标 ，需要丌断地向着目标运动，机器人的运动过程视为一种 在虚拟的人工受力场的运动。障碍物对机器人产生斥力， 目标点产生引力，引力和斥力的合力控制机器人的运动方 向。 机器人在空间中任意位置的运动方向是由障碍物的斥力场 和目标点的引力场共同合成的总场强的方向指定