機(jī)器人視覺導(dǎo)航中的圖像處理問題研究.pdf

1、人類數(shù)千年來不斷進(jìn)步和發(fā)展的基礎(chǔ)是生產(chǎn)力的不斷提高，從奴隸制到封建制度，再到現(xiàn)代社會(huì)，其主要?jiǎng)趧?dòng)人員也從奴隸變成農(nóng)民，以及現(xiàn)代的工程師?，F(xiàn)在，大家公認(rèn)的是，下一代社會(huì)勞動(dòng)的主體將會(huì)是機(jī)器人。所以針對(duì)機(jī)器人的應(yīng)用和研究對(duì)社會(huì)的影響和人們生活水平的提高具有長遠(yuǎn)和積極的影響。
　　公認(rèn)的智能機(jī)器人研究方向主要有五個(gè):機(jī)器本體、執(zhí)行器、系統(tǒng)集成、人工智能、機(jī)器視覺。其中，人工智能和機(jī)器視覺的現(xiàn)有背景是，一是國際研究發(fā)展十分迅速;二是我國在

2、該方向的現(xiàn)有水平是處于世界前沿;三是目前這兩項(xiàng)被我國政府規(guī)劃成為我國機(jī)器人產(chǎn)業(yè)在未來的重點(diǎn)發(fā)展方向。
　　智能機(jī)器人必須具有一定的人工智能，即能夠記憶、感知、推理、決策和學(xué)習(xí)。人工智能需要有通道才能獲得外部的信息，其中機(jī)器人對(duì)外部的感知信息的通道雖然有很多，但是視覺占了其主要部分，所以基于視覺的對(duì)外部環(huán)境的感知是各國研究人員研究的重點(diǎn)方向之一。同時(shí)，為了完成人類賦予機(jī)器人的任務(wù)，智能機(jī)器人必須能夠?qū)W會(huì)定位自己和規(guī)劃自己的運(yùn)動(dòng)，從而

3、學(xué)會(huì)行走，于是這一任務(wù)也變得十分重要。
　　本文基于這些研究目標(biāo)，以機(jī)器人視覺導(dǎo)航為主線，在研究和結(jié)合現(xiàn)有的人工智能的識(shí)別和優(yōu)化兩大領(lǐng)域的現(xiàn)有發(fā)展前沿的基礎(chǔ)上，主要做了四個(gè)方面的工作:
　　1.圖像去噪。針對(duì)椒鹽噪聲，本文研究了遺傳算法（Genetic Algorithm，GA）優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Network，BPN)和極限學(xué)習(xí)機(jī)(ExtremeLearning Machine，ELM)

4、兩種智能算法并加以應(yīng)用，一種是使用GA-BPN算法作為識(shí)別器，采用棋盤格圖像作為訓(xùn)練樣本的方法，訓(xùn)練出噪聲識(shí)別器;另一種是采用ELM算法，結(jié)合Rank-Ordered Absolute Differences(ROAD)、RankOrdered Logarithmic Difference(ROLD)算子，進(jìn)行二次檢測(cè)的方法，訓(xùn)練出適應(yīng)于不同噪聲密度的兩個(gè)識(shí)別器，再對(duì)圖像的噪聲進(jìn)行識(shí)別。在此噪聲點(diǎn)識(shí)別的基礎(chǔ)上，利用圖像的整體信息，設(shè)計(jì)了

5、一種加權(quán)濾波方法，對(duì)這些噪聲點(diǎn)進(jìn)行還原，實(shí)驗(yàn)結(jié)果表明，這兩種方法對(duì)椒鹽噪聲效果均十分理想，特別是在高密度的情況下更加優(yōu)異。
　　2.特征提取。該部分總結(jié)了在邊緣特征方面的工作，本文嘗試采用小波理論的方法提取質(zhì)量較好的邊緣，具體使用遺傳算法對(duì)圖像小波變換的尺度進(jìn)行選擇，從而構(gòu)成一種自適應(yīng)的高斯小波尺度空間。融合該空間下不同尺度檢測(cè)的圖像邊緣，使得整幅圖像的邊緣細(xì)節(jié)豐富清晰，具有更好的抗噪性能。
　　3.環(huán)境理解。該部分結(jié)合交通

6、標(biāo)志識(shí)別的應(yīng)用問題，研究了深度學(xué)習(xí)理論中卷積神經(jīng)網(wǎng)絡(luò)的LeNet-5模型，然后針對(duì)德國交通標(biāo)志標(biāo)準(zhǔn)數(shù)據(jù)庫的樣本進(jìn)行了識(shí)別，最終實(shí)驗(yàn)數(shù)據(jù)表明，現(xiàn)有的基于深度學(xué)習(xí)的方法要比傳統(tǒng)的幾種方法識(shí)別準(zhǔn)確率要高，達(dá)到了預(yù)期的目標(biāo);同時(shí)實(shí)驗(yàn)數(shù)據(jù)表明，該算法也可以用作RoboCup救援機(jī)器人項(xiàng)目中的尋找受害者的工作。
　　4.路徑規(guī)劃。為了解決機(jī)器人在復(fù)雜路況下的路徑規(guī)劃，本文在研究了現(xiàn)有的優(yōu)化算法，對(duì)粒子群優(yōu)化算法進(jìn)行了適應(yīng)該環(huán)境的改進(jìn)，在融合了

7、多樣性算法中(Attractive and Repulsive Particle Swam Optimizer, ARPSO)和雁群算法(Geese Particle Swam Optimizer, GPSO)的優(yōu)點(diǎn)，解決了其原有缺點(diǎn)后，形成了新的適合于本目標(biāo)的優(yōu)化算法ARGPSO。采用了柵格地圖、基于行為路徑規(guī)劃選項(xiàng)。然后，定義了路徑最短、拐彎最小以及安全距離等多個(gè)目標(biāo)函數(shù)，選擇了基于表現(xiàn)的適應(yīng)度函數(shù)。再而，依據(jù)標(biāo)準(zhǔn)的多目標(biāo)粒子群原理