煤礦井下救災(zāi)機器人立體視覺導(dǎo)航關(guān)鍵技術(shù)研究.pdf

1、煤礦井下救災(zāi)機器人在煤礦救災(zāi)領(lǐng)域發(fā)揮著重大作用。但目前煤礦井下救災(zāi)機器人存在自主導(dǎo)航差的缺點，限制了其在煤礦救災(zāi)中的廣泛應(yīng)用。將立體視覺導(dǎo)航技術(shù)引入到煤礦井下救災(zāi)機器人的導(dǎo)航中可以極大地提高煤礦井下救災(zāi)機器人的智能水平，擺脫對人工避障的依賴，從而提高救援效率。本文圍繞實時性和可靠性這兩個救災(zāi)機器人的重要指標，在路徑規(guī)劃和立體匹配這兩個關(guān)鍵技術(shù)上展開研究。
　　在路徑規(guī)劃的研究中，本文針對井下狹窄巷道環(huán)境特點，提出了兩種路徑規(guī)劃算法

2、。第一種算法基于人工勢場理論設(shè)計，首先為了提高路徑規(guī)劃精度，采用概率理論推導(dǎo)出了一種可以精確反映禁止區(qū)域輪廓的工作空間勢場的模型，并以Logistic分布為例，研究了勢場的實例化的具體方法及準則；其次為了獲得應(yīng)用于新模型下的快速路徑規(guī)劃算法，分析了Quasi-Geodesic算法本質(zhì)特點，利用其力學(xué)形式分析了在新勢場下算法存在的問題，并提出了改進 Quasi-Geodesic算法；最后為了克服局部最優(yōu)等固有缺點，提出了雙向啟發(fā)探索算法。

3、仿真實驗表明該算法具有較快的運算速度和較高的可靠性。第二種算法基于水平集理論設(shè)計，算法首先提出了一種基于最近禁止區(qū)域邊界點傳遞的快速距離水平集計算方法，為了提高距離水平集算法的速度，在算法代碼的實現(xiàn)的過程中采用了內(nèi)存池技術(shù)及二叉排序樹的思想；其次為了得到較為平滑的初始路徑，分析了傳統(tǒng)方法得到的路徑存在振蕩現(xiàn)象的原因，利用距離水平集改進了Eikonal方程中的速度表達式并得到新的全局代價，根據(jù)得到的代價利用四階龍格庫塔法結(jié)合雙線性插值求得

4、初始路徑；最后為了優(yōu)化路徑，減小路徑長度，并且控制路徑到禁止區(qū)域的距離，利用活動輪廓思想，提出一種彈性粒子優(yōu)化算法。仿真實驗表明該算法同樣具有較高實時性和可靠性。
　　在立體匹配算法的研究中，提出了兩種局部匹配算法：一種基于權(quán)值和置信傳播的定窗口匹配方法，該方法重視匹配效果，一種是基于變窗口和動態(tài)規(guī)劃的匹配方法，該方法重視執(zhí)行時間。在第一種匹配方法中，首先為了減少匹配算法的運算量，采用線形支撐窗口作為匹配窗口，其次根據(jù)基于分割的匹

5、配理論，為了有效地利用小匹配窗口下有限的像素信息，提高匹配效果，提出了一種新型自適應(yīng)權(quán)值模型，在模型中利用神經(jīng)網(wǎng)絡(luò)計算空間權(quán)值，并采用Mean-Shift分割算法計算色度權(quán)值，在代價聚合中采用Birchfield函數(shù)結(jié)合Census變換來作為最終的相似度測度函數(shù)，然后在采用金字塔置信傳播方法來計算初始勢場圖，最后提出了迭代左右一致檢測算法對初始視差圖進行優(yōu)化。仿真實驗確定了各參數(shù)對匹配結(jié)果的影響趨勢，并給出了各參數(shù)的參考值；整體匹配算法

6、在較小窗口尺寸下比Yoon在nonocc、all和disc區(qū)域的誤匹配率都要低，這可以減少大量的計算同時還可以得到較高的匹配精度；仿真結(jié)果在Middlebury Stereo Evaluation中排名5位(2014.7.1)，說明了該方法匹配精度較高。在另一種算法中，首先采用邊緣保護擴散方法對左右視圖濾波，以獲得較準確的支撐窗口；其次為了提高算法運行速度，改進了經(jīng)典算法中匹配窗口的尋找方法，省略了尋找右圖支撐窗口的步驟；然后在代價聚合

7、中仍然采用了Birchfield提出的相似度測度函數(shù)結(jié)合Census變換來計算窗口匹配代價；最后采用動態(tài)規(guī)劃法對匹配代價尋優(yōu)，為了加快算法執(zhí)行時間將利用小卷積方法改進了動態(tài)規(guī)劃法。仿真表明，邊緣保護擴散方法及Birchfield相似度測度函數(shù)結(jié)合Census變換的窗口匹配代價均能有效地減少最終的匹配誤差，改進匹配窗口確定方法及最小卷積動態(tài)規(guī)劃方法能較大幅度地減少程序執(zhí)行時間，算法在Middlebury Stereo Evaluation