基于双目视觉信息融合的移动机器人避障研究.PDFVIP

ELECTRONICS WORLD 探 索与观察 ・ 基于双目视觉信息融合的移动机器人避障研究 沈阳理工大学自动化与电气工程学院 谷凤伟 金西虎 姜 珊 【摘要】 通常未知环境中的障碍物使传感器数据具有很大不确定性，仅仅依靠一种传感器来进行障碍的检测与躲避已 无法保证可靠准确性；针对这种不足，提出一种基于双目视觉并融合激光测距和超声波传感器的精确检测方法，利用 Takagi-Sugeno（T-S）模型的模糊神经网络融合多传感器信息；在MATLAB环境下对模糊神经网络避障进行仿真验 证；实验结果表明，该方法具有较好的准确性和鲁棒性，能够适用于机器人的避障要求。 【关键词】 双目视觉；避障；信息融合；模糊神经网络 式发出超声波，紧接着超声换能器能够转入接受状态， 引言 处理单元会对接收到的超声脉冲进行一步分析，判断接 收到的信号是不是之前所发出的超声波的回声。如果是 移动机器人的智能避障算法已经有很多专家学者进 就可以测量超声波的传播时间，使用测量时间计算行 行了非常深入的研究，对于简单已知结构化环境的障碍 程，除以2就可以得到反射超声波物体的距离[4]。超声波 物检测也已经取得了较好的效果，但针对复杂多变的环 传感器分列在移动机器人左侧90°、45°和右侧90°、 境往往就已有算法来说不能够达到良好的避障要求。于 45°，主要用来检测侧边障碍物。 是，近几年来多传感器信息融合技术就越发引起人们足 激光测距仪作为一种基于TOF（time of flight）原 够的重视，而且多传感器融合系统还可以有效地解决单 理的高精度、高解析度的外部传感器，其与超声波传感 一传感器模糊点的问题[1]，从而能够更加精确地观察和 器相比，激光测距仪可以达到更远的测距距离、更高的 解释环境，所以在移动机器人的避障系统中有非常大的 角度分辨率、更加短的采样周期甚至较低的测量噪声； 研究价值。虽然此领域目前也已经有很多的研究工作， 与像相机中的图像传感器相比，其基本不受光线影响、 但如何能很好的描述并处理所有的传感器信息进一步加 处理方法较为简单和数据精度更高等一系列优点。本实 以融合用于导航避障还没有一个很好的方法，尤其是非 验采用两个DLS-50型激光测距仪装置在机器人正前方。 结构化复杂环境。 测距传感器安放位置如图1所示。 本文主要讨论由双目相机组成的视觉系统和激光测 距与超声波传感器的信息融合问题。以往的检测避障有 结合两种传感器的而且用超声波传感器的居多，但超声 波测距范围偏小，只能在低速运行机器人系统中起到作 用，如果在正前方的障碍检测中采用激光测距不仅测距 范围增大，检测灵敏性也得到极大提高，给机器人足够 的避障反应时间。同时再结合双目相机获取障碍物二维 [2] 图像，融合有关的信息就能精确定位障碍物 。考虑到 图像和距离两方面的互补信息，这里提出T-S模糊神经网 图1 测距传感器组 络方法，因其具有实时处理大量数据的能力、知识泛化 其中，1、2为激光测距仪，3、4、5、6为超声波传 [3] 能力及结构的容错性等优点 ，可以满足条件。 感器，UGV-1为移动机器人平台。 1.2 双目视觉模型 1 传感器模型 双目立体视觉（Bin