导读:本文包含了移动障碍物检测论文开题报告文献综述及选题提纲参考文献，主要关键词:无线传感器网络,移动定位,蒙特卡罗定位,障碍物
移动障碍物检测论文文献综述
单志龙,黄恒,项婉[1]（2019）在《一种障碍物检测移动节点定位算法研究》一文中研究指出针对障碍物较多的定位环境,本文对障碍物影响下的无线电信号进行建模,通过过滤出信号被障碍物遮蔽但能加强待定位节点定位的盲节点,并把盲节点加入待定位节点当前的锚节点集,利用待定位节点前后时刻的锚节点差集,提高待定位节点的锚节点信号接受率,从而提高定位精度.实验仿真结果表明,该文提出的改进算法在障碍物较多的定位场景中能以较小的时间代价取得更好的定位精度.(本文来源于《小型微型计算机系统》期刊2019年11期）
丁浩[2]（2018）在《移动机器人前景障碍物检测及避障系统设计与实现》一文中研究指出近年来,移动机器人技术的成熟推动了相关领域的快速发展,而室内服务型移动机器人作为其中的一个重要分支,已经在政务、教育、医疗、物流等服务领域开始发挥作用。智能检测前景障碍物和躲避障碍物是室内服务型移动机器人的一个重要研究热点,本文采用Kinect传感器,在Linux系统下使用C++编程语言利用ROS、OpenCV库、libfreenect2库等软件库,设计了一款移动机器人前景障碍物检测及避障系统。论文首先给出了系统的整体框架设计,并简要介绍了深度图像修复模块、前景障碍物检测模块和避障模块。其次,以张量投票算法为基础算法,设计深度图像修复模块,修复从Kinect传感器获取的深度图像存在的深度信息缺失空洞,提高前景障碍物检测模块的成功率和准确率。再次,利用深度图像修复模块的输出,使用背景减除法去除地面等背景对前景障碍物的干扰,通过开运算、轮廓提取、面积过滤、凸包处理等图像处理方法完成初步障碍物的检测,再使用最小矩阵约束法得到确定障碍物数量及边界信息,为避障模块提供有效输入数据。然后,避障模块通过Kinect相机标定,将障碍物的深度图像坐标转化为世界坐标,再以改进的人工势场法为基础算法完成避障路径选择,针对引力过大造成碰撞、目标不可达、局部最小点叁个问题,分别通过修正引力函数、引进新的斥力函数、建立临时目标点的方法进行解决。最后,本文对整体系统及主要模块进行了测试实验,结果表明该系统完成了预设的目标功能,系统设计具有一定的实用参考价值。(本文来源于《南京邮电大学》期刊2018-11-14）
邓博[3]（2018）在《基于双目立体视觉的移动机器人障碍物检测》一文中研究指出机器人避障研究是移动机器人技术领域的重点之一,是一个包含多种学科的综合性课题。其中障碍物的检测是机器人能完成安全避障的必要保证。障碍物主要分为静态障碍物以及动态障碍物。为了得到丰富的障碍物信息,本文将采用双目立体视觉对移动机器人行进路上的障碍物进行检测。论文完成的主要工作有以下几个部分:1.摄像机标定:搭建双目立体视觉实验平台,对叁类标定算法进行详细分析,结合本文的研究内容在考虑镜头畸变的情况下,选择了张氏标定法,并对标定结果进行了验证。2.图像的校正与立体匹配:详细研究了Bouguet图像校正算法,完成了立体图像的矫正。对目前主流的匹配算法进行了详细对比研究,结合障碍检测的特点选择了兼顾精度与速度的半全局匹配算法。3.障碍物叁维信息检测:本文将提出一种基于视差图的障碍物检测方法。该方法主要有以下几步:第一步根据视差图进行叁维测量,第二步根据测量结果去掉行进路径以外的区域以及地表的干扰物,第叁步利用规定检测距离进行二值化分割。通过该方法完成移动机器人的障碍物检测任务。4.运动障碍物位置预测:移动机器人在避障过程中除了需要知道障碍物的叁维信息,还需要知道障碍物的运动情况。静止的障碍物可以直接开始避障行为,但如果是运动中的障碍物首先还需要预测出障碍物的下一时刻位置才能进行避障。本文将提出采用以障碍物的历史时刻位置信息建立自回归模型对障碍物的下一时刻位置进行预测,其实验结果表明在一定时间范围内这种预测方法是可靠的。(本文来源于《西南科技大学》期刊2018-03-05）
任庆桦[4]（2016）在《移动障碍物检测方法及实现技术的研究》一文中研究指出中国是世界上盲人数量最多的国家,如何安全行走是盲人日常生活中最大的问题。路面探测、障碍识别和轨迹跟踪一直以来都是导盲研究领域的关键技术,也是盲人进行避障的前提,因此移动障碍物的检测具有重要的研究价值与工程意义。传统的目标定位跟踪研究基本上都采用多个传感器的组合测量方式,但始终存在传感器间的测量值不一致以及相互干扰等问题,并且只能应用在特定的场景下。论文在使用单个超声波传感器的基础上,提出了移动障碍物检测方法并对扩展卡尔曼滤波器实现改进,重点研究了以下几个方面：1.分析探测量程与声波频率、波束角与换能器辐射面积的关系并选取超声波传感器KS109进行测距；在叁种典型目标跟踪算法的基础上提出两种移动障碍物检测方法。前一种结合EKF算法仿真分析云台间距对跟踪效果的影响；后一种对EKF算法进行改进并提出“集合EKF滤波器”,通过仿真验证检测方法的可行性和改进算法的性能。2.对移动障碍物检测系统进行模块化设计,包括硬件与软件设计两部分。硬件部分说明各模块的工作原理和使用方法；软件部分以主程序为框架,阐述四个功能子程序的工作流程。结合实际工程意义,确定采取单云台的检测方式,并进行细微的调整。3.搭建实验平台,详细地研究KS109的测量精度和探测范围,并对静止障碍物进行定位和移动障碍物进行检测。实验结果验证了检测系统具有较高的测量精度和稳定的工作性能,能够实现对移动障碍物的定位与跟踪。(本文来源于《东南大学》期刊2016-08-01）
王书平[5]（2016）在《室内复杂环境下移动机器人障碍物检测与避障研究》一文中研究指出在室内环境中,现有的机器人障碍物检测系统和避障系统存在障碍物检测效果不理想、容易发生碰撞、算法复杂且计算量大等问题。针对室内环境下移动机器人安全移动要求,优化Kinect探测盲区,采用单一Kinect传感器,运用深度图像与机器视觉结合的全景障碍物检测方法,改进人工势场法,降低了发生碰撞和锁死的概率,使得移动机器人的适用性更高。搭建了试验平台,进行了障碍物的检测与避障试验。主要研究内容如下：1.运用Kinect探测盲区优化方法,将深度图像由原来的640×480转化为480×640,降低了Kinect传感器探测盲区对地面障碍物和悬空障碍物探测的影响,使机器人在更加合适的距离探测覆盖机器人全身范围的障碍物；推导计算图像翻转后的深度值提取公式,进而获得障碍物实际距离。2.为了深度图像中的障碍物轮廓较为平滑,便于检测障碍物轮廓,对深度图像进行了预处理；通过对无障碍物环境的深度图像进行了基于统计平均的背景减除处理来消除深度图像中地面背景的影响；然后对背景减除法得到的差分图进行了二值处理,从而把障碍物从深度图像中分离出来；对障碍物图像进行像素面积计算,过滤掉由噪声导致的伪障碍物；然后通过检测障碍物边界,将障碍物的数量和边界值提取出,为接下来避障路径选择做准备。3.计算障碍物的实际位置和边界信息,确定障碍物相对于机器人的局部坐标,转化为世界坐标后,将障碍物的坐标转化为人工势场法的障碍物位置坐标；并对机器人移动区域障碍物进行过滤,将不对机器人行走构成威胁的障碍物过滤掉,获得有效的障碍物信息以减少运算量；运用机器视觉场景检测处理人工势场法失效的场景,分别进行局部最小值场景检测及避障路径选择。4.搭建试验平台进行试验,结果表明：单一Kinect传感器平台能够检测出机器人行走范围的障碍物,并能够成功避开障碍物；对人工势场法的改进能够避免存在局部最小值的缺陷,沿墙行走模式也大大减少无效路径,解决了狭窄通道内震荡的问题,有效地实现室内机器人在动态环境下的避障。(本文来源于《浙江师范大学》期刊2016-05-20）
冯瑾[6]（2015）在《基于双目立体视觉的移动机器人障碍物检测技术研究》一文中研究指出机器人避障是移动机器人技术领域中活跃的研究分支,是涵盖多学科的综括性课题。障碍物检测是机器人安全避障的前提条件,视觉引导具有不可代替的优越性,因此移动机器人视觉障碍物检测具有重要的研究价值与实践意义。本文采用双目立体视觉技术对室内环境下移动机器人行进路径上的障碍物进行检测。检测步骤为:场景图采集、摄像机标定、立体校正与匹配、移动机器人行进路径上的障碍物检测。本文针对这四步进行深入的理论分析与实验研究,并搭建一套小型双目立体视觉平台,主要包括以下几个方面内容:1.摄像机标定:首先对摄像机成像模型进行了介绍,然后分析了传统标定方法、摄像机自标定方法和张氏平面标定法。在摄像机畸变模型下,选用简单且精度较高的张氏平面标定法,完成了摄像机标定,并通过投影误差分析,验证了标定结果的正确性。2.立体校正与立体匹配:基于Open CV视觉库,详细研究了Bouguet立体校正算法,并利用该算法完成了场景图像的校正。在立体匹配方面,对块匹配算法和半全局匹配算法进行了理论研究,对比了两种算法对实际场景图的处理效果,在本文的应用场景下选择了兼顾速度与精度的半全局立体匹配算法。3.移动机器人行进路面上的障碍物检测:研究了一种基于视差图的障碍物检测方法,该方法分为四步:第一步根据视差图进行叁维测量,第二步根据测量结果去除移动机器人行进路径以外区域,第叁步去除地表干扰,最后一步进行给定距离范围内二值化分割。利用该方法成功完成了室内环境下移动机器人行进路径上的障碍物检测工作。(本文来源于《中国矿业大学》期刊2015-06-01）
姜荣剑[7]（2015）在《基于主动式全景视觉的移动机器人障碍物检测方法研究》一文中研究指出随着经济社会的发展,移动机器人将参与到社会的各个领域发挥越来越大的作用。在许多移动机器人的应用中,障碍物检测是其中非常重要的环节。如何快速有效地检测出移动机器人周围的障碍物对于完成移动机器人的避障导航等任务具有极其重要的意义。视觉传感器相对于其他传感器最接近人类视觉的感知方式,能够获取丰富的信息,随着计算机技术的飞速发展,视觉传感器在移动机器人系统中的应用越来越广泛。但是目前存在的移动机器人视觉系统存在着成本高、维护难、计算量大、检测范围受限、动态障碍物检测困难等问题。针对这些问题本文设计并实现了一种基于主动式全景视觉传感器(AODVS)的移动机器人视觉系统用于障碍物的全方位快速检测。本文的主要工作包括如下几个方面:1.采用单视点主动全景成像技术,设计一种能一次性快速获取移动机器人360度范围内障碍物信息的AODVS。AODVS将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边进行障碍物检测。2.基于本文设计的AODVS,研究了基于主动式全景视觉技术的障碍物快速检测方法。该方法根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法快速解析出移动机器人周边障碍物的距离和方位等信息。3.根据主动式全景视觉的移动机器人障碍物检测方法的特点,设计了一种全方位的避障策略。首先将机器人移动方向分为360个候选方向,然后根据周围障碍物距离和方位等信息结合目标方向,通过评价函数计算出移动机器人最优可通行方向,从而计算出移动机器人的最优避障路径。4.基于全景视觉传感器研究了动态背景下的运动障碍物检测方法,针对全景视觉传感器成像后全方位图像存在的畸变失真以及移动机器人动态背景下全方位图像中背景运动不一致使得无法直接通过补偿背景运动的方法来获取运动目标这一问题,设计了分块仿射变换的方法实现动态背景下运动目标的提取,并根据全景视觉传感器的成像特性通过视觉方法解析出动态障碍物的距离和方向等信息。(本文来源于《浙江工业大学》期刊2015-05-30）
汤一平,姜荣剑,林璐璐[8]（2015）在《基于主动式全景视觉的移动机器人障碍物检测》一文中研究指出针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。(本文来源于《计算机科学》期刊2015年03期）
刘海波,董玉杰,皇甫彩虹,王福忠[9]（2012）在《基于多传感器信息融合的移动机器人障碍物检测算法研究》一文中研究指出障碍物检测是辅助驾驶、移动机器人导航等领域的核心问题之一本文研究了用于移动机器人障碍物检测的多传感器信息融合技术,提出了一种基于视觉传感器与超声波传感器信息融合的快速障碍物检测算法该算法首先通过超声波传感器获取移动机器人到矩形障碍物的距离信息,通过改进型快速直线检测方法和约束条件确定障碍物在视觉传感器所采集的图像中的直线边缘;然后根据成像过程中叁角形相似的原理,融合障碍物的距离信息和图像中障碍物的边缘信息,从而得到矩形障碍物的实际高度和宽度,为机器人遇到障碍物时进行局部路径规划提供决策依据以轮式移动机器人为实验平台,验证了所提出的障碍物检测算法的有效性和实用性(本文来源于《第叁十一届中国控制会议论文集C卷》期刊2012-07-25）
张海鹰,王昉[10]（2012）在《基于超声波的室内移动机器人贴地障碍物检测》一文中研究指出通常的室内移动机器人系统,往往忽视环境中存在的贴近地面、但并不阻碍机器人行驶的低矮障碍物。为增强机器人行驶的稳定性,提出了专门用于检测贴地障碍物的超声波测距系统,并分析总结了此类系统的设计要求与实现方法。(本文来源于《船电技术》期刊2012年01期）
移动障碍物检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,移动机器人技术的成熟推动了相关领域的快速发展,而室内服务型移动机器人作为其中的一个重要分支,已经在政务、教育、医疗、物流等服务领域开始发挥作用。智能检测前景障碍物和躲避障碍物是室内服务型移动机器人的一个重要研究热点,本文采用Kinect传感器,在Linux系统下使用C++编程语言利用ROS、OpenCV库、libfreenect2库等软件库,设计了一款移动机器人前景障碍物检测及避障系统。论文首先给出了系统的整体框架设计,并简要介绍了深度图像修复模块、前景障碍物检测模块和避障模块。其次,以张量投票算法为基础算法,设计深度图像修复模块,修复从Kinect传感器获取的深度图像存在的深度信息缺失空洞,提高前景障碍物检测模块的成功率和准确率。再次,利用深度图像修复模块的输出,使用背景减除法去除地面等背景对前景障碍物的干扰,通过开运算、轮廓提取、面积过滤、凸包处理等图像处理方法完成初步障碍物的检测,再使用最小矩阵约束法得到确定障碍物数量及边界信息,为避障模块提供有效输入数据。然后,避障模块通过Kinect相机标定,将障碍物的深度图像坐标转化为世界坐标,再以改进的人工势场法为基础算法完成避障路径选择,针对引力过大造成碰撞、目标不可达、局部最小点叁个问题,分别通过修正引力函数、引进新的斥力函数、建立临时目标点的方法进行解决。最后,本文对整体系统及主要模块进行了测试实验,结果表明该系统完成了预设的目标功能,系统设计具有一定的实用参考价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动障碍物检测论文参考文献
[1].单志龙,黄恒,项婉.一种障碍物检测移动节点定位算法研究[J].小型微型计算机系统.2019
[2].丁浩.移动机器人前景障碍物检测及避障系统设计与实现[D].南京邮电大学.2018
[3].邓博.基于双目立体视觉的移动机器人障碍物检测[D].西南科技大学.2018
[4].任庆桦.移动障碍物检测方法及实现技术的研究[D].东南大学.2016
[5].王书平.室内复杂环境下移动机器人障碍物检测与避障研究[D].浙江师范大学.2016
[6].冯瑾.基于双目立体视觉的移动机器人障碍物检测技术研究[D].中国矿业大学.2015
[7].姜荣剑.基于主动式全景视觉的移动机器人障碍物检测方法研究[D].浙江工业大学.2015
[8].汤一平,姜荣剑,林璐璐.基于主动式全景视觉的移动机器人障碍物检测[J].计算机科学.2015
[9].刘海波,董玉杰,皇甫彩虹,王福忠.基于多传感器信息融合的移动机器人障碍物检测算法研究[C].第叁十一届中国控制会议论文集C卷.2012
[10].张海鹰,王昉.基于超声波的室内移动机器人贴地障碍物检测[J].船电技术.2012