煤矿井下救灾机器人立体视觉导航关键技术分析-analysis on key technologies of stereo vision navigation for rescue robots in coal mine.docx

致谢寒来暑往，几度春秋，从本科算起，不知不觉已在矿大度过了十多年的光阴，人生中最美好的时光都留在了矿大。随着博士学位论文的完成，也到了真正离开母校的时候了，矿大的一草一木，一情一景，都将成为永远的回忆。博士阶段的学习对于我来说是一次历练、一段收益终生的经历，是我人生的一次重要旅行。回望往事，我深深地感觉没有众多良师益友、亲朋好友对我的帮助和鼓励，我不可能克服旅途路上的重重困难。首先感谢我的导师张晓光教授。师者，传道授业解惑也，张晓光老师完美地诠释了这句话的含义。张晓光老师不但知识渊博、科研态度严谨，而且极富创新精神，能及时把握学科的发展方向。这些都给我们学生树立起典范作用，也是导师传授给学生最宝贵的财富。在此，谨向我的导师致以深深的敬意。衷心地感谢实验室的师弟妹们，在平时的工作和学习中给予我很多真诚的关心和无私的帮助。衷心地感谢好友董程林、吴淑宝、张课、万亚豪、林志斌、李猛、李宇航，这些年来你们给予我珍贵的友谊，使我的生活充满了欢乐和微笑。衷心地感谢中国电力科学研究院的高级工程师王建秋在研究路径规划算法时给予的帮助和支持。衷心地感谢清华大学精密仪器与机械学系邵珠峰副教授在机器人姿态控制方面给予的巨大帮助，使我对机器人的运动方式有了更深的理解。衷心地感谢好友孙正博士提供了许多图像处理技术方面的研究思路。衷心地感谢好友朱牧博士在程序优化上提出了许多中肯的意见。衷心地感谢加拿大McMaster大学的杨荣博士在论文撰写中给予的建议。最后，特别向我的父母表达最崇高的敬意和最诚挚的谢意，感谢他们的养育之恩，感谢他们的理解支持，他们无私的奉献和默默的支持是我在科学的道路上前进的动力和勇气。摘要煤矿井下救灾机器人在煤矿救灾领域发挥着重大作用。但目前煤矿井下救灾机器人存在自主导航差的缺点，限制了其在煤矿救灾中的广泛应用。将立体视觉导航技术引入到煤矿井下救灾机器人的导航中可以极大地提高煤矿井下救灾机器人的智能水平，摆脱对人工避障的依赖，从而提高救援效率。本文围绕实时性和可靠性这两个救灾机器人的重要指标，在路径规划和立体匹配这两个关键技术上展开研究。在路径规划的研究中，本文针对井下狭窄巷道环境特点，提出了两种路径规划算法。第一种算法基于人工势场理论设计，首先为了提高路径规划精度，采用概率理论推导出了一种可以精确反映禁止区域轮廓的工作空间势场的模型，并以Logistic分布为例，研究了势场的实例化的具体方法及准则；其次为了获得应用于新模型下的快速路径规划算法，分析了Quasi-Geodesic算法本质特点，利用其力学形式分析了在新势场下算法存在的问题，并提出了改进Quasi-Geodesic算法；最后为了克服局部最优等固有缺点，提出了双向启发探索算法。仿真实验表明该算法具有较快的运算速度和较高的可靠性。第二种算法基于水平集理论设计，算法首先提出了一种基于最近禁止区域边界点传递的快速距离水平集计算方法，为了提高距离水平集算法的速度，在算法代码的实现的过程中采用了内存池技术及二叉排序树的思想；其次为了得到较为平滑的初始路径，分析了传统方法得到的路径存在振荡现象的原因，利用距离水平集改进了Eikonal方程中的速度表达式并得到新的全局代价，根据得到的代价利用四阶龙格库塔法结合双线性插值求得初始路径；最后为了优化路径，减小路径长度，并且控制路径到禁止区域的距离，利用活动轮廓思想，提出一种弹性粒子优化算法。仿真实验表明该算法同样具有较高实时性和可靠性。在立体匹配算法的研究中，提出了两种局部匹配算法：一种基于权值和置信传播的定窗口匹配方法，该方法重视匹配效果，一种是基于变窗口和动态规划的匹配方法，该方法重视执行时间。在第一种匹配方法中，首先为了减少匹配算法的运算量，采用线形支撑窗口作为匹配窗口，其次根据基于分割的匹配理论，为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，提出了一种新型自适应权值模型，在模型中利用神经网络计算空间权值，并采用Mean-Shift分割算法计算色度权值，在代价聚合中采用Birchfield函数结合Census变换来作为最终的相似度测度函数，然后在采用金字塔置信传播方法来计算初始势场图，最后提出了迭代左右一致检测算法对初始视差图进行优化。仿真实验确定了各参数对匹配结果的影响趋势，并给出了各参数的参考值；整体匹配算法在较小窗口尺寸下比Yoon在nonocc、all和disc区域的误匹配率都要低，这可以减少大量的计算同时还可以得到较高的匹配精度；仿真结果在MiddleburyStereoEvaluation中排名5位(2014.7.1)，说明了该方法匹配精度较高。在另一种算法中，首先采用边缘保护扩散方法对左右视图滤波，以获得较准确的支撑窗口；其次为了提高算法运行速度，改进了经典算法中匹配窗口的寻找方法，省略了寻找右图支撑窗口的步骤；然