【人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)研究開題報(bào)告文獻(xiàn)綜述3200字】

開題報(bào)告概述表學(xué)生姓名班級(jí)學(xué)號(hào)指導(dǎo)教師畢業(yè)設(shè)計(jì)(論文)題目人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)研究選題的目的和意義一、選題目的人形機(jī)器人產(chǎn)業(yè)毫無疑問是目前的新興熱門產(chǎn)業(yè)，其不僅可以應(yīng)用于工業(yè)場(chǎng)景，也越來越廣泛地運(yùn)用在我們的日常生活服務(wù)場(chǎng)景。在機(jī)械加工車間、物流管理倉庫，甚至在機(jī)場(chǎng)、餐館等場(chǎng)所都能看到人形機(jī)器人的身影，自動(dòng)駕駛、護(hù)理家政等行業(yè)也有著廣泛的應(yīng)用，其已經(jīng)成為現(xiàn)代社會(huì)不可或缺的一部分。特別是在2020年，在全民抗擊疫情的重大公共安全衛(wèi)生事件中，國內(nèi)各個(gè)機(jī)器人公司和企業(yè)快速推出的防疫消殺機(jī)器人等產(chǎn)品也被廣泛運(yùn)用于疫情抗擊第一線，這更加凸顯了目前機(jī)器人技術(shù)的重要性?！吨袊鴻C(jī)器人產(chǎn)業(yè)發(fā)展報(bào)告（2021~2022）》中提到，目前中國國內(nèi)與機(jī)器人相關(guān)的專利總量已經(jīng)遠(yuǎn)超美國、日本、德國等發(fā)達(dá)國家，其專利申請(qǐng)總量占世界范圍內(nèi)已經(jīng)公開的機(jī)器人相關(guān)專利的44%。但與此同時(shí)，該產(chǎn)業(yè)報(bào)告中也提到，目前中國國內(nèi)的機(jī)器人產(chǎn)業(yè)化進(jìn)程依然處于初級(jí)階段，發(fā)展前景依然十分廣闊。人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)可以較好的幫助人類完成不安全場(chǎng)地的工作作業(yè)。二、選題意義在人形機(jī)器人發(fā)展初期，機(jī)器人只能在簡單的環(huán)境進(jìn)行固定路徑運(yùn)動(dòng)，且只能進(jìn)行簡單重復(fù)的運(yùn)動(dòng)，其靈活性較差。然而，隨著時(shí)代的發(fā)展，大規(guī)模集成電路技術(shù)、高精度傳感器技術(shù)以及關(guān)鍵零部件技術(shù)的不斷提升，人形機(jī)器人也越來越強(qiáng)調(diào)“移動(dòng)”這一特性，其智能化程度也逐步提升，隨之而來的，便是人們對(duì)人形機(jī)器人更加智能的追求。更好地感知環(huán)境信息是智能人形機(jī)器人更加智能化的一種體現(xiàn)，這種感知能力能夠使機(jī)器人準(zhǔn)確地獲取當(dāng)前的位姿信息，并在根據(jù)此信息通過決策功能對(duì)特定任務(wù)進(jìn)行執(zhí)行操作具有一定實(shí)際意義。國內(nèi)外研究現(xiàn)狀及存在的問題在單目視覺SLAM領(lǐng)域，Davison教授提出的MonoSLAM。MonoSLAM的前端跟蹤方案采取的是通過提取圖像中非常稀疏的特征點(diǎn)進(jìn)行跟蹤，從而獲得相機(jī)的相對(duì)位姿數(shù)據(jù)。Fischer（2015）認(rèn)為Klein提出了PTAM（ParallelTrackingandMapping），亦是SLAM發(fā)展過程中的重要事件。JosephRedmon（2017）PTAM具有十分深遠(yuǎn)的意義：PTAM首次提出，對(duì)于SLAM過程，其建圖算法和跟蹤算法是可以同時(shí)進(jìn)行計(jì)算的；PTAM將非線性優(yōu)化的思想帶入了SLAM系統(tǒng)，由于不再使用傳統(tǒng)的濾波器方案，其累計(jì)誤差問題也得到了一定程度上的解決；最后，其率先引入了關(guān)鍵幀機(jī)制，使得今后的SLAM系統(tǒng)不需要對(duì)每一幀圖像進(jìn)行精細(xì)的處理，大大提升了SLAM系統(tǒng)的運(yùn)行效率。Z.Tian，C.Shen（2019）通過上述方法，使得PTAM能夠一定的標(biāo)準(zhǔn)篩選出部分圖像幀(稱為關(guān)鍵幀)，并采用基于捆集調(diào)整(BundleAdjustment，BA)的非線性優(yōu)化方法對(duì)關(guān)鍵幀和地圖點(diǎn)的位姿進(jìn)行聯(lián)合優(yōu)化，從而完成SLAM過程。N.Wangetal（2020）證實(shí)了在計(jì)算成本相同的情況下，使用關(guān)鍵幀并進(jìn)行聯(lián)合優(yōu)化的SLAM方案比濾波器的方案的精度更高。然而PTAM也存在很多問題：其建圖環(huán)境不能過大，同時(shí)跟蹤算法也十分容易失敗。KinectFusion是第一個(gè)基于RGBD的實(shí)時(shí)SLAM系統(tǒng)，其通過深度圖像完成點(diǎn)云的生成，并通過ICP匹配估計(jì)相機(jī)位姿，最后，通過相機(jī)的位姿對(duì)多個(gè)圖像幀之間的點(diǎn)云進(jìn)行拼接，使用TSDF呈現(xiàn)最終的地圖。雖然其能夠完成實(shí)時(shí)的單位地圖構(gòu)建，但其依然存在一些缺點(diǎn)：必須使用GPU才能進(jìn)行實(shí)時(shí)的三維重建，無法在一般PC上運(yùn)行；若當(dāng)前環(huán)境存在大量平行平面，則基于ICP匹配的相機(jī)位姿估計(jì)會(huì)出錯(cuò)；由于其使用了固定體積得網(wǎng)格表示三維地圖，因此其只能在固定大小的環(huán)境中進(jìn)行地圖構(gòu)建；整個(gè)系統(tǒng)缺少回環(huán)檢測(cè)算法，累計(jì)誤差無法消除。張亮，郭彤旭（2021）優(yōu)化方案采取的是擴(kuò)展卡爾曼濾波的方法，通過對(duì)相機(jī)的當(dāng)前位姿狀態(tài)信息和已知的路標(biāo)點(diǎn)信息的跟蹤測(cè)量，從而更新對(duì)應(yīng)的均值和協(xié)方差，從而完成后端優(yōu)化的操作。廖桐舟（2021）認(rèn)為此方法雖然能夠計(jì)算出相機(jī)相對(duì)位姿，但由于其對(duì)每次輸入的圖像都會(huì)進(jìn)行相對(duì)位姿結(jié)算，導(dǎo)致出現(xiàn)大量冗余的計(jì)算信息。鄭太雄（2021）認(rèn)為這種基于濾波方法的視覺SLAM在長時(shí)間運(yùn)行時(shí)會(huì)存在大量累計(jì)誤差，并且由于出現(xiàn)了大量冗余計(jì)算信息，其實(shí)時(shí)性也會(huì)有所降低。綜上所述，目前基于視覺的SLAM系統(tǒng)雖然技術(shù)日趨成熟，且也出現(xiàn)了許多優(yōu)秀的開源框架，但依然存在以下問題：目前視覺SLAM系統(tǒng)普遍存在對(duì)光照十分敏感的問題。由于光照變化或相機(jī)曝光時(shí)間變化導(dǎo)致的特征點(diǎn)提取失敗、特征點(diǎn)不匹配或最小化輻射度失敗等情況，從而使得視覺SLAM系統(tǒng)跟蹤失敗，進(jìn)而導(dǎo)致整個(gè)系統(tǒng)崩潰的現(xiàn)象。ZhengZ（2020）目前視覺SLAM系統(tǒng)存在實(shí)時(shí)性不足的問題。特征點(diǎn)法由于計(jì)算特征點(diǎn)和與之對(duì)應(yīng)的描述子耗時(shí)較長，使得整個(gè)系統(tǒng)定位頻率普遍不足10fps，無法實(shí)現(xiàn)實(shí)時(shí)的定位與建圖工作。主要研究內(nèi)容人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)本論文結(jié)構(gòu)及各章節(jié)主要研究內(nèi)容如下：第一章首先介紹了研究人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)的背景和意義，概括闡述了當(dāng)前視覺SLAM技術(shù)的國內(nèi)外研究現(xiàn)狀及存在的問題。同時(shí)通過這些問題提出了本文的主要研究內(nèi)容并闡述了本文各章節(jié)的安排。第二章首先給出一般SLAM系統(tǒng)的基本表述，并通過給出其數(shù)學(xué)模型和概率學(xué)分布模型對(duì)SLAM系統(tǒng)進(jìn)行描述，同時(shí)分析了SLAM問題的整體結(jié)構(gòu)。然后，結(jié)合視覺SLAM系統(tǒng)的基本原理，通過建立其與視覺系統(tǒng)相關(guān)的四個(gè)坐標(biāo)系建立起基本的基于視覺的定位與地圖構(gòu)建模型。第三章在確定了所采取的假設(shè)為輻射度不變假設(shè)后，首先對(duì)一般相機(jī)成像原理的分析，并根據(jù)相機(jī)成像原理將成像過程分成各個(gè)模塊，并針對(duì)各個(gè)模塊進(jìn)行分析從而建立起相機(jī)成像模型；第四章首先基于輻射度不變假設(shè)，對(duì)定位與地圖構(gòu)建方案進(jìn)行了整體的設(shè)計(jì)，并根據(jù)傳統(tǒng)定位與地圖構(gòu)建系統(tǒng)，將本系統(tǒng)也分為前端跟蹤和后端優(yōu)化兩個(gè)方面，并設(shè)計(jì)了算法的整體流程框圖。第五章首先根據(jù)介紹了所使用的實(shí)驗(yàn)硬件平臺(tái)，并提出一套視覺定位與地圖構(gòu)建系統(tǒng)的測(cè)試實(shí)驗(yàn)方案，同時(shí)完成實(shí)驗(yàn)所使用的軟件環(huán)境的搭建。然后使用ZED2對(duì)雙目視覺信息進(jìn)行獲取，并根據(jù)其所提供的相機(jī)內(nèi)參設(shè)置系統(tǒng)的參數(shù)。第六章對(duì)本文的工作進(jìn)行了總結(jié)，對(duì)未來的工作發(fā)展方向進(jìn)行了探討。研究方法、步驟和措施等研究方法1.文獻(xiàn)研究法。本文在寫作的過程中，充分利用了中國期刊網(wǎng)等網(wǎng)絡(luò)資源關(guān)于人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)研究的文獻(xiàn)和資料。通過大量收集和整理近5年國內(nèi)人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)專家學(xué)者的研究成果，實(shí)現(xiàn)對(duì)人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)有關(guān)理論的基本認(rèn)知，了解我國人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)的發(fā)展?fàn)顩r，從而明確本文的研究方向和重點(diǎn)。2.理論與實(shí)際相結(jié)合方法。通過理論與實(shí)際結(jié)合分析，保障了人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)研究材料的豐富性、研究對(duì)策的實(shí)踐性、研究結(jié)果的真實(shí)性。研究步驟論文首先采用知網(wǎng)以及相關(guān)的萬方網(wǎng)絡(luò)資料庫進(jìn)行收集資料，其次參照相關(guān)的人形機(jī)器人的視覺定位與目標(biāo)跟蹤技術(shù)研究，最后根據(jù)相關(guān)的方向撰寫論文。指導(dǎo)教師意見指導(dǎo)教師簽字：年月日注：如頁面不夠可加附頁附：參考文獻(xiàn)清單（要求：不少于15篇，近五年不少于2/3，英文文獻(xiàn)不少于1/3，按照畢業(yè)論文參考文獻(xiàn)格式排版）[1]張亮,郭彤旭,王佐強(qiáng),等.一種單目視覺的水下目標(biāo)定位與跟蹤技術(shù)[J].大眾標(biāo)準(zhǔn)化,2021(10):4.[2]廖桐舟,劉海峰指導(dǎo).一種基于多視角視覺的足球機(jī)器人自定位系統(tǒng)[J].中國科技教育,2021(11):2.[3]貝玉,孫逸凡,藺有為,等.并聯(lián)機(jī)器人伺服控制系統(tǒng)目標(biāo)跟蹤設(shè)計(jì)與實(shí)現(xiàn)[J].2021.[4]鄭太雄,江明哲,馮明馳.基于視覺的采摘機(jī)器人目標(biāo)識(shí)別與定位方法研究綜述[J].儀器儀表學(xué)報(bào),2021,42(9):24.[5]王楊,王犇,麥曉明.針對(duì)狹窄空間作業(yè)的機(jī)器人動(dòng)態(tài)視覺系統(tǒng)研究[J].機(jī)械設(shè)計(jì)與制造,2021(12):6.[6]雷金波,王聰然,趙軒,等.一種基于雙目視覺的目標(biāo)跟蹤定位儀器:,CN112454355A[P].2021.[7]周海波,李晨銘,孫國慶,等.應(yīng)用于巡檢機(jī)器人的四位一體自適應(yīng)跟蹤拍攝方法及裝置:,CN112288801A[P].2021.[8]趙定金,朱正輝,張常華,等.一種基于機(jī)器視覺的圖像追蹤定位方法及系統(tǒng):,2021.[9]楊小強(qiáng).基于PLC和視覺的機(jī)器人物體識(shí)別和分類研究[J].武漢職業(yè)技術(shù)學(xué)院學(xué)報(bào),2021(1):112-115.[10]繆文南,周政,陳雪嬌,等.全向輪移動(dòng)機(jī)器人的視覺目標(biāo)跟蹤研究[J].組合機(jī)床與自動(dòng)化加工技術(shù),2021(7):5.[11]O.Ronneberger,P.Fischer,andT.Brox,U-net:Convolutionalnetworksforbiomedicalimagesegmentation[C].inMICCAI,2015[12]JosephRedmonandAliFarhadi.YOLO9000:better,faster,stronger.InProc.IEEEConf.Comp.Vis.Patt.Recogn.,pages7263–7271,2017.[13]Z.Tian,C.Shen,H.ChenandT.He,"FCOS:FullyConvolutionalOne-StageObjectDetection,"2019IEEE/CVFInternationalConferenceonComputerVision(ICCV),Seoul,Korea(South),2019,pp.9626-9635,doi:10.1109/ICCV.20