EEPW论坛

目前对于双足机器人的研究大部分集中在其平衡性及行走方面。动态可移动的智能机器人，能自主进行障碍检测、障碍规避及路径规划。障碍物体的检测实际上就是对周围环境的三维深度信息进行恢复的过程。
    视觉系统可以捕获和理解机器人系统世界中的环境信息，由二维图像提取三维信息进而重建三维图像是视觉系统的重要功能。视觉系统利用不同的技术进行三维信息的恢复，例如双目立体视觉法、光流移动法和变焦距深度恢复法等。
    在这篇论文中，我们提出了一种基本由焦距恢复深度信息原理的机器人实时避障方法。我们提出的焦距法是用两台设置为不同焦距的CCD摄像机拍摄同一场景的图像，然后比较每幅图像上相应区域的清晰度，区域清晰度最大的那幅图像的对应焦距所确定的距离就是这个图像区域的深度信息。尽管采用多个相机可以取得更好的深度恢复效果，但是为了简化计算，实际的控制算法中只需要知道图像各个区域粗糙的深度信息，在本算法中即为“远”和“近”两种标示，这个信息成为整个区域的深度标示。然后我们建立全幅图像的深度信息标示图，其过程类似于由焦距恢复地形3D信息，只不过我们的算法大大简化了。最后，机器人决策系统基于深度标示图设计其避障控制策略。
    本文的第二部分介绍了这一领域的相关理论，第三部分介绍了深度标示图及避障控制策略的具体实现，最后给出了一些实验的结果。

下载请回复~~~~

——回复可见内容——