【人形机器人的视觉定位与目标跟踪技术研究开题报告文献综述3200字】

开题报告概述表学生姓名班级学号指导教师毕业设计(论文)题目人形机器人的视觉定位与目标跟踪技术研究选题的目的和意义一、选题目的人形机器人产业毫无疑问是目前的新兴热门产业，其不仅可以应用于工业场景，也越来越广泛地运用在我们的日常生活服务场景。在机械加工车间、物流管理仓库，甚至在机场、餐馆等场所都能看到人形机器人的身影，自动驾驶、护理家政等行业也有着广泛的应用，其已经成为现代社会不可或缺的一部分。特别是在2020年，在全民抗击疫情的重大公共安全卫生事件中，国内各个机器人公司和企业快速推出的防疫消杀机器人等产品也被广泛运用于疫情抗击第一线，这更加凸显了目前机器人技术的重要性。《中国机器人产业发展报告（2021~2022）》中提到，目前中国国内与机器人相关的专利总量已经远超美国、日本、德国等发达国家，其专利申请总量占世界范围内已经公开的机器人相关专利的44%。但与此同时，该产业报告中也提到，目前中国国内的机器人产业化进程依然处于初级阶段，发展前景依然十分广阔。人形机器人的视觉定位与目标跟踪技术可以较好的帮助人类完成不安全场地的工作作业。二、选题意义在人形机器人发展初期，机器人只能在简单的环境进行固定路径运动，且只能进行简单重复的运动，其灵活性较差。然而，随着时代的发展，大规模集成电路技术、高精度传感器技术以及关键零部件技术的不断提升，人形机器人也越来越强调“移动”这一特性，其智能化程度也逐步提升，随之而来的，便是人们对人形机器人更加智能的追求。更好地感知环境信息是智能人形机器人更加智能化的一种体现，这种感知能力能够使机器人准确地获取当前的位姿信息，并在根据此信息通过决策功能对特定任务进行执行操作具有一定实际意义。国内外研究现状及存在的问题在单目视觉SLAM领域，Davison教授提出的MonoSLAM。MonoSLAM的前端跟踪方案采取的是通过提取图像中非常稀疏的特征点进行跟踪，从而获得相机的相对位姿数据。Fischer（2015）认为Klein提出了PTAM（ParallelTrackingandMapping），亦是SLAM发展过程中的重要事件。JosephRedmon（2017）PTAM具有十分深远的意义：PTAM首次提出，对于SLAM过程，其建图算法和跟踪算法是可以同时进行计算的；PTAM将非线性优化的思想带入了SLAM系统，由于不再使用传统的滤波器方案，其累计误差问题也得到了一定程度上的解决；最后，其率先引入了关键帧机制，使得今后的SLAM系统不需要对每一帧图像进行精细的处理，大大提升了SLAM系统的运行效率。Z.Tian，C.Shen（2019）通过上述方法，使得PTAM能够一定的标准筛选出部分图像帧(称为关键帧)，并采用基于捆集调整(BundleAdjustment，BA)的非线性优化方法对关键帧和地图点的位姿进行联合优化，从而完成SLAM过程。N.Wangetal（2020）证实了在计算成本相同的情况下，使用关键帧并进行联合优化的SLAM方案比滤波器的方案的精度更高。然而PTAM也存在很多问题：其建图环境不能过大，同时跟踪算法也十分容易失败。KinectFusion是第一个基于RGBD的实时SLAM系统，其通过深度图像完成点云的生成，并通过ICP匹配估计相机位姿，最后，通过相机的位姿对多个图像帧之间的点云进行拼接，使用TSDF呈现最终的地图。虽然其能够完成实时的单位地图构建，但其依然存在一些缺点：必须使用GPU才能进行实时的三维重建，无法在一般PC上运行；若当前环境存在大量平行平面，则基于ICP匹配的相机位姿估计会出错；由于其使用了固定体积得网格表示三维地图，因此其只能在固定大小的环境中进行地图构建；整个系统缺少回环检测算法，累计误差无法消除。张亮，郭彤旭（2021）优化方案采取的是扩展卡尔曼滤波的方法，通过对相机的当前位姿状态信息和已知的路标点信息的跟踪测量，从而更新对应的均值和协方差，从而完成后端优化的操作。廖桐舟（2021）认为此方法虽然能够计算出相机相对位姿，但由于其对每次输入的图像都会进行相对位姿结算，导致出现大量冗余的计算信息。郑太雄（2021）认为这种基于滤波方法的视觉SLAM在长时间运行时会存在大量累计误差，并且由于出现了大量冗余计算信息，其实时性也会有所降低。综上所述，目前基于视觉的SLAM系统虽然技术日趋成熟，且也出现了许多优秀的开源框架，但依然存在以下问题：目前视觉SLAM系统普遍存在对光照十分敏感的问题。由于光照变化或相机曝光时间变化导致的特征点提取失败、特征点不匹配或最小化辐射度失败等情况，从而使得视觉SLAM系统跟踪失败，进而导致整个系统崩溃的现象。ZhengZ（2020）目前视觉SLAM系统存在实时性不足的问题。特征点法由于计算特征点和与之对应的描述子耗时较长，使得整个系统定位频率普遍不足10fps，无法实现实时的定位与建图工作。主要研究内容人形机器人的视觉定位与目标跟踪技术本论文结构及各章节主要研究内容如下：第一章首先介绍了研究人形机器人的视觉定位与目标跟踪技术的背景和意义，概括阐述了当前视觉SLAM技术的国内外研究现状及存在的问题。同时通过这些问题提出了本文的主要研究内容并阐述了本文各章节的安排。第二章首先给出一般SLAM系统的基本表述，并通过给出其数学模型和概率学分布模型对SLAM系统进行描述，同时分析了SLAM问题的整体结构。然后，结合视觉SLAM系统的基本原理，通过建立其与视觉系统相关的四个坐标系建立起基本的基于视觉的定位与地图构建模型。第三章在确定了所采取的假设为辐射度不变假设后，首先对一般相机成像原理的分析，并根据相机成像原理将成像过程分成各个模块，并针对各个模块进行分析从而建立起相机成像模型；第四章首先基于辐射度不变假设，对定位与地图构建方案进行了整体的设计，并根据传统定位与地图构建系统，将本系统也分为前端跟踪和后端优化两个方面，并设计了算法的整体流程框图。第五章首先根据介绍了所使用的实验硬件平台，并提出一套视觉定位与地图构建系统的测试实验方案，同时完成实验所使用的软件环境的搭建。然后使用ZED2对双目视觉信息进行获取，并根据其所提供的相机内参设置系统的参数。第六章对本文的工作进行了总结，对未来的工作发展方向进行了探讨。研究方法、步骤和措施等研究方法1.文献研究法。本文在写作的过程中，充分利用了中国期刊网等网络资源关于人形机器人的视觉定位与目标跟踪技术研究的文献和资料。通过大量收集和整理近5年国内人形机器人的视觉定位与目标跟踪技术专家学者的研究成果，实现对人形机器人的视觉定位与目标跟踪技术有关理论的基本认知，了解我国人形机器人的视觉定位与目标跟踪技术的发展状况，从而明确本文的研究方向和重点。2.理论与实际相结合方法。通过理论与实际结合分析，保障了人形机器人的视觉定位与目标跟踪技术研究材料的丰富性、研究对策的实践性、研究结果的真实性。研究步骤论文首先采用知网以及相关的万方网络资料库进行收集资料，其次参照相关的人形机器人的视觉定位与目标跟踪技术研究，最后根据相关的方向撰写论文。指导教师意见指导教师签字：年月日注：如页面不够可加附页附：参考文献清单（要求：不少于15篇，近五年不少于2/3，英文文献不少于1/3，按照毕业论文参考文献格式排版）[1]张亮,郭彤旭,王佐强,等.一种单目视觉的水下目标定位与跟踪技术[J].大众标准化,2021(10):4.[2]廖桐舟,刘海峰指导.一种基于多视角视觉的足球机器人自定位系统[J].中国科技教育,2021(11):2.[3]贝玉,孙逸凡,蔺有为,等.并联机器人伺服控制系统目标跟踪设计与实现[J].2021.[4]郑太雄,江明哲,冯明驰.基于视觉的采摘机器人目标识别与定位方法研究综述[J].仪器仪表学报,2021,42(9):24.[5]王杨,王犇,麦晓明.针对狭窄空间作业的机器人动态视觉系统研究[J].机械设计与制造,2021(12):6.[6]雷金波,王聪然,赵轩,等.一种基于双目视觉的目标跟踪定位仪器:,CN112454355A[P].2021.[7]周海波,李晨铭,孙国庆,等.应用于巡检机器人的四位一体自适应跟踪拍摄方法及装置:,CN112288801A[P].2021.[8]赵定金,朱正辉,张常华,等.一种基于机器视觉的图像追踪定位方法及系统:,2021.[9]杨小强.基于PLC和视觉的机器人物体识别和分类研究[J].武汉职业技术学院学报,2021(1):112-115.[10]缪文南,周政,陈雪娇,等.全向轮移动机器人的视觉目标跟踪研究[J].组合机床与自动化加工技术,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