- 选题背景和意义：
多移动机器人协同控制平台(Multi-Mobile Robot Cooperative Control Platform)，以下简称 MMRCC，目标为搭建一套全开源，能进行控制算法验证的多移动机器人协同控制实验的平台。通过自主搭建平台硬件使其具有底层的开源性，同时具有性能较强的CPU和外围设备，保证了较好的可拓展性。首先通过摄像机的目标检测来获取移动机器人的位置信息，然后通过移动机器人速度和姿态的获取，从而设计控制器，达到对机器人进行运动控制的目的，包括单台机器人得轨迹跟踪、路径跟随控制和多台机器人的聚集、编队控制等。
轮式移动机器人相比其他移动机器人具有运动效率高，灵活度高等优点，因而受到广泛应用和研究，也适用于多移动机器人协同控制平台的开发。其中要重点解决的就是其定位的问题。
定位的目的主要在于获取机器人在惯性坐标系(世界坐标系)下的位置。例如，GPS就是在室外广泛采用的定位方法之一。但在室内的情况下，GPS往往无法使用。因此，如何在室内解决定位问题是一个很有意义的研究问题，并且学者们提出了很多研究方法。其中，基于视觉的定位方法由于对环境的依赖性低，而被广泛研究。然而，实际在视觉定位中存在很多不确定性问题，比如摄像头参数的不确定性，以及反光等带来的干扰等。如何结合摄像头，对移动机器人进行准确的定位，依旧存在着很多的难点。
本课题主要考虑通过将摄像头固定在环境中，对轮式移动机器人进行定位，实时得到其世界坐标系下的坐标。
二、课题关键问题及难点：
本课题研究的是移动机器人实时定位问题，因而对算法的实时性和定位精度要求高。其中关键问题就是摄像机标定精度、目标检测的准确度和速度。
对于摄像头标定来说，它的精度受到很多因素的影响。同样视场范围内相机的分辨率越大，标定精度越高。光线过亮过暗或是不均匀也会导致检测精度低。另外还需要进行非线性畸变校正参数。
对于目标检测，难点就是怎么平衡效果与速度之间的关系。如果采用传统的图像算法，能够解决某些特定场景的、可人工定义、设计、理解的图像任务。特定场景效果好，可解释性强，对硬件要求不高，但普遍泛化性弱，一般场景下精度低。若采用深度学习的方法，其特点是效果好、泛化能力强，但是训练网络比较复杂，算力、数据消耗大，可解释性弱。
具体来说，研究难点包括：
- 如何通过MATLAB标定工具，采用张正友标定法或其他方法获得足够精度的内参矩阵；
- 如何设计目标检测效果较好，又能够达到实时性要求的算法，在图像中对移动机器人进行定位；
- 如何通过坐标关系计算得到机器人在世界坐标下的坐标，进行实际测试，误差分析，并进一步提高精度。
-
- 文献综述（或调研报告）：
经过调研，在摄像机标定中经典的方法就是张正友相机标定法。张正友相机标定法是张正友教授于1998年提出的单平面棋盘格的相机标定方法。传统标定法的标定板是需要三维的，需要非常精确，这很难制作，而张正友教授提出的方法介于传统标定法和自标定法之间，但克服了传统标定法需要的高精度标定物的缺点，而仅需使用一个打印出来的棋盘格就可以。同时也相对于自标定而言，提高了精度，便于操作。因此张氏标定法被广泛应用于计算机视觉方面。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
