论文部分内容阅读
随着网络技术和机器人技术的进步，遥在机器人(Telepresence Robot)逐渐能够代替人类，从事远距离或危险环境的实时操作。在遥在机器人系统中，操作端的视频质量决定着操作者对于当前的遥操作效果的满意程度。由于网络的不确定性，特别是带宽受限，时延，抖动的网络环境，会严重影响操作端的视频质量和操作者的操控性，给实时的遥操作带来了一定的挑战。此外，遥在机器人系统，具有不同于视频会议系统的特点，机器人由于本身的移动特性，捕获的视频流运动剧烈，数据量大；机器人所处地点网络情况各异，操作者和机器人之间的带宽变化较大；机器人相机视野中的目标物信息也会影响操作者对于视频质量的要求。所以，对遥在机器人系统操作端视频质量的研究就具有更重要的意义。针对遥在机器人系统操作端的视频质量问题，首先进行了系统设计方面的探讨。本文设计了基于FLASH的遥在机器人系统和基于WebRTC的遥在机器人系统，比较了两种系统的优势和不足，经过分析选择了基于FLASH的遥在机器人系统作为视频优化算法的实验平台。其后，本文提出了一种基于QoE的遥在机器人系统视频参数优化算法。首先结合网络遥在机器人的移动性和相机视野中目标物的速度信息，对遥在机器人系统进行视频参数的辨识，以计算网络和用户的QoE值，并建立优化函数，利用多目标优化方法，对影响QoE指标的视频参数进行优化，从而达到提高操作端视频质量的目的。最后的用户体验测试表明，该优化算法在不同的受限带宽下能够降低视频传输的丢包率并能提高操作端视频质量，改善操控体验。针对WebRTC的遥在机器人系统，本文设计了传输速率的测试实验和视频质量的测试实验，实验表明WebRTC系统相对于FLASH系统具有较低的传输速率和较高的视频质量。最后，针对两种系统进行了广域网上的测试实验，验证了在广域网的条件下，WebRTC系统比FLASH系统具有更高的视频质量和操控性。本文研究的内容概述如下：1.首先对两种遥在系统进行了介绍，分别给出了它们的设计目标和系统结构，并总结了两种系统的优势和不足。2.对QoE理论进行简要介绍，并给出了遥在系统的QoE的计算方法。分析了遥在系统的QoE的优化问题，针对QoEN和QoEU，分别给出了优化方法，并归纳出算法流程图3.针对优化算法中的不确定参数，进行了遥在系统视频参数的辨识，描绘出机器人的运动状态变量对视频参数的关系，并给出了辨识的结果和应用。4.分别设计了QoE优化算法测试实验和WebRTC系统的测试实验，并对实验结果进行了分析5.总结全文并归纳今后的科研方向