一种基于机器人双目立体视觉的地面障碍物检测方法

摘要

本发明公开了一种基于机器人双目立体视觉的地面障碍物检测方法，属于智能机器人技术领域。包括以下步骤：根据双目的基线长度和焦距，利用已知图像的几何构形解析出图像中各行的地面视差值；在地面视差值的基础上，通过反投影模型计算出某像素对应场景点的三维坐标，从而初步判断该像素属于障碍物或是地面点；对障碍物和地面点分别赋予不同的颜色；对上述结果进行后处理，去除虚假的障碍物；消除立体误差，建立栅格地图。该方法适用于室内各种复杂环境，针对不同的障碍物，都能达到精确识别，并且具有很高的实时性，为机器人实施避障提供了很好的准备条件。

主权项

1.一种基于机器人双目立体视觉的地面障碍物检测方法，其特征在于：采用双目立体视觉传感器，在双目基线与地面平行条件下，具体检测步骤如下：1)对获取的图像进行地面视差分布分析假设获取图像中的地面为平面，则该平面点上的视差值D通过下式获得：其中α是双目立体视觉传感器的光轴相对于地面的俯角，β是双目立体视觉传感器的光轴和实测点与摄像头焦点连线之间的夹角，这里所说的双目立体视觉传感器的光轴指摄像头焦点与成像平面的垂线，h是双目立体视觉传感器的摄像头中心离地面的高度，B和f分别为双目基线的长度和焦距，所述的双目基线是指双目立体视觉传感器中两个摄像头中心点之间的连线；2)建立地面-障碍物视差彩色标注图a)设定地面识别高度h_TH，h_TH取值范围为30cm～100cm，则地面识别差值范围为D₂通过下式获得：其中：D₁为实际获取的图像上任意一点的像素的视差值，D₁可通过步骤1)的公式算出，当D₁的值在D₂区间内时，认为D₁点是地面像素，当D₁的值在D₂区间外时，认为D₁点是障碍物像素，对实际获取的图像上的所有点进行上述的地面-障碍物判断，从而建立地面-障碍物视差标注图；b)对地面-障碍物视差标注图进行着色，将地面像素标注为颜色1,将障碍物像素标注为颜色2；所选取的颜色1与颜色2的RGB三元素值均小于150，且颜色1与颜色2的RGB各元素值之差均大于100，对无效像素区域和高亮区域不进行着色，得到地面-障碍物视差彩色标注图；其中，无效像素区域是一种在双目立体视觉传感器的左右两个摄像头不能协调对应起来的像素区域；高亮区域是指摄像头直接拍摄的图像中RGB三元素值均大于200的像素所组成的区域，在图像中呈现高亮刺眼状；3)地面-障碍物视差彩色标注图的后处理a)对步骤2)得到的地面-障碍物视差彩色标注图再次进行彩色标注，标注规则为：对地面像素标注为颜色3，障碍物为颜色4；并且将无效像素区域在摄像头直接拍摄的图像中显示的像素与步骤2)已标注的地面像素在摄像头直接拍摄的图像中显示的像素进行RGB三元素值对应相减，当各元素值之差均小于5时，将该无效像素区域标注为颜色3，当任意元素值之差均大于5时，将该无效像素区域标注为颜色4，得到地面-障碍物视差二次彩色标注图；所选取的颜色3与颜色4的RGB三元素值均小于150，且颜色3与颜色4的RGB各元素值之差均大于100；b)通过启发式合并规则，把该地面-障碍物视差二次彩色标注图与步骤2)的地面-障碍物视差彩色标注图进行融合，形成最终的地面-障碍物视差彩色标注结果图；4)建立占据概率-栅格地图a)对步骤3)获得的地面-障碍物视差彩色标注结果图采用三角分布规则得出该图上任意像素点的占据概率值，得到占据概率分布图；b)同时对步骤3)获得的地面-障碍物视差彩色标注结果图中任意像素P点建立菱形误差模型，得到其误差点P₁，P₂，P₃，和P₄，将 误差点P₁，P₂，P₃，和P₄竖直投影成二维图像，将投影点记为P′₁，P′₂，P′₃和P′₄，并对投影点建立的二维坐标，将P′₂和P′₄之间的距离作为栅格的宽度H，栅格的长度L由通过下式确定，即：其中，S为根据双目立体视觉传感器摄像机的固有参数确定的范围因子，S的取值范围为0.1～5；P′_3，x为P′₃点在二维坐标中的横坐标，P′_1，x为P′₁点在二维坐标中的横坐标；c)在步骤3)获得的地面-障碍物视差彩色标注结果图上建立长为L、宽为H的栅格，将每个栅格中所包含的像素点的占据概率值赋值给该栅格，记为F′；d)对每个栅格的占据概率值F′进行增益调整，调整方法如下式：F＝F′+f其中，F为每个栅格增益调整后的占据概率值，f为增益因子，当该栅格对应的点为障碍物像素时，则f取值范围为0.1～0.5；当该栅格对应的点为地面像素时，则f取值范围为-0.5～-0.1；5)结果判断对每个栅格对应的增益调整后的占据概率值F进行判断，当F大于等于0.8时，判断该栅格为障碍物；当F小于等于0.2时，判断该栅格为地面；当F为0.2～0.8时，该栅格为无效像素区域或高亮区域，不做判断。