远距离障碍的检测方法

摘要

本发明提供了一种机器人技术领域的远距离障碍的检测方法，具体步骤包括：图像采集，图像预处理，场景图像分割，外观特征提取，地形类别判定，地形样本数据库的维护，地形类别统计建模，统计模型参数训练和统计模型推理。本发明实现了多模态障碍的有效检测；提高了非均衡样本条件下障碍检测的准确性；增强了障碍检测对在线实时场景变化的适应性；地形类别建模融合了特征独立平滑函数，消除了特征重叠导致的类别歧义；地形类别建模融合了特征相关平滑函数，增强了障碍检测结果对实时光照变化的在线自适应能力；地形类别统计模型不仅整合了场景区域本身特征，还从原理上融合了场景区域之间的空间关系，提高了映射偏移情况下的障碍检测稳定性。

主权项

一种远距离障碍的检测方法，其特征在于，检测方法具体为：第一步，采集一帧图像到内存；第二步，对采集的图像进行降采样和高斯平滑滤波的预处理；第三步，将预处理后的图像进行分割处理，分割为近距离场景图像和远距离场景图像，并根据RGB颜色特征的分割阈值参数，分别将近距离场景图像和远距离场景图像划分为若干像素集，每个像素集作为一个超像素；第四步，分别对近距离场景图像和远距离场景图像以超像素为单位进行外观特征提取；第五步，根据近距离区域场景的超像素内所有像素点的高程平均值对超像素所属地形类别进行自动识别；所述的高程是通过摄像机模型和立体成像原理，在视差图坐标系中直接拟合地平面，将像素点的视差值减去地平面对应视差得到的；第六步，将近距离场景超像素的外观特征和地形类别放入地形样本数据库模型，对地形样本数据库进行维护，实现样本地形数据库的在线增量创建；第七步，基于条件随机场模型，分别将近距离场景超像素和远距离场景超像素的地形类别的联合概率表示成超像素特征及超像素空间关系的表达式模型，分别完成对近距离场景超像素和远距离场景超像素的地形类别建立统计模型；所述的表达式模型包括：单势能和交互势能，其中：单势能刻画了超像素本身外观特征与地形类别的关系，交互势能反映了相邻超像素间的类别兼容性；所述的交互势能包括：数据无关光滑函数和两个数据相关光滑函数，其中：数据无关光滑函数对非结构化室外场景的不可预知因素及特征多模态分布特性从方法原理上进行了补偿，有利于移动机器人识别连贯的可通过区域；数据相关光滑函数有助于室外场景的自适应障碍检测；所述的统计模型为图模型，由节点和连接节点的边组成，每个节点对应一个超像素，节点之间的边用来对超像素之间的空间关系进行建模；第八步，每当采集完5帧图像后，利用近距离场景超像素的地形类别统计模型和地形类别自动标识结果，采用梯度上升法，进行一次模型参数的训练；第九步，根据在线学得的模型参数和当前远距离场景超像素的外观特征向量，得到远距离场景的超像素为障碍空间的概率，进而得到远距离场景的统计模型的推理结果。