專利名稱：：一種基于機器人雙目立體視覺的地面障礙物檢測方法
技術(shù)領(lǐng)域：
：本發(fā)明涉及一種設(shè)計系統(tǒng)，特別涉及一種基于機器人雙目立體視覺的地面障礙物檢測方法，屬于智能機器人
技術(shù)領(lǐng)域：
。
背景技術(shù)：
：在自主探索的過程中，避障是移動機器人必需的基本功能。目前絕大部分移動機器人采用距離傳感器進行避障。雖然距離傳感器可以提供精確的關(guān)于障礙物的距離-朝向信息，但是只能檢測位于掃描平面上的障礙物，而視覺系統(tǒng)則可以為移動機器人提供豐富和實時的環(huán)境信息，因此得到了廣泛的研究和應(yīng)用。避障算法通常由兩部分組成障礙物檢測算法用來發(fā)現(xiàn)并估計障礙物的位置和形狀；避障策略用來產(chǎn)生安全有效的運動控制量。本發(fā)明主要討論前一部分障礙物檢測算法。在非結(jié)構(gòu)化的環(huán)境中，基于立體視覺的障礙物檢測通常依賴于視差圖。使用地面的視差圖作為參考的思想可以追溯至上世紀九十年代，與參考視差差異較大的像素將被分類為障礙物像素。文獻(SabeK，F(xiàn)ukuchiM，GutmannJS，etal.Obstacleavoidanceandpathplanningforhumanoidrobotsusingstereovision[C].IEEEInternationalConferenceonRoboticsandAutomation.2004,1:592_597.)提出一個平面提取算子來尋找地面，將所有的視差轉(zhuǎn)換為三維空間點并在點集上進行哈夫變換來定位地面。文獻(BurschkaD,LeeS,HagerG.Stereo-basedobstacleavoidanceinindoorenvironmentswithactivesensorre-calibration[C].IEEEInternationalConferenceonRoboticsandAutomation.NewYork,2002:2066-2072.)Jldj^ifjftfflW差的算法，將屬于地面的視差像素從視差圖中去除，剩余的視差像素則認為是障礙物。一般來說，這些方法依賴于密集的視差圖，但是由于環(huán)境中存在多義場景，通過立體匹配得到的視差圖一般較為稀疏。為了得到密集的視差圖，文獻(DubbelmanG，vanderMarkff,vandenHeuvelJC,etal.Obstacledetectionduringdayandnightconditionsusingstereovision[C].IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems(IR0S).2007:109_116.)提出由精到粗的選擇機制估計并融合由多分辨率視差圖像組成的金字塔。文獻(Torres-MendezLA，DudekG.StatisticsofVisualandPartialDepthDataforMobileRobotEnvironmentModeling[C].MexicanInternationalConferenceonArtificialIntelligence(MICAI).2006.)使用Markov隨機場學(xué)習(xí)已有的視差和亮度變化之間的關(guān)系，然后通過對稀疏視差圖進行插值得到密集視差圖。文獻(FoggiaP,JolionJM,LimongielloA,etal.StereovisionforobstacledetectionAgraph-basedapproach[C]Graph-BasedRepresentationsinPatternRecognition.Berlin:Springer-VerlagBerlin,2007,4538:37_48.)將立體圖像建模為由區(qū)域作為節(jié)點的圖，通過尋找匹配的區(qū)域來實現(xiàn)立體匹配。上述方法在特定的條件下能取得理想的匹配效果，但是往往計算復(fù)雜度高或過多地采用經(jīng)驗假設(shè)。與設(shè)法取得密集的視差圖不同，文獻(YoonS，RohKS，ShimYB.Vision-basedobstacledetectionandavoidanceApplicationtorobustindoornavigationofmobilerobots[J].AdvancedRobotics,2008,22(4):477-492.)使用代數(shù)投影不變量來確定左右圖像中的匹配對，如果匹配像素的顏色差值較大則認為相應(yīng)的場景點屬于障礙物。文獻(段華，趙東標(biāo).基于立體視覺的移動機器人動態(tài)避障方法[J].機械科學(xué)與技術(shù)，2006，25(6)631-634.)對障礙物區(qū)域進行局部視差連續(xù)性約束下的相似性匹配，構(gòu)造障礙物的最大包圍盒投影到地面。JCK(CaraffiC,CattaniS,GrisleriP.Off-roadpathandobstacledetectionusingdecisionnetworksandstereovision[J].IEEETransactionsonIntelligentTransportationSystems,2007,8(4)=607-618.)則使用V視差圖提取地面并使用片估計定位障礙物。本發(fā)明應(yīng)用的啟發(fā)式合并規(guī)則、菱形誤差模型和三角分布規(guī)則，請參考文獻(張廣軍.機器視覺.科學(xué)出版社，2005)
發(fā)明內(nèi)容本發(fā)明的目的是為解決目前使用立體視覺建立柵格地圖的方法存在計算量大和環(huán)境信息不完整的問題，而提供一種基于機器人雙目立體視覺的地面障礙物檢測方法，通過對獲取的圖像進行地面視差分布分析，辨別出圖像中的地面和障礙物，最后控制機器人實施避障。本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的本發(fā)明的一種基于機器人雙目立體視覺的地面障礙物檢測方法，采用雙目立體視覺傳感器，在雙目基線與地面平行條件下，具體檢測步驟如下1)對獲取的圖像進行視差分布分析假設(shè)獲取圖像中的地面為平面，則該平面點上的視差值D通過下式獲得其中α是雙目立體視覺傳感器的光軸(攝像頭焦點與成像平面的垂線)相對于地面的俯角，β是雙目立體視覺傳感器的光軸(攝像頭焦點與攝像頭鏡頭的垂線)和實測點之間的夾角，h是雙目立體視覺傳感器的攝像頭中心離地面的高度，B和f分別為雙目基線的長度和焦距，所述的雙目基線是指雙目立體視覺傳感器中兩個攝像頭中心點之間的連線;2)建立地面_障礙物視差彩色標(biāo)注圖a)設(shè)定地面識別高度hTH，hTH取值范圍為30cm100cm，則地面識別差值范圍D2通過下式獲得其中D1為實際獲取的圖像上任意一點的像素的視差值，D1可通過步驟1)的公式算出，當(dāng)D1的值在D2區(qū)間內(nèi)時，認為D1點是地面像素，當(dāng)D1的值在D2區(qū)間外時，認為D1點是障礙物像素，對實際獲取的圖像上的所有點進行上述的地面_障礙物判斷，從而建立地面_障礙物視差標(biāo)注圖；b)對地面-障礙物視差標(biāo)注圖進行著色，將地面像素標(biāo)注為顏色1，將障礙物像素標(biāo)注為顏色2；所選取的顏色1與顏色2的RGB三元素值均小于150，且顏色1與顏色2的RGB各元素值之差均大于100，對無效像素區(qū)域和高亮區(qū)域不進行著色，得到地面-障礙物視差彩色標(biāo)注圖；其中，無效像素區(qū)域是一種在雙目立體視覺傳感器的左右兩個攝像頭不能協(xié)調(diào)對應(yīng)起來的像素區(qū)域；高亮區(qū)域是指攝像頭直接拍攝的圖像中RGB三元素值均大于200的像素所組成的區(qū)域，在圖像中呈現(xiàn)高亮刺眼狀；3)地面_障礙物視差彩色標(biāo)注圖的后處理a)對步驟2)得到的地面_障礙物視差彩色標(biāo)注圖再次進行彩色標(biāo)注，標(biāo)注規(guī)則為對地面像素標(biāo)注為顏色3，障礙物為顏色4；并且將無效像素區(qū)域在攝像頭直接拍攝的圖像中顯示的像素與步驟2)已標(biāo)注的地面像素在攝像頭直接拍攝的圖像中顯示的像素進行RGB三元素值對應(yīng)相減，當(dāng)各元素值之差均小于5時，將該無效像素區(qū)域標(biāo)注為顏色3，當(dāng)任意元素值之差均大于5時，將該無效像素區(qū)域標(biāo)注為顏色4，得到地面-障礙物視差二次彩色標(biāo)注圖；所選取的顏色3與顏色4的RGB三元素值均小于150，且顏色3與顏色4的RGB各元素值之差均大于100；b)通過啟發(fā)式合并規(guī)則，把該地面_障礙物視差二次彩色標(biāo)注圖與步驟2)的地面_障礙物視差彩色標(biāo)注圖進行融合，形成最終的地面_障礙物視差彩色標(biāo)注結(jié)果圖；4)建立占據(jù)概率_柵格地圖a)對步驟3)獲得的地面_障礙物視差彩色標(biāo)注結(jié)果圖采用三角分布規(guī)則得出該圖上任意像素點的占據(jù)概率值，得到占據(jù)概率分布圖；b)同時對步驟3)獲得的地面_障礙物視差彩色標(biāo)注結(jié)果圖中任意像素P點建立菱形誤差模型，得到其誤差點P1,P2,P3，和P4，將誤差點P1,P2,P3，和P4豎直投影成二維圖像，將投影點記為P'P'2，p'3和P'4，并對投影點建立的二維坐標(biāo)，將P'4之間的距離作為柵格的寬度H，柵格的長度L由通過下式確定，即L=Hj其中，S為根據(jù)雙目立體視覺傳感器攝像機的固有參數(shù)確定的范圍因子，S的取值范圍為0.15;P'3,x為P'3點在二維坐標(biāo)中的橫坐標(biāo)，P'^為P'在二維坐標(biāo)中的橫坐標(biāo)；c)在步驟3)獲得的地面-障礙物視差彩色標(biāo)注結(jié)果圖上建立長為L、寬為H的柵格，將每個柵格中所包含的像素點的占據(jù)概率值賦值給該柵格，記為F'；d)對每個柵格的占據(jù)概率值F'進行增益調(diào)整，調(diào)整方法如下式F=F'+f其中，F(xiàn)為每個柵格增益調(diào)整后的占據(jù)概率值，f為增益因子，當(dāng)該柵格對應(yīng)的點為障礙物像素時，則f取值范圍為0.10.5；當(dāng)該柵格對應(yīng)的點為地面像素時，則f取值范圍為-0.5-0.1；5)結(jié)果判斷對每個柵格對應(yīng)的增益調(diào)整后的占據(jù)概率值F進行判斷，當(dāng)F大于等于0.8時，判斷該柵格為障礙物；當(dāng)F小于等于0.2時，判斷該柵格為地面；當(dāng)F為0.20.8時，該柵格為無效像素區(qū)域或高亮區(qū)域，不做判斷。有益效果本發(fā)明基于雙目立體視覺傳感器，針對目前使用立體視覺建立柵格地圖的方法存在計算量大和環(huán)境信息不完整的問題，提出基于地面視差分布建立柵格地圖的方法，主要是通過在視差圖和彩色圖像中進行像素標(biāo)注并融合標(biāo)注結(jié)果，進而將圖像中像素分類為障礙物或地面像素。本發(fā)明提出了統(tǒng)一的投影模型，通過使用不同的參數(shù)值將障礙物像素和地面像素投影到柵格圖中，從而快速得到環(huán)境信息的完整柵格地圖，最后檢測出障礙物。本發(fā)明提出的障礙物檢測方法可以適用于室內(nèi)各種復(fù)雜環(huán)境，針對不同的障礙物，都能達到精確識別，為機器人實施避障提供了很好的準備條件。本發(fā)明利用雙目立體視覺的障礙物檢測方法，解決了一般機器人避障過程中的障礙物檢測實時性問題，并且使機器人以較低的負載，較少的能耗實現(xiàn)了障礙物檢測，本發(fā)明真正做到了以有限的代價獲得較高實時性的檢測性能。圖1-本發(fā)明的成像幾何示意圖；圖2-本發(fā)明的立體誤差模型；圖3-本發(fā)明的障礙物投影模型。具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明做進一步說明本發(fā)明的一種基于機器人雙目立體視覺的地面障礙物檢測方法，采用雙目立體視覺傳感器，在雙目基線與地面平行條件下，具體檢測步驟如下1)對獲取的圖像進行視差分布分析假設(shè)獲取圖像中的地面為平面，則該平面點上的視差值D通過下式獲得其中α是雙目立體視覺傳感器的光軸(攝像頭焦點與成像平面的垂線)相對于地面的俯角，β是雙目立體視覺傳感器的光軸(攝像頭焦點與攝像頭鏡頭的垂線)和實測點之間的夾角，h是雙目立體視覺傳感器的攝像頭中心離地面的高度，B和f分別為雙目基線的長度和焦距，所述的雙目基線是指雙目立體視覺傳感器中兩個攝像頭中心點之間的連線.一入，2)建立地面_障礙物視差彩色標(biāo)注圖a)設(shè)定地面識別高度hTH，hTH取值范圍為30cm100cm，則地面識別差值范圍D2通過下式獲得其中D1為實際獲取的圖像上任意一點的像素的視差值，D1可通過步驟1)的公式算出，當(dāng)D1的值在D2區(qū)間內(nèi)時，認為D1點是地面像素，當(dāng)D1的值在D2區(qū)間外時，認為D1點是障礙物像素，對實際獲取的圖像上的所有點進行上述的地面_障礙物判斷，從而建立地面_障礙物視差標(biāo)注圖；b)對地面-障礙物視差標(biāo)注圖進行著色，將地面像素標(biāo)注為顏色1，將障礙物像素標(biāo)注為顏色2；所選取的顏色1與顏色2的RGB三元素值均小于150，且顏色1與顏色2的RGB各元素值之差均大于100，對無效像素區(qū)域和高亮區(qū)域不進行著色，得到地面-障礙物視差彩色標(biāo)注圖；其中，無效像素區(qū)域是一種在雙目立體視覺傳感器的左右兩個攝像頭不能協(xié)調(diào)對應(yīng)起來的像素區(qū)域；高亮區(qū)域是指攝像頭直接拍攝的圖像中RGB三元素值均大于200的像素所組成的區(qū)域，在圖像中呈現(xiàn)高亮刺眼狀；3)地面_障礙物視差彩色標(biāo)注圖的后處理a)對步驟2)得到的地面_障礙物視差彩色標(biāo)注圖再次進行彩色標(biāo)注，標(biāo)注規(guī)則為對地面像素標(biāo)注為顏色3，障礙物為顏色4；并且將無效像素區(qū)域在攝像頭直接拍攝的圖像中顯示的像素與步驟2)已標(biāo)注的地面像素在攝像頭直接拍攝的圖像中顯示的像素進行RGB三元素值對應(yīng)相減，當(dāng)各元素值之差均小于5時，將該無效像素區(qū)域標(biāo)注為顏色3，當(dāng)任意元素值之差均大于5時，將該無效像素區(qū)域標(biāo)注為顏色4，得到地面-障礙物視差二次彩色標(biāo)注圖；所選取的顏色3與顏色4的RGB三元素值均小于150，且顏色3與顏色4的RGB各元素值之差均大于100；b)通過啟發(fā)式合并規(guī)則，把該地面_障礙物視差二次彩色標(biāo)注圖與步驟2)的地面_障礙物視差彩色標(biāo)注圖進行融合，形成最終的地面_障礙物視差彩色標(biāo)注結(jié)果圖；4)建立占據(jù)概率_柵格地圖a)對步驟3)獲得的地面_障礙物視差彩色標(biāo)注結(jié)果圖采用三角分布規(guī)則得出該圖上任意像素點的占據(jù)概率值，得到占據(jù)概率分布圖；b)同時對步驟3)獲得的地面_障礙物視差彩色標(biāo)注結(jié)果圖中任意像素P點建立菱形誤差模型，得到其誤差點P1,P2,P3，和P4，將誤差點P1,P2,P3，和P4豎直投影成二維圖像，將投影點記為P'P'2，p'3和P'4，并對投影點建立的二維坐標(biāo)，將P'4之間的距離作為柵格的寬度H，柵格的長度L由通過下式確定，即ρ-ρ'L=—~其中，S為根據(jù)雙目立體視覺傳感器攝像機的固有參數(shù)確定的范圍因子，S的取值范圍為0.15;P'3,x為P'3點在二維坐標(biāo)中的橫坐標(biāo)，P'^為P'在二維坐標(biāo)中的橫坐標(biāo)；c)在步驟3)獲得的地面-障礙物視差彩色標(biāo)注結(jié)果圖上建立長為L、寬為H的柵格，將每個柵格中所包含的像素點的占據(jù)概率值賦值給該柵格，記為F'；d)對每個柵格的占據(jù)概率值F'進行增益調(diào)整，調(diào)整方法如下式F=F'+f其中，F(xiàn)為每個柵格增益調(diào)整后的占據(jù)概率值，f為增益因子，當(dāng)該柵格對應(yīng)的點為障礙物像素時，則f取值范圍為0.10.5；當(dāng)該柵格對應(yīng)的點為地面像素時，則f取值范圍為-0.5-0.1；5)結(jié)果判斷對每個柵格對應(yīng)的增益調(diào)整后的占據(jù)概率值F進行判斷，當(dāng)F大于等于0.8時，判斷該柵格為障礙物；當(dāng)F小于等于0.2時，判斷該柵格為地面；當(dāng)F為0.20.8時，該柵格為無效像素區(qū)域或高亮區(qū)域，不做判斷。本發(fā)明應(yīng)用的啟發(fā)式合并規(guī)則、菱形誤差模型和三角分布規(guī)則，請參考文獻(張廣軍.機器視覺.科學(xué)出版社，2005)最終本發(fā)明成功地實現(xiàn)了障礙物和地面實時地融合到柵格地圖上，為下一步的機器人避障做好了準備。權(quán)利要求一種基于機器人雙目立體視覺的地面障礙物檢測方法，其特征在于采用雙目立體視覺傳感器，在雙目基線與地面平行條件下，具體檢測步驟如下1)對獲取的圖像進行視差分布分析假設(shè)獲取圖像中的地面為平面，則該平面點上的視差值D通過下式獲得<mrow><mi>D</mi><mo>=</mo><mfrac><mi>Bf</mi><mi>h</mi></mfrac><mfrac><mrow><mi>cos</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>-</mo><mi>&beta;</mi><mo>)</mo></mrow></mrow><mrow><mi>cos</mi><mi>&beta;</mi></mrow></mfrac></mrow>其中α是雙目立體視覺傳感器的光軸相對于地面的俯角，β是雙目立體視覺傳感器的光軸和實測點之間的夾角，h是雙目立體視覺傳感器的攝像頭中心離地面的高度，B和f分別為雙目基線的長度和焦距，所述的雙目基線是指雙目立體視覺傳感器中兩個攝像頭中心點之間的連線；2)建立地面-障礙物視差彩色標(biāo)注圖a)設(shè)定地面識別高度hTH，hTH取值范圍為30cm～100cm，則地面識別差值范圍D2通過下式獲得<mrow><msub><mi>D</mi><mn>2</mn></msub><mo>&Element;</mo><mfencedopen='['close=']'><mtable><mtr><mtd><mfrac><mi>Bf</mi><mrow><mi>Bf</mi><mo>/</mo><msub><mi>D</mi><mn>1</mn></msub><mo>+</mo><msup><mi>d</mi><mo>&prime;</mo></msup></mrow></mfrac></mtd><mtd><mfrac><mi>Bf</mi><mrow><mi>Bf</mi><mo>/</mo><msub><mi>D</mi><mn>1</mn></msub><mo>-</mo><msup><mi>d</mi><mo>&prime;</mo></msup></mrow></mfrac></mtd></mtr></mtable></mfenced></mrow>其中<mrow><msup><mi>d</mi><mo>&prime;</mo></msup><mo>=</mo><mfrac><msub><mi>h</mi><mi>TH</mi></msub><mrow><mi>cos</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>-</mo><mi>&beta;</mi><mo>)</mo></mrow></mrow></mfrac><mi>cos</mi><mi>&beta;</mi><mo>;</mo></mrow>D1為實際獲取的圖像上任意一點的像素的視差值，D1可通過步驟1)的公式算出，當(dāng)D1的值在D2區(qū)間內(nèi)時，認為D1點是地面像素，當(dāng)D1的值在D2區(qū)間外時，認為D1點是障礙物像素，對實際獲取的圖像上的所有點進行上述的地面-障礙物判斷，從而建立地面-障礙物視差標(biāo)注圖；b)對地面-障礙物視差標(biāo)注圖進行著色，將地面像素標(biāo)注為顏色1.將障礙物像素標(biāo)注為顏色2；所選取的顏色1與顏色2的RGB三元素值均小于150，且顏色1與顏色2的RGB各元素值之差均大于100，對無效像素區(qū)域和高亮區(qū)域不進行著色，得到地面-障礙物視差彩色標(biāo)注圖；其中，無效像素區(qū)域是一種在雙目立體視覺傳感器的左右兩個攝像頭不能協(xié)調(diào)對應(yīng)起來的像素區(qū)域；高亮區(qū)域是指攝像頭直接拍攝的圖像中RGB三元素值均大于200的像素所組成的區(qū)域，在圖像中呈現(xiàn)高亮刺眼狀；3)地面-障礙物視差彩色標(biāo)注圖的后處理a)對步驟2)得到的地面-障礙物視差彩色標(biāo)注圖再次進行彩色標(biāo)注，標(biāo)注規(guī)則為對地面像素標(biāo)注為顏色3，障礙物為顏色4；并且將無效像素區(qū)域在攝像頭直接拍攝的圖像中顯示的像素與步驟2)已標(biāo)注的地面像素在攝像頭直接拍攝的圖像中顯示的像素進行RGB三元素值對應(yīng)相減，當(dāng)各元素值之差均小于5時，將該無效像素區(qū)域標(biāo)注為顏色3，當(dāng)任意元素值之差均大于5時，將該無效像素區(qū)域標(biāo)注為顏色4，得到地面-障礙物視差二次彩色標(biāo)注圖；所選取的顏色3與顏色4的RGB三元素值均小于150，且顏色3與顏色4的RGB各元素值之差均大于100；b)通過啟發(fā)式合并規(guī)則，把該地面-障礙物視差二次彩色標(biāo)注圖與步驟2)的地面-障礙物視差彩色標(biāo)注圖進行融合，形成最終的地面-障礙物視差彩色標(biāo)注結(jié)果圖；4)建立占據(jù)概率-柵格地圖a)對步驟3)獲得的地面-障礙物視差彩色標(biāo)注結(jié)果圖采用三角分布規(guī)則得出該圖上任意像素點的占據(jù)概率值，得到占據(jù)概率分布圖；b)同時對步驟3)獲得的地面-障礙物視差彩色標(biāo)注結(jié)果圖中任意像素P點建立菱形誤差模型，得到其誤差點P1，P2，P3，和P4，將誤差點P1，P2，P3，和P4豎直投影成二維圖像，將投影點記為P′1，P′2，P′3和P′4，并對投影點建立的二維坐標(biāo)，將P′2和P′4之間的距離作為柵格的寬度H，柵格的長度L由通過下式確定，即<mrow><mi>L</mi><mo>=</mo><mfrac><mrow><msubsup><mi>P</mi><mrow><mn>3</mn><mo>.</mo><mi>x</mi></mrow><mo>&prime;</mo></msubsup><mo>-</mo><msubsup><mi>P</mi><mrow><mn>1</mn><mo>.</mo><mi>x</mi></mrow><mo>&prime;</mo></msubsup></mrow><mi>S</mi></mfrac></mrow>其中，S為根據(jù)雙目立體視覺傳感器攝像機的固有參數(shù)確定的范圍因子，S的取值范圍為0.1～5；P′3，x為P′3點在二維坐標(biāo)中的橫坐標(biāo)，P′1，x為P′1點在二維坐標(biāo)中的橫坐標(biāo)；c)在步驟3)獲得的地面-障礙物視差彩色標(biāo)注結(jié)果圖上建立長為L、寬為H的柵格，將每個柵格中所包含的像素點的占據(jù)概率值賦值給該柵格，記為F′；d)對每個柵格的占據(jù)概率值F′進行增益調(diào)整，調(diào)整方法如下式F＝F′+f其中，F(xiàn)為每個柵格增益調(diào)整后的占據(jù)概率值，f為增益因子，當(dāng)該柵格對應(yīng)的點為障礙物像素時，則f取值范圍為0.1～0.5；當(dāng)該柵格對應(yīng)的點為地面像素時，則f取值范圍為-0.5～-0.1；5)結(jié)果判斷對每個柵格對應(yīng)的增益調(diào)整后的占據(jù)概率值F進行判斷，當(dāng)F大于等于0.8時，判斷該柵格為障礙物；當(dāng)F小于等于0.2時，判斷該柵格為地面；當(dāng)F為0.2～0.8時，該柵格為無效像素區(qū)域或高亮區(qū)域，不做判斷。全文摘要本發(fā)明公開了一種基于機器人雙目立體視覺的地面障礙物檢測方法，屬于智能機器人
技術(shù)領(lǐng)域：
。包括以下步驟根據(jù)雙目的基線長度和焦距，利用已知圖像的幾何構(gòu)形解析出圖像中各行的地面視差值；在地面視差值的基礎(chǔ)上，通過反投影模型計算出某像素對應(yīng)場景點的三維坐標(biāo)，從而初步判斷該像素屬于障礙物或是地面點；對障礙物和地面點分別賦予不同的顏色；對上述結(jié)果進行后處理，去除虛假的障礙物；消除立體誤差，建立柵格地圖。該方法適用于室內(nèi)各種復(fù)雜環(huán)境，針對不同的障礙物，都能達到精確識別，并且具有很高的實時性，為機器人實施避障提供了很好的準備條件。文檔編號G06T7/00GK101852609SQ20101018986公開日2010年10月6日申請日期2010年6月2日優(yōu)先權(quán)日2010年6月2日發(fā)明者劉華罡,華承昊,孫巍,張海強,方浩,曹虎,毛昱天,竇麗華,陳杰申請人:北京理工大學(xué)