[发明专利]基于轮廓识别的机器人可变视角障碍物检测方法

说明书

技术领域

本发明属于计算机视觉和图像测量技术领域，尤其涉及机器人视觉导航中基于轮廓识别的机器人可变视角障碍物检测方法。

背景技术

双目三维重建是机器视觉中一个非常重要的研究领域，广泛应用于机器人导航中。经过相机标定，图像采集，图像预处理，立体匹配和三维重建后可以得到物体的三维信息。目前，绝大多数三维重建方法都是基于固定视角，即机器人每次获得的三维信息的范围是固定的。这使得机器人在同一个坐标系中不可能分析大视角范围的障碍物，并进行三维重建。

为了使机器人能根据实际要求，实现可变视角内的障碍物检测，从而更加全面地感知外界环境信息，以便更好地进行路径规划及其它相关工作，需要对两个三维点云进行拼接。

目前大多数的图像特征提取和匹配算法存在一个矛盾:当提取的特征量足够多时,图像的匹配误差率将大大提高；而当匹配准确度很高的时候,往往提取的的特征量是很稀疏的,不能满足三维重建的要求,典型的如Sift点的提取和匹配,sift是Lowe提出的一种采用多尺度高斯差分图像检测关键点的方法,其中每个关键点的位置和尺度对应于一个局部稳定的区域,每个特征点都有与之对应的特征向量,匹配准确率高,但是其特征点的数量有限,很难达到三维重建的要求。

用于三维数据拼接的方法主要有三种：

第一种：通过精密平台、经纬仪、激光跟踪仪等大型装置来扩展测量范围,这种方法中所用的测量装置价格昂贵，而且无法应用于野外机器人的自主导航中。

第二种：通过在测量装置相邻两次测量的公共视场内粘贴标记点，利用其中非共线的三个点来求取拼接矩阵，这种方法需要人为粘贴标记点，也无法应用于野外机器人的自主导航中。

第三种：迭代最近点算法，当点比较多时，这种方法存在迭代运算量大，运行时间长等问题,且不适合于表面曲率变化不丰富的被测物,对重叠区域的查找也是一个难点。

所以一种既能够提取图像足够多的特征信息，又能够保证图像特征匹配的准确率同时能适应野外快速自动拼接的方法成为函待解决的问题。

发明内容

为了克服现有的机器人障碍物检测方法的计算量大、快速性较差的不足，本发明提供了一种基于轮廓识别的机器人可变视角障碍物检测方法，因为图像的边缘包含了用于识别的有用信息，且相对于所有点的密集匹配大大减少了计算量，且基于边缘的拼接方法能适应无人为干预情况下三维点云的快速拼接。

为了解决上述技术问题采用的技术方案如下：

一种基于轮廓识别的机器人可变视角障碍物检测方法，包括下列步骤：

(1)双目立体视觉系统的标定：将两个CCD摄相机装于机器人的转台上，使用标定板对双目视觉系统的每一个摄像机进行标定并记录各摄像机的内参数和外参数，对双目视觉系统进行立体标定并记录两个摄像机之间位置关系的旋转矩阵R_c和平移矩阵T_c，并设置双目视觉系统的全局坐标系O₁；

(2)图像采集及预处理：使用两台摄像机同时对同一场景进行拍摄，得到左右两幅图像P_l1，P_r1，并对两幅图像进行极线校正，然后逐行扫描每幅图像，提取灰度变化剧烈的像素点为候选边缘点，并用闭运算方法连接图像中目标物体的边缘；

(3)基于轮廓识别的立体匹配：从目标物体的边缘图像中，寻找目标物体的轮廓，对左右两幅图像中目标物体的轮廓分别进行匹配，采用基于窗口的灰度匹配原则对匹配轮廓上的每个像素点在对应极线上进行匹配；

(4)基于轮廓识别的快速三维重建：利用己经标定好的系统参数进行目标物体轮廓的三维重建，通过标定好的每个摄像机的内参数和两个摄像机之间位置关系的旋转矩阵R和平移矩阵T确定物体轮廓各点的空间坐标和图像坐标的关系，通过轮廓特征点的图像坐标可得到空间三维坐标，根据轮廓的连续性原理优化三维轮廓点云；

(5)对另一个方向进行三维重建：根据双目立体视觉的系统单次拍摄的视角范围，将转台旋转一定角度，确保两次拍摄具有重叠区域，得到另外一组图像P_l2，P_r2，设置双目视觉系统的全局坐标系O₂,对另一方向拍摄的图像按步骤(2)至(4)进行基于轮廓识别的快速三维重建；

(6)寻找两组三维点云的重叠区域：对两组图像中的左图像P_l1，P_l2进行轮廓匹配，寻找匹配轮廓对应的三维轮廓点云N和M，即重叠区域；