[发明专利]一种基于智能视觉的井下移动机器人避障方法

权利要求书

1.一种基于智能视觉的井下移动机器人避障方法，其特征在于，包括如下步骤：

步骤1，双目相机采集工作场景的图像信息，得到双目图像，根据双目相机的标定参数对双目图像进行畸变校正；

步骤2，对畸变校正后的双目图像进行立体匹配，计算双目视差图，并对双目视差图进行视差优化；其中，立体匹配采用的立体匹配算法通过自适应窗口结合梯度代价函数实现；

步骤3，根据视差优化后的双目视差图计算工作场景的三维点云数据；

步骤4，在二维图像感兴趣区域中，利用二维图像中像素对应的三维点云数据，根据预先设置的阈值，判断障碍物是否存在；

步骤5，如果障碍物存在，则根据人工势场法进行避障路径规划，并执行步骤6，否则执行步骤7；

步骤6，移动机器人进行避障；

步骤7，移动机器人按照预先规划的路线继续行进。

2.根据权利要求1所示的基于智能视觉的井下移动机器人避障方法，其特征在于，步骤2中，立体匹配采用的立体匹配算法具体如下：

定义图像梯度为图像沿x和y方向的一阶偏导数：

其中，I为图像灰度，得到左右相机采集图像的图像梯度图：G_L＝(G_Lx+G_Ly)、G_R＝(G_Rx+G_Ry)，设左图中一点p_l(x,y)对应右图的匹配点p_r(x-d,y)，定义匹配代价函数如下：

3.根据权利要求2所示的基于智能视觉的井下移动机器人避障方法，其特征在于，步骤2中，具体方法如下：

步骤21，得到畸变校正过后的双目图像之后，计算图像梯度在x方向和y方向幅值和相位；

步骤22，利用快速超像素预分割方法得到相邻像素颜色空间之间的邻接矩阵，根据该邻接矩阵设计不同尺度的匹配窗口，适应不同的纹理密度；

步骤23，得到不同区域的匹配窗口之后，将左图像素点作为参照源，根据匹配代价函数在右图中搜索对应点区域，得到双目视差图；

步骤24，根据像素块区域设计局部视差直方图视差精化方法并采用左右一致性检测方法对双目视差图中误配点进行去除；

步骤25，调用视差图去除白斑噪声算法、去除断层噪声算法和孔洞填充算法进一步去除双目视差图的噪声以及误配区域，最终得到视差优化后的双目视差图。

4.根据权利要求1所示的基于智能视觉的井下移动机器人避障方法，其特征在于，步骤5中，所述人工势场法为改进人工势场法，具体如下：将移动机器人位置、目标点和障碍物位置归一化为点坐标到地图中，目标点对移动机器人产生引力，障碍物对移动机器人产生斥力，根据两者的合力规划移动机器人的行进路径；

移动机器人势场函数表示为：U(X)＝U_att(X)+U_rep(X)

移动机器人受到的合力为：F＝F_att+F_rep

目标点引力势场函数为：U_att(X)＝kd²(X,X_g)

目标点产生的引力为：

其中，k为引力势场中增益系数；

障碍物斥力场函数为：

障碍物产生的斥力为：

其中，η为斥力势场中的增益系数；

其中，U(X)为移动机器人势场函数，U_att(X)为目标点引力势场，U_rep(X)为障碍物斥力势场；F为移动机器人受到的合力，F_att为目标点产生的引力，F_rep为障碍物产生的斥力；X为移动机器人在地图中的位置，X_g为目标点在地图中的位置，X_o为障碍物在地图中的位置；D(X,X_g)为移动机器人与目标点之间距离的绝对值，d(X,X_o)为移动机器人与障碍物之间距离的绝对值。