[发明专利]一种基于FIRA平台的障碍物视觉检测方法

说明书

本发明公开了一种基于FIRA平台的障碍物视觉检测方法，包括：图像预处理，对输入图像进行灰度化处理以及腐蚀膨胀操作；纵向障碍提取，从预处理过的图像中过滤出障碍物所属像素，通过对每列像素个数统计，提取每列像素对应障碍的位置；障碍分割，根据提取出各列像素对应的实体坐标，进行列方向扫描操作，判断各列之间是否属同一障碍物，判断相邻障碍之间的遮挡关系；异常处理，对初步进行障碍分割的结果进行异常处理，提取宽度过长的并排障碍物，取中点分割为两个障碍，提取画面边缘的障碍物，通过侧边顶点确定其位置；结果输出。本发明通过充分利用环境几何信息和相机成像原理，在满足精度需求下极大减小了计算资源要求。

技术领域

本发明属于机器人运动控制领域，具体涉及一种基于FIRA平台的障碍物视觉检测方法。

背景技术

视觉避障是机器人运动控制领域中获取环境信息一种重要方法，是自然界动物运动避障的主要方法，是自动驾驶、机器人自动化领域的主要挑战之一。目前存在若干方法进行地面机器人的视觉避障，如SLAM、图像矩等等。

FIRA仿真避障挑战环境是在ROS(Robot Operating System)下基于Gazebo仿真物理引擎驱动turtlebot轮式机器人进行运动避障的虚拟平台，是国际赛事FIRA SimuroSotRobo challenge的官方平台。在此环境中，需要单纯通过turtlebot上的一枚RGB图像传感器实现对机器人双轮的控制，在规定的场地内运动到场地终点。在FIRA环境中，有3～6个静止或移动的障碍物，均为0.5m边长的纯黑长方体，如图1所示。

视觉SLAM(Simultaneous Localization And Mapping)首先应用于机器人领域。它的目标是在没有任何先验知识的情况下基于传感器数据构建周围环境的实时地图，并同时根据该地图推断机器人位姿。在FIRA挑战场景下，由于障碍物纹理信息不够鲜明，视觉SLAM技术获取关键点的效率较低，同时不能利用箱体大小一致的先验知识辅助避障。

图像矩(Image Moment)通过计算一张图像的各维度灰度信息，可以提供定性的障碍物方位信息。可以在障碍物较少的场景完成避障，但存在精度低，逻辑性低的缺点。

现有研究提供了平面机器人视觉避障的一些方案，但在本避障场景下仍有以下问题亟待改进：

1、部分方法检测速度较慢，消耗计算资源较大；

2、难以充分运用场景设定的先验信息；

3、所提供的视觉信息仅能够适用于局部规划而非全局规划。

发明内容

本发明为了解决传统检测方法在FIRA避障环境中检测精度低，速度慢的问题，提出了一种基于FIRA平台的障碍物视觉检测方法，直接给出箱体的坐标和遮挡关系。在一台普通个人PC上可以实现速度2ms以内，精度1cm以内(障碍物距离不超过3m)或3cm以内(障碍物距离不超过6m)的检测精度。综合配套路径规划方法可以完成十秒级避障任务，综合成功率超过99％。

本发明采用如下技术方案来实现的：

一种基于FIRA平台的障碍物视觉检测方法，包括以下步骤：

步骤1，图像预处理，对输入图像进行灰度化处理，并进行连续的两次腐蚀膨胀操作；

步骤2，纵向障碍提取，通过像素阈值从预处理过的图像中过滤出障碍物所属像素，通过对每列像素个数统计，借助相机成像原理提取每列像素对应障碍的位置；

步骤3，障碍分割，根据提取出各列像素对应的实体坐标，进行列方向扫描操作，根据前后像素距离相差判断各列之间是否属同一障碍物，根据相邻两障碍物之间的是否存在空白列，判断相邻障碍之间的遮挡关系；