[发明专利]一种障碍物轮廓检测方法、装置、终端设备和存储介质

说明书

本发明实施例公开了一种障碍物轮廓检测方法、装置、终端设备和存储介质，该障碍物轮廓检测方法通过单目摄像头获取实际场景的实际图像，通过透视变换得到实际鸟瞰图，再计算实际鸟瞰图中各个像素点的实际特征值，基于空地鸟瞰图各个像素点的空地特征值和实际特征值得到二值图像，对二值图像中的异常点进行去噪处理得到第一图像，对第一图像进行轮廓检测确定实际场景中的障碍物的轮廓。本申请的检测方法一方面可以更加准确的识别障碍物的尺寸、外形特征进行，另一方面可以去除光照对图像特征识别的影响，可以应用于大多的障碍物特征识别，避免了使用大量的算法训练和测试，从而可以降低生产成本和人工成本。

技术领域

本发明涉及障碍物检测领域，尤其涉及一种障碍物轮廓检测方法、装置、终端设备和存储介质。

背景技术

现有技术中一般使用双目摄像头进行障碍物探测，并使用AI(ArtificialIntelligence，人工智能)识别算法进行运算。但双目摄像头构造复杂、制作成本高，且对计算能力要求高，若要使用AI识别算法需要预先进行训练，且对处理器存储和运算能力要求较高，在使用双目摄像头时，由于需要适应不同的光照、不同障碍物，对实际使用要求比较高，需要大量场景进行算法训练和测试，使用比较复杂。

发明内容

有鉴于此，本申请提供一种障碍物轮廓检测方法、装置、终端设备和存储介质。

第一方面，本申请提出一种单目摄像头障碍物轮廓检测方法，所述方法包括：

通过单目摄像头获取实际场景的实际图像，并对所述实际图像进行透视变换得到实际鸟瞰图；

计算所述实际鸟瞰图中各个像素点的实际特征值；

基于空地鸟瞰图各个像素点的空地特征值和所述实际特征值进行异常点识别处理，得到包含有异常点的二值图像；

对所述二值图像中的异常点进行去噪处理，得到第一图像；

对所述第一图像进行轮廓检测，确定所述实际场景中的障碍物的轮廓。

在一些实施例中，所述对所述第一图像进行轮廓检测，确定所述实际场景中的障碍物的轮廓，包括：

基于预设算法提取所述第一图像中的至少一个轮廓；

计算各个所述轮廓的中心点和最小斜矩形的边长度和面积；

若当前轮廓的所述中心点不在所述第一图像的边界处，则检测所述边长是否小于预设的边长阈值，以及所述面积是否小于预设的面积阈值；

若所述边长小于所述边长阈值且所述面积小于所述面积阈值，则确定所述当前轮廓为干扰轮廓并丢弃，否则保留所述当前轮廓；

若所述当前轮廓的所述中心点在所述第一图像的边界处，则保留所述当前轮廓；

将保留的轮廓作为障碍物的轮廓。

在一些实施例中，所述通过单目摄像头获取实际场景的实际图像之前包括：

通过单目摄像头获取空地场景的空地图像，并测量所述空地场景的实际尺寸以确定所述空地场景的长宽比例；

基于所述长宽比例和待生成的所述空地场景的空地鸟瞰图的分辨率确定空地坐标；

在所述空地场景的边界处设置角点，并确定所述角点在空地图像中对应的角点坐标；

基于所述角点坐标和所述空地坐标计算透视变换矩阵的参数，以确定所述透视变换矩阵；

通过所述透视变换矩阵对所述空地图像进行透视变换，得到所述空地场景的空地鸟瞰图。

在一些实施例中，相应鸟瞰图中各个像素点的特征值通过以下方式计算：

对相应鸟瞰图进行灰度处理得到灰度图像；