基于輪廓識別的機器人可變視角障礙物檢測方法研究.pdf

1、智能機器人在行進過程中，需要感知環(huán)境中的障礙物信息，以便規(guī)劃處其前進路線，如何實時準確地檢測出環(huán)境中的障礙物成為機器人自主導(dǎo)航的研究熱點。雙目立體視覺通過同時拍攝同一景物，根據(jù)三角測量原理，得出該景物的深度信息，從而重建景物的三維外形。雙目立體視覺技術(shù)信息量大，且具有強大的環(huán)境感知能力。所以，在雙目立體視覺的基礎(chǔ)上對機器人障礙物檢測方法進行深入研究意義重大。
　　但是，一般情況下，雙目立體視覺系統(tǒng)的視角都是固定的而且比較小，無法分

2、析大視角范圍的障礙物，也難以全面地感知外部環(huán)境信息，因而基于此類雙目立體視覺系統(tǒng)作出的路徑規(guī)劃往往不是最優(yōu)的，甚至是錯誤的，無法滿足機器人自主導(dǎo)航的要求。能根據(jù)實際要求，實現(xiàn)可變視角內(nèi)的障礙物檢測成為一個亟待解決的問題。
　　圍繞如何利用雙目立體視覺系統(tǒng)實現(xiàn)機器人可調(diào)視角內(nèi)的障礙物檢測，并能滿足其實時性與可靠性的要求，本文做了以下工作:
　　(1)詳細介紹了攝像機的小孔模型、攝像機內(nèi)外參數(shù)模型，標定基本原理和常見的幾種攝像機

3、標定方法等，并對如何進行雙目攝像機的立體標定進行了具體闡述。本文采用張正友標定法對雙目攝像機進行了標定。
　　(2)對邊緣特征點的檢測進行了重點研究，由于在實際環(huán)境中受到各種因素的影響，檢測到的邊緣往往是不連續(xù)的，采用形態(tài)學(xué)中的閉合運算連接斷裂的邊緣。
　　(3)通過各種立體匹配算法的比較，本文提出了一種基于輪廓識別的立體匹配算法，并引入了極線約束，以提高算法的實時性與準確率。
　　(4)為了有效地減少三維重建的計算量

4、而又能最大程度地保留障礙物信息，本文提出了基于輪廓識別的快速三維重建，通過對左右兩圖像中提取出的輪廓進行匹配，再對匹配輪廓上的像素點采用基于窗口的灰度匹配原則在對應(yīng)極線上進行匹配，從而恢復(fù)障礙物輪廓的三維信息并根據(jù)邊緣的連續(xù)性優(yōu)化三維點云。為了評估該算法，對實際場景中的障礙物進行了檢測，實驗結(jié)果表明，基于輪廓識別的快速三維重建可以準確得到物體輪廓的三維坐標，并且滿足機器人導(dǎo)航的實時性要求。
　　(5)針對雙目立體視覺的視野較小，無

5、法全面地檢測出障礙物信息這一問題，提出了基于雙重配準的可變視角內(nèi)的三維拼接方法，使機器人能根據(jù)具體情況改變視角大小，從而更好地認知周圍環(huán)境。首先，通過對兩組圖像中的左圖像Pl1，Pl2進行輪廓匹配，找到兩組三維點云的重疊區(qū)域;然后，分別計算兩組三維輪廓點云的重心，并從兩組三維點云中提取特征點，采用七參數(shù)法計算出兩組三維點云的旋轉(zhuǎn)矩陣Ri和平移矩陣Ti，從而完成兩組三維點云的初始配準;再者，賦予重疊區(qū)域的對應(yīng)點權(quán)重，對重疊區(qū)域的三維點云進