The invention discloses a binocular vision obstacle detection system and a detection method of an asymmetric nuclear convolution neural network. The system is composed of image acquisition module, stereo matching module and obstacle detection module. The image acquisition module collects binocular images, transfers them to stereo matching module to process parallax map, and then transfers them to obstacle detection module for obstacle detection to obtain accurate obstacle area. The binocular vision obstacle detection method of the asymmetric kernel convolution neural network of the invention includes: firstly, the original binocular image is corrected to obtain the horizontal binocular image of the acquired binocular image; secondly, the asymmetric kernel convolution neural network is designed to calculate the matching cost, and then the disparity map is calculated; finally, the point cloud method is used to detect the disparity map. The obstacle area in the image. The obstacle detection system and the method of the invention have fast detection speed and good obstacle detection precision.
【技术实现步骤摘要】
非对称核卷积神经网络的双目视觉障碍物检测系统及方法
本专利技术属于双目视觉图像处理
,具体是涉及一种基于非对称核卷积神经网络的双目视觉障碍物检测系统及检测方法。
技术介绍
机器人是一种能够模拟人类或其他动物行为的一种设备。目前,机器人作为一种智能化设备常见于智能家居、自动化工厂和水下等应用场合中。其中,障碍物检测是机器人的一项关键技术,利用双目视觉检测障碍物是其中的一种方法。双目视觉障碍物检测的关键问题之一是立体匹配技术,其目的是找出两幅图像中相对应的两个相似点,从而实现视差选择。然而,目前常见的立体匹配方法在匹配速度和匹配效果上不能够很好平衡,匹配效果较好的方法,往往需要大量的运算时间,不能够满足机器人使用要求。近些年来,深度学习快速发展,并用于解决很多计算机视觉方面的问题。其中,卷积神经网络用于立体匹配技术中,虽然该网络结构能有较好的匹配结果,但是网络结构设计臃肿,匹配速度不理想。本专利技术针对匹配速度问题,对网络结构进行改进设计,设计一种非对称核卷积神经网络的障碍物检测系统和检测方法,具有较快的检测速度以及良好的检测精度
技术实现思路
本专利技术的目的是针对机器人双目视觉的障碍物检测,提供一种非对称核卷积神经网络的双目视觉障碍物检测系统和检测方法。本专利技术利用一种非对称卷积神经网络,学习并计算左右视图中待匹配图块的匹配代价,并使用十字交叉聚合的方式进行单个像素代价聚合,能有效快速的获取双目图像的视差图。非对称结构网络结构不仅具有传统卷积神经网络特征提取性能好,鲁棒性好的优点,而且其采用非对称卷积结构,使用更少的参数获取图像特征,极大的降低计算量, ...
【技术保护点】
1.一种非对称核卷积神经网络的双目视觉障碍物检测系统,其特征在于:由依次相连接的图像采集模块、立体匹配模块和障碍检测模块组成;其中所述的图像采集模块,用于采集场景中的左图像和右图像;所述的立体匹配模块对采集的图像进行处理得到对应的视差图;所述的障碍物检测模块对得到的视差图进行进一步处理,检测最终精确的障碍物区域。
【技术特征摘要】
1.一种非对称核卷积神经网络的双目视觉障碍物检测系统,其特征在于:由依次相连接的图像采集模块、立体匹配模块和障碍检测模块组成;其中所述的图像采集模块,用于采集场景中的左图像和右图像;所述的立体匹配模块对采集的图像进行处理得到对应的视差图;所述的障碍物检测模块对得到的视差图进行进一步处理,检测最终精确的障碍物区域。2.根据权利要求1所述的非对称核卷积神经网络的双目视觉障碍物检测系统,其特征在于:所述图像采集模块采用型号为MT9V034的双目相机,水平固定,并通过USB接口将图像传输给立体匹配模块进行后续处理。3.根据权利要求1所述的非对称核卷积神经网络的双目视觉障碍物检测系统,其特征在于:所述立体匹配模块为搭载型号NVIDIAGTX1070的GPU的计算机。4.一种如权利要求1-3任一项所述的非对称核卷积神经网络的双目视觉障碍物检测系统的检测方法,其特征在于,包括如下步骤:步骤1:从图像采集模块获取双目图像,并对原始图像进行预处理,消除图像中噪声;步骤2:标定图像采集模块,获取图像采集模块的内参与畸变参数,对双目图像进行双目校正处理;步骤3:设计一种非对称核卷积神经网络用于快速计算两个图块的相似度,使得神经网络输出为相似度得分;步骤4:构建一种用于步骤3设计的非对称核卷积神经网络能使用的训练数据集,训练数据集包括真实视差及其对应的左右图像中的图块;步骤5:使用步骤4构建的数据集,对神经网络进行迭代训练,获得最优参数;步骤6:将训练良好的对对称核卷积神经网络输出相似度得分作为匹配代价,并利用十字交叉聚合的方法求取聚合区域内像素点匹配代价的平均值;步骤7:基于赢者通吃策略择优选择视差搜索范围内视差,并用插值法对结果进行亚像素增强;步骤8:利用点云图法对步骤7得到的视差图进行处理,检测出障碍物区域。5.根据权利要求4所述的检测方法,其特征在于:步骤3所述的非对称核卷积神经网络结构的具体设计,特征提取网络有两个并列的非对称卷积核卷积层叠加而成,再将其结果做点积运算进行汇总并输出;每个并行特征提取分支,仅有非对称结构卷积核与传统卷积神经网络构成,无池化操作。6.根据权利要求4所述的检测方法,其特征在于:步骤4所述的构建训练数据集具体内容是,对具有真实视差的双目数据集,根据每个像素点的真实视差值,划分在左图中对应网络输入大小的方块,和右图同等宽度且对应视差搜索范围的图像长条,并标记该点真实视差。7.根据权利要求4所述的检测方法,其特征在于:步骤5所述的训练非对称核卷积神经网络的具体...
【专利技术属性】
技术研发人员:马国军,胡颖,钟捷,曾庆军,王彪,郑威,
申请(专利权)人:江苏科技大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。