【技术实现步骤摘要】
一种基于深度图的运动障碍物检测及定位方法
本专利技术涉及数字图像处理与信息融合领域,具体涉及双目视觉中的深度图处理方法。
技术介绍
无人机是一种无人驾驶的,通过遥控或者机载控制设备进行飞行的飞机。无人机由于不受载人因素制约,通常体积较小、机动性较强、造价也更为低廉,因此近年来逐渐成为了研究的热点。根据机身结构的不同,无人机可以分为旋翼式无人机与固定翼式无人机。V.Kumar等人曾论证在小负载的情况下,正交多旋翼飞行器的机动性要好于其他类型的飞行器。四旋翼飞行器作为多旋翼飞行器的代表,受到了越来越多的关注。同时传感器技术、计算机技术以及数据处理技术的快速发展,使得各类传感器与处理器呈现出低功耗、小型化的趋势,这为无人机自主飞行并执行特定任务提供了可能。现阶段,无人机已经在搜索救援、农业植保以及自动放牧等领域表现出很大的发展潜力。然而,由于无人机感知外界环境的相关技术仍然不成熟,这极大地限制了无人机在这些领域的进一步发展。运动物体检测技术是实现无人机与目标机器人交互同时自动避障的关键技术与前提条件。目前,无人机感知运动物体主要是通过雷达和计算机视觉进行。现有的小型雷达已经可以在小型无人机上使用。但是由于需要满足线检测的条件,所以传感器覆盖的视野十分受限。同时由于无人机的体积与负载的限制,很难设置增大其视野范围的机械结构。而随着图像技术的不断方法,基于视觉的障碍物信息检测也不断成熟和丰富,因此采用视觉传感器的方法感知周边环境,检测运动物体已经成为一种趋势。视觉传感器避障的配置方案可以分为单目相机目和多目相机。单目相机目和多目相机各有优劣,单目相机硬件配置简单,计 ...
【技术保护点】
1.一种基于深度图的运动障碍物检测及定位方法,其特征在于,包括以下步骤:步骤一、将八个焦距相等、内部参数一致的摄像头分为四组,每组两个,即构成四组双目摄像头;将四组双目摄像头分别安装到四旋翼飞行器的前、后、左、右四个方向上;将每组双目摄像头按照平行配置方式进行配置,并建立平型配置双目摄像头的成像模型;步骤二、摄像头同时采集视频图像,获取每组双目摄像头所形成的深度图;并以灰度图的形式显示出来;步骤三、对获取到的深度图进行二值化处理,得到黑白二值图像,然后进行形态学处理,并提取图像中的轮廓;步骤四、去除图像中长宽比以及像素数量不满足要求的轮廓,计算出每个轮廓对应的候选障碍物在相机坐标系下的位置,并计算剩下轮廓之间的极角,将极角小于预设值的两个轮廓合并为一个轮廓,得到候选障碍物在图像坐标系中的位置;步骤五、利用四旋翼飞行器惯性测量单元的相关信息,求取每个轮廓对应的候选障碍物在局部地理坐标系下的位置;步骤六、去除在局部地理坐标系下高度在特定区间内候选障碍物,得到最终检测到的障碍物;步骤七、利用卡尔曼滤波方法对障碍物的运动状态进行估计,最终获得障碍物的运动轨迹。
【技术特征摘要】
1.一种基于深度图的运动障碍物检测及定位方法,其特征在于,包括以下步骤:步骤一、将八个焦距相等、内部参数一致的摄像头分为四组,每组两个,即构成四组双目摄像头;将四组双目摄像头分别安装到四旋翼飞行器的前、后、左、右四个方向上;将每组双目摄像头按照平行配置方式进行配置,并建立平型配置双目摄像头的成像模型;步骤二、摄像头同时采集视频图像,获取每组双目摄像头所形成的深度图;并以灰度图的形式显示出来;步骤三、对获取到的深度图进行二值化处理,得到黑白二值图像,然后进行形态学处理,并提取图像中的轮廓;步骤四、去除图像中长宽比以及像素数量不满足要求的轮廓,计算出每个轮廓对应的候选障碍物在相机坐标系下的位置,并计算剩下轮廓之间的极角,将极角小于预设值的两个轮廓合并为一个轮廓,得到候选障碍物在图像坐标系中的位置;步骤五、利用四旋翼飞行器惯性测量单元的相关信息,求取每个轮廓对应的候选障碍物在局部地理坐标系下的位置;步骤六、去除在局部地理坐标系下高度在特定区间内候选障碍物,得到最终检测到的障碍物;步骤七、利用卡尔曼滤波方法对障碍物的运动状态进行估计,最终获得障碍物的运动轨迹。2.根据权利要求1所述的一种基于深度图的运动障碍物检测及定位方法,其特征在于,步骤一所述的将每组双目摄像头按照平行配置方式进行配置的过程包括以下步骤:将两个焦距相等、内部参数一致的摄像头C1与C2以光轴互相平行的方式固定;由于光轴与图像平面垂直,使得两个摄像机的图像坐标系的y轴互相平行,x轴互相重合;将一个摄像机沿其x轴平移一段距离后便与另一个摄像机完全重合。3.根据权利要求2所述的一种基于深度图的运动障碍物检测及定位方法,其特征在于,步骤一所述的建立平行配置双目摄像头的成像模型的过程包括以下步骤:首先确定平行配置双目摄像头C1与C2的两个坐标系仅在x轴上相差的平移距离b,即为基线长度;设定C1的坐标系为OlXlYlZl,C2的坐标系为OrXrYrZr,在上述摄像机配置下,空间点P(Xc,Yc,Zc)在C1坐标系下为(Xl,Yl,Zl),在C2坐标系下为(Xl-b,Yr,Zr);同时设P点在左摄像头C1的图像平面和右摄像头C2的图像平面上的图像像素坐标为(u1,v1),(u2,v2);根据平行配置方法的特点可得到v1=v2,令视差d=u1-u2,则根据几何关系可求得:其中Q为中间矩阵;W为系数;其中(u0,v0)为主点在左摄像头图像上的横、纵坐标,u'0为主点在右摄像头图像上的横坐标,f为两个摄像头的焦距(双目摄像头C1与C2的焦距);在双目相机平行配置的条件下,u0=u'0,矩阵Q右下角元素值为0;进而得到点P在三维空间的坐标为:4.根据权利要求3所述的一种基于深度图的运动障碍物检测及定位方法,其特征在于,步骤二的具体过程包括以下步骤:步骤二一、以左摄像头图像平面上的一点为中心选定一区域(窗口),由该区域内的像素灰度分布来表征该像素;在右摄像头图像平面上沿水平线在搜索范围内取出窗口大小相同的像素邻域;步骤二二、利用绝对误差和算法(SAD算法)依次与待匹配的窗口进行匹配代价计算,找到搜索范围内SAD值最小的窗口,作为与待匹配窗口最佳匹配的像素块;SAD算法的具体计算公式如下所示:其中,(i,j)为窗口的左上角坐标;M与N为窗口的长度与宽度;S(i+s-1,j+t-1),T(s,t)分别为右摄像机图像与左摄像机图像的像素灰度值之和;选取DSAD(i,j,d)值最小的窗口作为匹配窗口;d值为所求的视差;视差图利用SAD算法得到,在得到视差图后,根据得到的平行配置双目摄像头的成像模型求得任意点的三维深度,生成原始深度图;步骤二三、对原始深度图进行预处理,将其转换为8位单通道灰度图以方便显示;原始深度图每个像素点存储的数据范围是0至32767,以毫米为单位;根据检测范围将灰度值的单位转化为设定值α,单位是厘米;根据上述需求对深度图的数据进行压缩,压缩公式如下所示:其中,d16为原始深度图每个像素的数据,d8为预处理之后的深度图数据;然后将得到的数据进行四舍五入,以满足8位单通道灰度图的显示要求。5.根据权利要求4所述的一种基于深度图的运动障碍物检测及定位方法,其特征在于,步骤三的具体过程包括以下步骤:步骤三一、观察深度图可以发现深度图中的噪点集中的灰度值区间,确定二值化处理的图像阈值,得到黑白二值图像;步骤三二、利用数学形态学处理方法中的腐蚀和膨胀算子对二值图像进行操作,去除噪声点和填补目标区域中的小孔;膨胀算子的具体计算公式如...
【专利技术属性】
技术研发人员:于庆涛,贺风华,姚郁,姚昊迪,马杰,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
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。