一种检测信息融合的移动机器人障碍物检测方法技术

本发明专利技术提供了一种检测信息融合的移动机器人障碍物检测方法，该方法通过对深度图和红外图中分别进行边缘检测，然后用红外图的障碍物检测识别结果去过滤深度图中由于过检测造成的障碍物位置识别错误等不良信息，最终获得障碍物的距离、所占像素的数量等信息。本发明专利技术由于在两种图像中同时采用障碍物检测识别，准确率得到了极大提高；并且由于所采用的深度图和红外图的获取不受自然光照条件、天气情况等因素的影响，比传统的障碍物方法具有更高的鲁棒性。

【技术实现步骤摘要】
一种检测信息融合的移动机器人障碍物检测方法
本专利技术属于机器人视觉领域，具体涉及一种检测信息融合的移动机器人障碍物检测方法。
技术介绍
在自然界和人类社会中，存在一些人类无法到达的地方和可能危及人类生命的特殊场合，如行星表面、灾难发生矿井、防灾救援和反恐斗争等，对这些危险环境进行不断地探索和研究。为了寻求一条解决问题的可行途径，使其满足科学技术发展和人类社会进步的需要，自上个世纪七八十年代开始，大量研究学者开始从事移动机器人的科研工作，其中包括相当一部分研究团队从事障碍物检测识别等机器视觉技术的研究。同时部分机器视觉的研究学者也将他们的科研成果运用到移动机器人领域。障碍物检测方面的研究开始的也比较早，它是指标记出阻碍机器人前进的物体，获得前方物体的尺寸，以及与机器人的远近等数据，为移动机器人的自主导航等提供可靠依据。在障碍物检测识别研究方面，国内外学者已经将障碍物检测识别等技术与移动机器人成功结合。障碍物识别对不同移动方式机器人的影响不同，比如对步行机器人的影响要比对轮式机器人的影响大的多，因为障碍物对步行机器人的步态参数影响较大，而轮式机器人就避免了这方面的影响。所以，对不同移动本文档来自技高网...

【技术保护点】
1.一种检测信息融合的移动机器人障碍物检测方法，其特征在于，该方法通过融合深度图像边缘检测与红外图像边缘检测对障碍物进行准确识别与定位，包括以下步骤：通过相机获取深度图，去除深度图的噪声点；将深度图中像素点的深度值的差小于预设阈值的连续区域分割为同一区域，得到两个区域，所述两个区域中深度值较小的区域为前景区域；在前景区域中进行边缘检测，得到前景区域中边缘信息的二值图，然后对前景区域中边缘信息的二值图进行处理，粗化边缘信息；对粗化边缘信息的深度图进行障碍物标记，获得第一标记图A1；通过相机获取红外图，去除红外图的噪声点；在红外图中进行边缘检测，得到红外图边缘信息的二值图，对红外图边缘信息的二值图...

【技术特征摘要】
1.一种检测信息融合的移动机器人障碍物检测方法，其特征在于，该方法通过融合深度图像边缘检测与红外图像边缘检测对障碍物进行准确识别与定位，包括以下步骤：通过相机获取深度图，去除深度图的噪声点；将深度图中像素点的深度值的差小于预设阈值的连续区域分割为同一区域，得到两个区域，所述两个区域中深度值较小的区域为前景区域；在前景区域中进行边缘检测，得到前景区域中边缘信息的二值图，然后对前景区域中边缘信息的二值图进行处理，粗化边缘信息；对粗化边缘信息的深度图进行障碍物标记，获得第一标记图A1；通过相机获取红外图，去除红外图的噪声点；在红外图中进行边缘检测，得到红外图边缘信息的二值图，对红外图边缘信息的二值图进行处理，粗化边缘信息；对粗化边缘信息的红外图进行障碍物标记，获得第二标记图A2；若所述第一标记图A1和第二标记图A2中存在一区域同时被标记为障碍物，则该区域为障碍物区域，采用矩形图标识障碍物区域，得到矩形障碍物区域，矩形障碍区区域深度值的平均值为障碍物的深度值，矩形障碍物区域的像素数量为障碍物所占像素的数量；否则，该区域为非障碍物区域。2.根据权利要求1所述的检测信息融合的移动机器人障碍物检测方法，其特征在于，所述去除深度图的噪声点包括黑洞填补、去毛刺处理；所述去除红外图的噪声点包括去毛刺。3.根据权利...

【专利技术属性】
技术研发人员：朱雅光，马超，罗凯璐，明瑞浩，刘琼，
申请(专利权)人：长安大学，
类型：发明
国别省市：陕西,61