室外机器人视觉导航关键技术研究论文总结.pptxVIP

论文室外机器人视觉导航关键技术研究 ——段华视觉导航功能模块图视觉导航功能模块 道路检测 道路检测算法道路图像理解 障碍物检测 立体匹配算法 基于归一化RGB值的道路检测算法道路检测算法 基于彩色特征及图像分块处理的道路 检测算法基于归一化RGB值的道路检测算法（光照和阴影路面）道路检测算法的基本思想：首先从道路参考区域中获取阴影下路面或光照下路面的灰度值（至少其中一种）；然后从道路图像中下方的种子点开始，以每个像素点为基本单位，进行区域增长。区域增长的判定依据有两点：一、当前像素点的归一化RGB值的相互关系是否按组呈中性灰的特点；二、当像素点的灰度值是否在阴影下路面或光照下路面的灰度值变化范围内。 如果二者都能满足，则该像素点属于道路区域，进行道路区域标识并以其为种子点继续对其周围的领域像素进行相应分析；否则，该像素点属于非道路区域，停止对其周围像素的分析。该方法不但能检测出检测出道路区域，还能对障碍物区域进行检测。具体步骤道路参考区有3种可能情形：光照下的路面、阴影下的路面或者两者都有。首先统计参考区域的灰度直方图，检测其是否有双峰性。其次，根据检测结果：如果有双峰性，则进行阈值分割。灰度值大的判定为光照下的路面，灰度值小的判定为阴影下的路面。如果为单峰，直接统计其平均灰度均值及平均归一化RGB值，根据R值和B值的大小关系判断其为阴影下的路面还是光照下的路面。 a.道路图像（1）b.图像（1）的道路区域提取 c.道路图像（2）d.图像（2）的道路区域提取 无障碍物的道路图像检测结果 e.道路图像（3）f.图像（3）的道路区域提取 g.图像（3）的可疑障碍物区域提取有障碍物的道路图像检测结果基于彩色特征及图像分块处理的道路检测算法（不同光照下） 基于归一化RGB值的道路检测算法，对于路面呈中性灰颜色的道路图像，其效果是非常理想的。一旦该条件不满足，其中的道路归一化RGB颜色值的相互关系就不能用于道路检测。算法基本思想：首先将每帧道路图像分块，然后从机器人前方选定的分块开始，以每个分块为基本单位，进行区域增长。区域增长的判定依据是当前分块是否为非道路区域的块，如果是，则停止；否则，如果该块是道路区域的块，则进行标识；如果是介于道路区域和非道路区域之间的块，则通过道路彩色特征，识别出本小块内部的道路区域并进行识别。两种情况均在表示完后，再以该方块为起点，对其相邻的另外四个方块继续检测。最后对区域增长的到的道路区域进行连通性检测（主要是基于八连通区域的区域生长法检测道路区域是否连通）。 道路图像 基于归一化RGB值 基于彩色特征及图像 的道路检测结果 分块处理的道路检测结果实验结果表明：基于归一化RGB值的道路检测算法主要应用于路面呈中性灰的结构化及非结构化道路，算法实时性较好，且对光照变化及阴影的干扰有较强的鲁棒性。基于彩色特征及图像分块处理的道路检测算法主要应用于更一般的结构化和非结构化道路，鲁棒性更强，同时又利用了图像中道路区域为大块连通区域这一显著特征，对道路图像进行分块处理，提高了算法的实时性。障碍物检测算法本文采用的方法是：区域法立体匹配（实时性、鲁棒性）指通过通过多个摄像机在同一时刻拍摄的图像来恢复深度信息和检测障碍物。本质上是对一幅图像上的某个局部在另一幅图像上寻求其对应部分的过程。分类：基于特征的匹配基于区域的匹配 √基于相位的匹配利用针孔摄像机，在双目立体视觉系统中，使用张正友的标定方法（比较适合于移动机器人）对摄像机进行标定，确定摄像机的图像坐标系与物体空间中的三维参考坐标系之间的对应关系。找到一个摄像机拍摄图像中每个点对应于另一个摄像机中的点，在对其进行立体图像对的校正。再利用重投影变换原理，将路面上图形的视察变为0，从而简化障碍物检测的过程。再利用区域法立体匹配对度量因子和相关窗口尺寸两个关键因素利用算法进行分析。度量因子：SAD/SSD/ZSAD/ZSSD/NCC/ZNCC结果表明SAD算子匹配算法实时性更好相关窗口尺寸：3X3/5X5/11X11/15X15/23X23/29X29窗口尺寸从3X3增加到11X11时，整体匹配正确率上升，误匹配率下降。而随着相关窗口的增大，物体边缘视差过于平滑而引起轮廓模糊，最终得到的物体的轮廓也不断扩大。算法的改进动态环境下的避障路径规划研究有效的避障路径规划算法：基于改进人工势场法的避障路径规划算法基于站爱物包围盒及相对速度的避障路径规划算法基于碰撞危险度及模糊逻辑的避障路径规划算法