本發(fā)明屬于計算機視覺領域，主要是障礙物檢測和雙目測量，具體涉及一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測方法及裝置。

背景技術：

近年來，隨著計算機、機器人技術的發(fā)展，機器視覺被廣泛應用于智能制造、人工智能和工業(yè)生產(chǎn)當中?；谝曈X指導的移動機器人自主導航成為研究的熱門課題，而地面障礙物檢測和測量是機器人自主導航避障的關鍵和基礎。但由于光照不均和物體遮擋會在障礙物周邊產(chǎn)生陰影，影響障礙物輪廓的提取和后續(xù)的測量工作。傳統(tǒng)的陰影消除算法在消除陰影時減小了地面與障礙物的灰度差，使得后續(xù)障礙物無法準確提取，且算法參數(shù)需要手動設置缺乏對環(huán)境的自適應性?；诔砻芷ヅ涞囊暡钣嬎惴椒?，在障礙物測量時計算量大且存在較大誤差和冗余信息，無法達到實時性和準確性要求。因此，在室內(nèi)陰影環(huán)境下如何簡單、高效的準確提取和測量障礙物信息，在移動機器人自主導航避障中有著重大意義。

技術實現(xiàn)要素：

本發(fā)明的目的在于克服陰影環(huán)境下障礙物檢測的不足，滿足現(xiàn)有的準確性、實時性需求，提供一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測方法及裝置，實現(xiàn)在室內(nèi)陰影環(huán)境下完整的提取障礙物輪廓，并利用提取到的輪廓在右相機圖像中匹配計算視差，能夠快速的計算出障礙物的寬度和距離，從而為移動機器人避障、軌跡規(guī)劃提供基礎。

為此，本發(fā)明采用如下技術方案：

一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測方法，采用雙目視覺系統(tǒng)，包括步驟：

(1)通過單尺度Retinex算法消除陰影，提取原圖像色彩飽和度,與消除陰影的圖像信息相融合，通過環(huán)境亮度信息自適應地調(diào)節(jié)和增強地面與障礙物的灰度差，將障礙物區(qū)分出來；

(2)利用種子填充算法對融合圖像的地面區(qū)域進行填充，再通過閾值分割、腐蝕、膨脹操作獲得障礙物區(qū)域，并求取其外接矩形；

(3)運用雙目視覺系統(tǒng)，以獲得的障礙物區(qū)域為模板在右相機圖像中進行匹配計算中心點視差，根據(jù)相似三角形原理計算出中心點的三維坐標及障礙物的寬度和距離信息。

進一步地，所述步驟(1)具體是通過提取圖像的色彩飽和度信息，根據(jù)圖像亮度信息確定權重并歸一化，利用該權重把陰影消除后圖像與色彩飽和度圖像進行融合，自適應的消除陰影和增強地面與障礙物灰度差，利于后續(xù)障礙物檢測。

進一步地，所述步驟(2)具體是利用視野底端一般不存在障礙物的先驗知識，在圖像最后一行中間位置逐一向兩端選取種子點進行地面填充，直到填充區(qū)域大小滿足閾值要求，然后通過閾值分割、形態(tài)學操作獲得閉合后的地面聯(lián)通區(qū)域，并與填充后地面區(qū)域相減獲得疑似障礙物區(qū)域，通過閾值篩選出最終障礙物區(qū)域。

進一步地，所述步驟(3)具體是首先采用張正友平面標定算法對雙目視覺系統(tǒng)進行標定，獲得左右相機的內(nèi)參數(shù)和兩相機之間的外參數(shù)；接著運用標定數(shù)據(jù)，對輸入的左右相機圖像進行立體校正；最后將左相機得到的障礙物輪廓區(qū) 域作為模板，在右相機圖像的并列行中進行匹配計算視差，加快匹配速度，并根據(jù)相似三角形原理獲得障礙物寬度和距離信息。

一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測裝置，采用雙目視覺系統(tǒng)，包括：

陰影消除模塊，用于通過單尺度Retinex算法消除陰影，提取原圖像色彩飽和度,與消除陰影的圖像信息相融合，通過環(huán)境亮度信息自適應地調(diào)節(jié)和增強地面與障礙物的灰度差，將障礙物區(qū)分出來；

障礙物檢測模塊，用于利用種子填充算法對融合圖像的地面區(qū)域進行填充，再通過閾值分割、腐蝕、膨脹操作獲得障礙物區(qū)域，并求取其外接矩形；

障礙物測量模塊，用于運用雙目視覺系統(tǒng)，以獲得的障礙物區(qū)域為模板在右相機圖像中進行匹配計算中心點視差，根據(jù)相似三角形原理計算出中心點的三維坐標及障礙物的寬度和距離信息。

與現(xiàn)有技術相比，本發(fā)明具有以下有益效果：

本發(fā)明在消除陰影的同時，能夠根據(jù)環(huán)境亮度信息自適應調(diào)節(jié)和增強地面與障礙物的灰度差，可以簡單高效的提取出完整的障礙物輪廓。測量時視差計算方法精確、快速，利用障礙物輪廓區(qū)域作為模板在右相機圖像中匹配并計算出視差，能快速而準確的獲得障礙物距離和寬度信息。

附圖說明

圖1是本發(fā)明實施例一的整體流程示意圖。

圖2是本發(fā)明實施例一的地面陰影消除流程示意圖。

圖3是本發(fā)明實施例一的SSR算法與S通道融合效果圖：其中(a)為融合后圖像，(b)是種子填充后圖像，(c)為障礙物圖像，(d)是最終地面區(qū)域圖像。

圖4是本發(fā)明實施例一的障礙物區(qū)域外接矩形寬度測量原理圖。

具體實施方式

為了更好地理解本發(fā)明，下面結合附圖對本發(fā)明作進一步地描述：

實施例一

本發(fā)明基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測方法，采用雙目視覺系統(tǒng)，在室內(nèi)陰影環(huán)境下對地面障礙物進行檢測，具體實施步驟如下：

如圖1所示，一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測方法，采用雙目視覺系統(tǒng)，包括步驟：

(1)通過單尺度Retinex算法消除陰影，提取原圖像色彩飽和度,與消除陰影的圖像信息相融合，通過環(huán)境亮度信息自適應地調(diào)節(jié)和增強地面與障礙物的灰度差，將障礙物區(qū)分出來；

(2)利用種子填充算法對融合圖像的地面區(qū)域進行填充，再通過閾值分割、腐蝕、膨脹操作獲得障礙物區(qū)域，并求取其外接矩形；

(3)運用雙目視覺系統(tǒng)，以獲得的障礙物區(qū)域為模板在右相機圖像中進行匹配計算中心點視差，根據(jù)相似三角形原理計算出中心點的三維坐標及障礙物的寬度和距離信息。

具體而言，所述步驟(1)具體是通過提取圖像的色彩飽和度信息，根據(jù)圖像亮度信息確定權重并歸一化，利用該權重把陰影消除后圖像與色彩飽和度圖像進行融合，自適應的消除陰影和增強地面與障礙物灰度差，利于后續(xù)障礙物檢測。

具體而言，所述步驟(2)具體是利用視野底端一般不存在障礙物的先驗知識，在圖像最后一行中間位置逐一向兩端選取種子點進行地面填充，直到填充區(qū)域 大小滿足閾值要求，然后通過閾值分割、形態(tài)學操作獲得閉合后的地面聯(lián)通區(qū)域，并與填充后地面區(qū)域相減獲得疑似障礙物區(qū)域，通過閾值篩選出最終障礙物區(qū)域。

具體而言，所述步驟(3)具體是首先采用張正友平面標定算法對雙目視覺系統(tǒng)進行標定，獲得左右相機的內(nèi)參數(shù)和兩相機之間的外參數(shù)；接著運用標定數(shù)據(jù)，對輸入的左右相機圖像進行立體校正；最后將左相機得到的障礙物輪廓區(qū)域作為模板，在右相機圖像的并列行中進行匹配計算視差，加快匹配速度，并根據(jù)相似三角形原理獲得障礙物寬度和距離信息。

簡言之，本實施例首先通過雙目標定數(shù)據(jù)對左右圖像進行立體校正，對左相機圖像進行光照自適應地面陰影消除，并提取障礙物輪廓；接著將障礙物區(qū)域圖像作為模板，在右相機圖像的并列行中進行快速匹配，計算障礙物視差；最后，利用相似三角形原理得到障礙物的寬度和距離信息。

圖2是本實施例的地面陰影消除流程圖，提取左相機校正圖像的明亮度圖像V(x,y)、色彩飽和度圖像S(x,y)和灰度圖像。對灰度圖像利用單尺度Retinex算法消除陰影，獲得陰影消除后圖像R(x,y)。計算V(x,y)的均值來估計環(huán)境的亮度信息，利用亮度信息自適應的調(diào)節(jié)R(x,y)和S(x,y)的融合權重，獲得融合后圖像I(x,y)，在消除陰影的同時增強地面與障礙物的灰度差。

圖3是本實施例的SSR算法與S通道融合效果圖，圖3(a)是R(x,y)和S(x,y)按權重的融合圖像，權重可以根據(jù)環(huán)境光照變化，較好的消除了陰影和增強灰度差。圖3(b)中對地面進行種子填充獲得了完整的地面區(qū)域，把場景分割為背景、障礙物和地面。經(jīng)過閾值分割、形態(tài)學操作等圖像處理獲得圖3(c)障礙物圖像。同時獲得圖3(d)地面可通行區(qū)域圖像。

通過障礙物檢測步驟獲得三個障礙物，分別以這三個障礙物為模板在右相機圖像同行區(qū)域進行匹配，獲得快速匹配的結果。

圖4本實施例的是障礙物區(qū)域外接矩形寬度測量原理圖，通過相機的標定獲得左右相機的內(nèi)外參數(shù)以及兩相機的空間幾何關系后，根據(jù)這些參數(shù)計算出重投影矩陣：

其中f表示焦距，c_x和c_y分別表示主點(主光線與像平面的交點)在左圖像上的x和y坐標，T_x為兩相機的水平位移，c′_x為主點在右圖像上的x坐標，因為相機平行放置，主光線在無窮遠處相交所以c_x＝c′_x。利用矩陣Q可以把2維平面(圖像平面)上的點投影到3維空間中的點：

利用此方法即可求出圖像中點(x,y)對應的三維空間坐標(X′,Y′,Z′)，其中X′,Y′,Z′、W表達式如下：

其中f代表焦距，d表示視差。對于圖4中像平面上障礙物外接矩形區(qū)域的中心點P_c，通過式(3)可求出其對應的三維點坐標P′_c(X′_c,Y′_c,Z′_c)。運用相似三角形原理，根據(jù)圖4中的關系可以得到下式：

其中dist表示障礙物與相機的距離，Z_c′是點P_c′的Z坐標，width表示圖像中障礙物區(qū)域外接矩形寬度，width′表示障礙物區(qū)域的實際寬度，f是相機焦距。

實施例二

一種基于雙目視覺的室內(nèi)陰影環(huán)境下障礙物檢測裝置，采用雙目視覺系統(tǒng)，包括：

陰影消除模塊，用于通過單尺度Retinex算法消除陰影，提取原圖像色彩飽和度,與消除陰影的圖像信息相融合，通過環(huán)境亮度信息自適應地調(diào)節(jié)和增強地面與障礙物的灰度差，將障礙物區(qū)分出來；

障礙物檢測模塊，用于利用種子填充算法對融合圖像的地面區(qū)域進行填充，再通過閾值分割、腐蝕、膨脹操作獲得障礙物區(qū)域，并求取其外接矩形；

障礙物測量模塊，用于運用雙目視覺系統(tǒng)，以獲得的障礙物區(qū)域為模板在右相機圖像中進行匹配計算中心點視差，根據(jù)相似三角形原理計算出中心點的三維坐標及障礙物的寬度和距離信息。

本發(fā)明是一種快速有效的室內(nèi)陰影環(huán)境下障礙物檢測方法及裝置，能夠在室內(nèi)陰影環(huán)境下自適應調(diào)節(jié)和增強陰影消除效果，對障礙物測量相對誤差較小且具有較好的實時性，滿足了移動機器人避障導航對實時性和精度的要求。

本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應包含在本發(fā)明權利要求的保護范圍之內(nèi)。