• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      一種立體視覺(jué)的障礙物檢測(cè)的細(xì)化方法

      2020-11-06 14:46:58林堅(jiān)王力虎潘福東劉奎郁凡
      現(xiàn)代信息科技 2020年12期
      關(guān)鍵詞:圖像分割細(xì)化

      林堅(jiān) 王力虎 潘福東 劉奎 郁凡

      摘 ?要:在立體視覺(jué)的障礙物檢測(cè)過(guò)程中,由于室內(nèi)地面的紋理特征較弱,使得檢測(cè)的障礙物區(qū)域包含了較大的地面干擾,獲得障礙物目標(biāo)位置并不理想,該文使用了一種新的細(xì)化方法,改善了目標(biāo)檢測(cè)精度。該算法基于雙目視覺(jué)獲得深度信息,采用深度圖像分割法提取出目標(biāo)的粗略區(qū)域;然后結(jié)合其Canny邊緣坐標(biāo)信息對(duì)障礙物區(qū)域進(jìn)行細(xì)化,進(jìn)而得到準(zhǔn)確的障礙物位置信息。實(shí)驗(yàn)結(jié)果表明了該方法具有較強(qiáng)的自適應(yīng)性。

      關(guān)鍵詞:障礙物檢測(cè);立體視覺(jué);圖像分割;Canny邊緣;細(xì)化

      中圖分類號(hào):TP23;TP391.41 ? ? ?文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):2096-4706(2020)12-0070-03

      Abstract:In the obstacle detection process of stereo vision,due to the low texture of the indoor ground,the detected obstacle area contains a large ground interference,and obtaining the target position of the obstacle is not ideal. This paper uses a new refinement method,improved target detection accuracy. The algorithm obtains depth information based on binocular vision,and uses the depth image segmentation method to extract the rough area of the target;then combines the Canny edge coordinate information to refine the obstacle area to obtain accurate obstacle position information. Experimental results show that this method has strong adaptability.

      Keywords:obstacle detection;stereo vision;image segmentation;Canny edge;refine

      0 ?引 ?言

      隨著智能機(jī)器人技術(shù)的興起,越來(lái)越多的移動(dòng)機(jī)器人被應(yīng)用于環(huán)境檢測(cè)、自主導(dǎo)航、安防等領(lǐng)域[1]。意味著機(jī)器人需要具有更強(qiáng)的感知能力能來(lái)應(yīng)對(duì)不同環(huán)境,因此如何提高機(jī)器人對(duì)障礙物檢測(cè)的精度成了一個(gè)重要研究方向。由于立體視覺(jué)具有信息豐富、準(zhǔn)確度高、效率高、使用方便等特點(diǎn),被廣泛應(yīng)用于機(jī)器人的障礙物目標(biāo)實(shí)時(shí)檢測(cè)[2]。為了獲得更加精確的障礙物空間位置和尺寸信息,本文提出了一種改進(jìn)的立體視覺(jué)的障礙物檢測(cè)方法。

      近幾年來(lái),在基于視覺(jué)的障礙物檢測(cè)方法中,基于深度學(xué)習(xí)的目標(biāo)檢測(cè)方法得到較為廣泛的應(yīng)用,張舜[3]等利用深度學(xué)習(xí)實(shí)現(xiàn)場(chǎng)景中目標(biāo)的檢測(cè),該方法依賴先驗(yàn)的訓(xùn)練數(shù)據(jù),不適用于要求實(shí)時(shí)性的場(chǎng)合。王軍華[4]等采用基于改進(jìn)RANSAC的雙目障礙物檢測(cè)算法,通過(guò)提取的地平面模型對(duì)障礙物進(jìn)行分割。吳宗勝[5]等利用立體視覺(jué)并結(jié)合超像素技術(shù)對(duì)道路上的障礙物進(jìn)行概率檢測(cè),主要是通過(guò)建立地面模型并評(píng)估三維空間點(diǎn)到地面的距離,得到障礙物的概率信息,進(jìn)而實(shí)現(xiàn)障礙物和地面分離。這兩位學(xué)者通過(guò)建立地面模型對(duì)障礙物進(jìn)行分割,取得了較好的結(jié)果。但是對(duì)于一些特殊情況,如一些室內(nèi)弱紋理的地面,立體視覺(jué)獲取的深度信息存在較大誤差,其所建立的地面模型并不準(zhǔn)確,無(wú)法很好地得出障礙物檢測(cè)結(jié)果。針對(duì)這一問(wèn)題,本文通過(guò)結(jié)合立體視覺(jué)和邊緣信息的障礙物檢測(cè)方法,實(shí)現(xiàn)障礙物輪廓區(qū)域的精細(xì)化,克服誤匹配的影響。

      1 ?相關(guān)工作

      針對(duì)上述問(wèn)題,利用障礙物具有較強(qiáng)的紋理特征,而地面的紋理特征較弱這一特性,可通過(guò)結(jié)合圖像的邊緣坐標(biāo)點(diǎn)信息,從而得到更加準(zhǔn)確的障礙物信息。本文的主要工作為;首先采用雙目相機(jī)采集并校正左右兩幅圖像,然后通過(guò)立體匹配計(jì)算得到場(chǎng)景中物體的視差圖;最后根據(jù)深度信息進(jìn)行圖像分割,并在使用輪廓檢測(cè)法提取障礙物大致輪廓區(qū)域基礎(chǔ)上,結(jié)合Canny邊緣檢測(cè)算法計(jì)算其邊緣的坐標(biāo)信息,實(shí)現(xiàn)障礙物輪廓由粗到精的檢測(cè)。下文對(duì)障礙物檢測(cè)所涉及的基本原理進(jìn)行介紹。

      1.1 ?雙目立體視覺(jué)測(cè)量原理

      雙目視覺(jué)成像模型如圖1所示,根據(jù)空間點(diǎn)在左右相機(jī)的視差原理可測(cè)量出雙目相機(jī)到被測(cè)物體的距離信息[6],以及更加精確的障礙物空間位置和尺寸信息,從而得到準(zhǔn)確的障礙物位置信息。

      若世界坐標(biāo)空間中的任意點(diǎn)A(X,Y,Z)過(guò)光軸在左右相機(jī)成像平面的像點(diǎn)坐標(biāo)分別為(ul,vl)和(ur,vr),當(dāng)兩像點(diǎn)對(duì)應(yīng)的極線el和er處于一條直線上時(shí),記d=ul-ur,根據(jù)三角形相似性,可求左相機(jī)成像平面像素點(diǎn)與空間點(diǎn)A的關(guān)系:

      其中,f為焦距,b為基線,d表示空間點(diǎn)在左右相機(jī)平面上像點(diǎn)的視差。若給定左相機(jī)平面上的一點(diǎn)和與之對(duì)應(yīng)有且只有一個(gè)的對(duì)應(yīng)點(diǎn),則容易得出該點(diǎn)在相機(jī)成像平面的坐標(biāo),進(jìn)而可以確定該點(diǎn)在三維世界坐標(biāo)系上的坐標(biāo)。在雙目立體視覺(jué)視差測(cè)量過(guò)程中,需要得到左右相機(jī)中像素點(diǎn)的匹配關(guān)系,本文采用的立體匹配算法為半全局塊匹配算法(Semi-Global Block Matching,SGBM),該算法結(jié)合了局部立體匹配算法和全局立體匹配算法的優(yōu)點(diǎn),具有視差效果好并且速度快的特點(diǎn),在計(jì)算機(jī)視覺(jué)中得到廣泛應(yīng)用。為了提高匹配算法的效率,需要對(duì)采集的圖像進(jìn)行校正,該方法實(shí)現(xiàn)左右兩幅圖像中待匹配的像素點(diǎn)在極線方向上對(duì)齊,將兩幅圖像的立體匹配時(shí)從二維搜索降為一維搜索,有效地降低匹配算法搜索的復(fù)雜度。

      1.2 ?邊緣檢測(cè)

      在計(jì)算機(jī)視覺(jué)中,圖像邊緣特征包含了圖像的重要信息,廣泛應(yīng)用于目標(biāo)檢測(cè)、特征提取、圖像增強(qiáng)等計(jì)算機(jī)圖像處理,常用邊緣檢測(cè)方法有Sobel、Prewitt、LOG、Canny等方法。不同的邊緣檢測(cè)方法各具特點(diǎn),在這些邊緣檢測(cè)方法中,Canny[7]邊緣檢測(cè)算法表現(xiàn)更為出色,是一種簡(jiǎn)單、準(zhǔn)確、高效的邊緣檢測(cè)方法,所以本文主要使用Canny邊緣檢測(cè)算法實(shí)現(xiàn)場(chǎng)景物體的邊緣檢測(cè)。其步驟主要分成四步。

      (1)通過(guò)構(gòu)建一個(gè)高斯核對(duì)圖像進(jìn)行卷積操作,實(shí)現(xiàn)圖像模糊處理,降低圖像噪聲。

      (2)圖像像素點(diǎn)的梯度強(qiáng)度和方向計(jì)算,梯度強(qiáng)度越大,邊緣越明顯。設(shè)水平梯度為Gx,垂直梯度為Gy,則每個(gè)像素點(diǎn)的梯度強(qiáng)度G和方向θ表達(dá)為:

      (3)非極大值抑制。這一步主要是保留梯度強(qiáng)度局部最大值的邊緣像素點(diǎn),剔除大部分非邊緣像素點(diǎn),得到細(xì)化后的邊緣。

      (4)滯后閾值法求解圖像邊緣。通過(guò)設(shè)定Canny邊緣檢測(cè)算法高閾值和低閾值兩個(gè)閾值,將大于高閾值的邊緣定義為強(qiáng)邊緣,屬于有效邊緣,將兩閾值之間的邊緣定義為弱邊緣,當(dāng)弱邊緣連接了強(qiáng)邊緣才屬于有效邊緣,小于低閾值則被排除。

      1.3 ?障礙物檢測(cè)

      在障礙物檢測(cè)過(guò)程中,我們通常認(rèn)為距離相機(jī)較近的物體為障礙物,所以可以通過(guò)自適應(yīng)閾值方法對(duì)視差圖進(jìn)行二值化處理,則通過(guò)選取視差圖的均值作為閾值,進(jìn)而得到二值圖像。

      為了降低由于噪聲、遮擋等因素的影響,這里通過(guò)形態(tài)學(xué)方法對(duì)二值圖像進(jìn)行開(kāi)運(yùn)算處理,消除面積較小的連通區(qū)域。經(jīng)過(guò)形態(tài)學(xué)處理后的圖像進(jìn)行輪廓檢測(cè)法可獲得障礙物所在的區(qū)域。

      由于輪廓檢測(cè)法獲得的障礙物區(qū)域包含大量干擾成分,所以需要對(duì)其進(jìn)行細(xì)化,以便得到更加準(zhǔn)確的障礙物輪廓矩形區(qū)域信息。于是,在此基礎(chǔ)上,通過(guò)求取障礙物區(qū)域邊緣像素坐標(biāo)點(diǎn)的外輪廓矩形,則可擬合出障礙物最小邊框。障礙物區(qū)域的細(xì)化過(guò)程如圖2所示,其中,星型物體表示障礙物,圓點(diǎn)表示障礙物的邊緣坐標(biāo)點(diǎn)。

      2 ?實(shí)驗(yàn)與討論

      實(shí)驗(yàn)中計(jì)算機(jī)平臺(tái)為i5-7500處理器,8 GB內(nèi)存,軟件平臺(tái)為Python3與OpenCV,雙目攝像機(jī)平臺(tái)采用全瑞視訊200萬(wàn)像素的USB高清雙目攝像頭模塊。通過(guò)相機(jī)標(biāo)定和圖像校正得到圖像分辨率為598×322 pixel。相機(jī)標(biāo)定的參數(shù)有基線為60 mm,焦距為640 mm,測(cè)量深度范圍為500~3 000 mm。

      圖3是采用雙目視覺(jué)方式實(shí)現(xiàn)的障礙物檢測(cè)的細(xì)化結(jié)果,其中圖3(a)為拍攝的室內(nèi)真實(shí)場(chǎng)景中的左視圖,圖3(b)為立體匹配計(jì)算得到的視差圖,并經(jīng)過(guò)上色處理的偽彩色圖,圖3(c)為自適應(yīng)閾值處理后的二值圖像,圖3(d)為細(xì)化后進(jìn)行擬合的輪廓圖。可以看出,根據(jù)視差圖通過(guò)閾值法分割提取得到障礙物區(qū)域存在較大誤差,而經(jīng)過(guò)細(xì)化后的障礙物區(qū)域,只保留了障礙物輪廓特征,大大降低了地面對(duì)障礙物檢測(cè)的干擾。

      以真實(shí)場(chǎng)景中的紙皮箱和木凳作為障礙物,對(duì)比原始和細(xì)化后的相對(duì)誤差,其結(jié)果如圖4所示,其縱坐標(biāo)分別表示深度、高度和寬度的測(cè)量相對(duì)誤差值??梢钥闯鼋?jīng)過(guò)細(xì)化后相對(duì)誤差有較大幅度的下降,以寬度的最為明顯,最大降幅可達(dá)75%,并且深度和高度的測(cè)量在細(xì)化后相對(duì)誤差均在5%以下。

      在時(shí)間復(fù)雜度方面,通過(guò)反復(fù)多次測(cè)量統(tǒng)計(jì),算法平均總耗時(shí)為65 ms,基本上達(dá)到15幀每秒,滿足系統(tǒng)的實(shí)時(shí)性,實(shí)驗(yàn)結(jié)果表明了該方法具有較強(qiáng)的自適應(yīng)性。

      3 ?結(jié) ?論

      本文是基于校內(nèi)某項(xiàng)目的研究成果,結(jié)合立體視覺(jué)和邊緣信息的實(shí)現(xiàn)障礙物檢測(cè),為機(jī)器人的避障提供較好的障礙物數(shù)據(jù)支撐。通過(guò)對(duì)室內(nèi)地面的障礙物深度圖的分割,提取出障礙物區(qū)域,然后利用Canny邊緣檢測(cè)算法計(jì)算得到該區(qū)域的邊緣坐標(biāo)信息,實(shí)現(xiàn)了障礙物識(shí)別的精細(xì)化,有效提高了障礙檢測(cè)的精度,降低弱紋理地面因素的影響。在實(shí)際應(yīng)用中,由于陰影和光照等因素干擾,大大增加了障礙物的檢測(cè)難度,系統(tǒng)仍需針對(duì)這些干擾因素進(jìn)行進(jìn)一步的改良。

      參考文獻(xiàn):

      [1] 張耀威,卞春江,周海,等.基于圖像與點(diǎn)云的三維障礙物檢測(cè) [J].計(jì)算機(jī)工程與設(shè)計(jì),2020,41(4):1169-1173.

      [2] LAN J H,JIANG Y L,F(xiàn)AN G L,et al. Real-Time Automatic Obstacle Detection method for Traffic Surveillance in Urban Traffic [J].Journal of Signal Processing Systems,2016,82(3):357-371.

      [3] 張舜,郝泳濤.基于深度學(xué)習(xí)的障礙物檢測(cè)研究 [J].電腦知識(shí)與技術(shù),2019,15(34):185-187+193.

      [4] 王軍華,李丁,劉盛鵬.基于改進(jìn)RANSAC的消防機(jī)器人雙目障礙檢測(cè) [J].計(jì)算機(jī)工程與應(yīng)用,2017,53(2):236-240.

      [5] 吳宗勝,李紅,韓改寧.結(jié)合立體視覺(jué)與超像素技術(shù)的道路障礙物概率檢測(cè) [J].機(jī)械科學(xué)與技術(shù),2019,38(2):277-282.

      [6] 張易,項(xiàng)志宇,陳舒雅,等.弱紋理環(huán)境下視覺(jué)里程計(jì)優(yōu)化算法研究 [J].光學(xué)學(xué)報(bào),2018,38(6):226-233.

      [7] HAN Y,CHU Z N,ZHAO K. Target positioning method in binocular vision manipulator control based on improved canny operator [J].Multimedia Tools and Applications,2019(5):1-16.

      作者簡(jiǎn)介:林堅(jiān)(1992—),男,漢族,廣東吳川人,碩士,研究方向:系統(tǒng)集成;通訊作者:王力虎(1962—),男,漢族,山西文水人,教授,碩士生導(dǎo)師,博士,研究方向:工業(yè)自動(dòng)化、計(jì)算機(jī)程序設(shè)計(jì)。

      猜你喜歡
      圖像分割細(xì)化
      細(xì)化量筒 細(xì)說(shuō)作用
      中小企業(yè)重在責(zé)任細(xì)化
      “細(xì)化”市場(chǎng),賺取百萬(wàn)財(cái)富
      “住宅全裝修”政策亟需細(xì)化完善
      計(jì)算機(jī)定量金相分析系統(tǒng)的軟件開(kāi)發(fā)與圖像處理方法
      基于灰色系統(tǒng)理論的數(shù)字圖像處理算法
      一種改進(jìn)的分水嶺圖像分割算法研究
      科技視界(2016年26期)2016-12-17 16:25:03
      基于LabVIEW雛雞雌雄半自動(dòng)鑒別系統(tǒng)
      一種圖像超像素的快速生成算法
      基于魯棒性的廣義FCM圖像分割算法
      呼图壁县| 米泉市| 崇文区| 阳朔县| 建德市| 皮山县| 抚宁县| 梧州市| 阿拉善左旗| 海宁市| 汤阴县| 襄樊市| 托里县| 南部县| 兴化市| 宁安市| 梅河口市| 南雄市| 苍梧县| 合川市| 金寨县| 寻甸| 松桃| 文成县| 新沂市| 琼海市| 富阳市| 来宾市| 朝阳市| 静海县| 奇台县| 奉贤区| 长葛市| 伽师县| 婺源县| 青田县| 石棉县| 洪洞县| 安新县| 西盟| 博野县|