暗環(huán)境中規(guī)則障礙物檢測方法研究?

李成成 張曉玲

（1.江蘇理工學(xué)院機(jī)械工程學(xué)院 常州 213000）（2.江蘇理工學(xué)院電信學(xué)院 常州 213000）

1 引言

目標(biāo)檢測［1～2］與定位是計(jì)算機(jī)視覺系統(tǒng)的關(guān)鍵技術(shù)之一，如對象跟蹤、定位，三維重建［3］等，目標(biāo)檢測效果將影響后續(xù)工作的進(jìn)展。目前已有諸多的目標(biāo)檢測算法，針對黑暗場景中傳統(tǒng)障礙物的檢測方法，如超聲波［4］無法反應(yīng)特定區(qū)域的障礙特征，且單個(gè)超聲波設(shè)備無法獲取全局的距離信息；雙目立體視覺［5］技術(shù)無法提取有效的特征紋理實(shí)現(xiàn)特征匹配；結(jié)構(gòu)光適用于在紋理不明顯的環(huán)境中通過光柵［6～8］獲取特征紋理，由于解相位算法［9～11］處理消耗時(shí)間相比其他算法較長。因此，進(jìn)行暗環(huán)境中障礙物目標(biāo)檢測并提取障礙物區(qū)域具有較高的理論意義和應(yīng)用價(jià)值。

文獻(xiàn)［12］采用舵機(jī)結(jié)合超聲波傳感器檢測障礙物實(shí)現(xiàn)避障，但只是單純的避障功能，沒有更多探測障礙物的形狀和位置。文獻(xiàn)［13］通過偏振光特性對高反光目標(biāo)三維重建，對于無反光黑暗場景中的目標(biāo)重建無法適用。文獻(xiàn)［14］結(jié)合光柵和立體視覺的優(yōu)點(diǎn)進(jìn)行三維重建，由于通過全局重建然后再判斷障礙物導(dǎo)致非實(shí)時(shí)性的工作。文獻(xiàn)［15］使用脈沖激光雷達(dá)探測障礙物，范圍和精度都優(yōu)于超聲波且可以對障礙物成像，適用于復(fù)雜環(huán)境，但是只完成了數(shù)據(jù)采集，并沒有對障礙物進(jìn)行定位分析以及重建。

實(shí)驗(yàn)中采用線激光模擬光柵投射，提出一種基于直方圖極值選擇的局部障礙物檢測方法。針對暗環(huán)境中紋理差異很不明顯的特點(diǎn)，首先統(tǒng)計(jì)灰度直方圖提取較明顯區(qū)域，找到局部極大極小值。然后用全局極大值與原點(diǎn)處極大值之間的范圍檢測輪廓。最后檢測出障礙物的區(qū)域后，通過檢測的線激光間距與樣本線激光間距匹配，便實(shí)現(xiàn)了檢測障礙物并得到障礙物距離信息，進(jìn)一步可以得出障礙物高度信息。

2 障礙物區(qū)域提取算法分析

在線激光實(shí)時(shí)掃描過程中，首先通過攝像頭獲取含有線激光條紋的原始圖像，預(yù)處理圖像。障礙物在圖像中由于線激光條紋的作用，在暗環(huán)境中無法準(zhǔn)確確定此灰度值。根據(jù)極值算法得出最佳分割閾值，用于障礙物區(qū)域的粗提取，最后由形態(tài)學(xué)處理和輪廓篩選做精提取。算法流程如圖1所示。

圖1 障礙物輪廓提取流程圖

根據(jù)所拍攝圖像的特征，障礙物的顏色特征比周圍場景都趨向于黑色，實(shí)際障礙圖如圖2。

圖2 暗環(huán)境線激光采集障礙物圖

將原始圖像預(yù)處理后分析了障礙物上的灰度信息與其他灰度信息的差異，然而根據(jù)經(jīng)驗(yàn)值無法將障礙物輪廓分離出來，因此需要尋找精確的閾值來判斷。通過統(tǒng)計(jì)灰度直方圖［16］得出每一個(gè)灰度值的概率。為提高輪廓檢測的效率，對二值化圖像形態(tài)學(xué)處理［17］（開操作）。然后將面積和周長作為篩選條件，最后得到障礙物在圖像中的位置和大小信息。

2.1 灰度直方圖局部極大值

直方圖統(tǒng)計(jì)是圖像分割算法中的一個(gè)非常重要的步驟。圖像的灰度值是離散變量，因此直方圖表示的是離散的概率分布。為了計(jì)算某一集中區(qū)域的灰度值概率分部，需要將直方圖每一個(gè)灰度的概率統(tǒng)計(jì)，并根據(jù)直方圖特征計(jì)算該障礙物明顯特征范圍，獲取極大極小值方法如式（1）。

方程中s（i）代表局部極大值，根據(jù)i位置前后的大小比較代替擬合求導(dǎo)。同理h（i）代表局部最小值，將統(tǒng)計(jì)數(shù)據(jù)歸一化處理提高處理效率。T的標(biāo)準(zhǔn)是為了去除部分灰度概率過低的部分。T的選取標(biāo)準(zhǔn)為

式中T的選取影響對障礙物區(qū)域的準(zhǔn)確判斷。以最小值為標(biāo)準(zhǔn)，對比局部極大和極小和的平均值，可以避免對T的錯(cuò)誤選取，致使無法識(shí)別障礙物。對兩種不同大小的障礙物的灰度直方圖的提取如圖3所示。

圖3 灰度直方圖極值提取

圖3可以看出針對兩幅不同的圖像統(tǒng)計(jì)出來的直方圖，局部最大值位置依次往左觀察，發(fā)現(xiàn)經(jīng)過一個(gè)峰谷便是一個(gè)峰頂，根據(jù)這個(gè)差值作為標(biāo)準(zhǔn)進(jìn)行下一步工作的篩選，得到二值圖。

2.2 二值化及輪廓檢測

確定了直方圖的各個(gè)極值后，根據(jù)s（i）-s（i-1）的結(jié)果，將小于s（i）大于s（i）-s（i-1）區(qū)域的灰度值全部置為255，其余全部置0，然后形態(tài)學(xué)處理，形態(tài)學(xué)開運(yùn)算再閉運(yùn)算，最后輪廓檢測。形態(tài)學(xué)處理二值化如圖4，輪廓檢測篩選結(jié)果如圖5。

圖4 形態(tài)學(xué)開閉操作二值化

圖5 障礙物截取結(jié)果

可以發(fā)現(xiàn)二值化后的圖形障礙物的形狀基本出現(xiàn)，由于激光條紋的作用無法將激光位置的空余填補(bǔ)，兩幅圖均有空洞。有如下兩種方法處理這種情況：1）二次形態(tài)學(xué)操作；2）輪廓條件篩選。結(jié)果選擇第二種方法，因二次形態(tài)學(xué)處理并無明顯變化。

3 樣本圖片條紋間距采集算法

最小二乘法的原則是以“殘差平方和最小”確定直線位置。用最小二乘法除了計(jì)算比較方便外，得到的估計(jì)量還具有優(yōu)良特性。算法法流程如圖6。

圖6 線激光條紋間距計(jì)算流程

線條紋激光擬合直線最小二乘的約束函數(shù)為

式（3）中K即檢測出來的直線，其斜率絕對值不超過0.02即認(rèn)為是水平直線。然后將直線根據(jù)最小二乘公式得出直線方程yi=axi+b。將每個(gè)樣本圖像的線激光條紋像素間距計(jì)算出來后，與相對應(yīng)的實(shí)際距離構(gòu)成若干組觀察值，進(jìn)行第二次數(shù)據(jù)擬合。最后拍攝任意一張線激光圖像，根據(jù)擬合結(jié)果計(jì)算障礙物的距離，同時(shí)可以計(jì)算除去障礙物后的背景距離，兩者之差為物體高度。

4 實(shí)驗(yàn)結(jié)果與分析

上述兩節(jié)已經(jīng)描述了整個(gè)實(shí)驗(yàn)的算法流程，通過圖像的采集和數(shù)據(jù)樣本計(jì)算，與現(xiàn)實(shí)的結(jié)果對比分析，可以很好地描述障礙物信息。實(shí)驗(yàn)設(shè)備是等距排列的五個(gè)激光發(fā)射器，圖像處理數(shù)據(jù)庫為OpenCV。

4.1 實(shí)驗(yàn)數(shù)據(jù)采集

步驟一：70cm開始，投射線激光至樣本平面，確保線激光水平，逐漸減小距離，每隔2cm拍攝一張，相機(jī)與激光設(shè)備盡量水平。

步驟二：計(jì)算每張圖片線激光像素間距，同時(shí)記錄對應(yīng)的距離。共15張圖像，15組數(shù)據(jù)。

以40cm和42cm獲取的樣本圖片為例，結(jié)果如圖7。

圖7 線激光擬合結(jié)果

兩張圖片僅憑肉眼發(fā)現(xiàn)不出差異，但是根據(jù)擬合的結(jié)果可以看出，每條直線都滿足約束函數(shù)，接近于水平，當(dāng)在40cm獲取的圖片時(shí)，圖像中線激光擬合的五條直線方程結(jié)果如圖7所示。

以下是40cm采樣圖中相鄰兩直線的像素間距L1=231，L2=234，L3=215，L4=219。其間距誤差最大為15個(gè)像素點(diǎn)，這個(gè)誤差值不到0.3%，可忽略不計(jì)。部分?jǐn)?shù)據(jù)如表1。

表1 數(shù)據(jù)采集部分結(jié)果

實(shí)驗(yàn)中用全部數(shù)據(jù)做最小二乘多項(xiàng)式擬合，擬合結(jié)果如圖8。

圖8 二次多項(xiàng)式擬合

通過計(jì)算，均方根誤差RMSE為0.6291，證明二次擬合離散程度很小，損失函數(shù)也達(dá)到最小。根據(jù)得到的方程就可以用于測量。結(jié)果為y=0.00142x2-1.077x+238.2。

4.2 距離測量與分析

在實(shí)際測量過程中，只需最小二乘擬合線激光，然后與完成的樣本間距匹配，最后利用擬合方程計(jì)算，兩者結(jié)果對比分析。實(shí)驗(yàn)結(jié)果如表2。

通過對比發(fā)現(xiàn)，利用最小二乘的方法更為準(zhǔn)確，因?yàn)榕臄z圖本身存在誤差。而且障礙物越大，直線檢測效果越好，誤差越小。

表2 實(shí)驗(yàn)結(jié)果與誤差

5 結(jié)語

為尋找障礙物表面的激光，通過分析灰度直方圖分離障礙物的算法，計(jì)算樣本與實(shí)際的偏差，將兩者進(jìn)行最小二乘擬合處理，然后實(shí)驗(yàn)精確地?cái)M合了線激光條紋，利用數(shù)學(xué)方法補(bǔ)償了硬件設(shè)備帶來的誤差。其中直方圖的分析與統(tǒng)計(jì)是算法中的基礎(chǔ)，在紋理變化不明顯的圖像中且檢測規(guī)則的障礙物較為實(shí)用。