基于双目立体视觉的障碍物检测方法

基于双目立体视觉的障碍物检测方法,是一种基于双目视觉的V视差图检测障碍物的算法。利用生成的视差图之后再生成V-视差图,进而提取V-视差图当中的直线的信息,利用这些提取的直线的信息,就可以大致确定障碍物存在的区域,以此进行障碍物的检测。这样是一种对于光照和阴影等的干扰不是十分敏感,可以检测具备面特征的障碍物,可以用于复杂的背景之下的障碍物的检测。     

一种新颖的基于立体视觉的障碍物检测

本文针对车载双目视觉中的路面模型估计的难题提出了一种新颖而实用的算法,并将其应用于车前障碍物检测。首先,这里选取半全局视差匹配算法(SGM)获得稠密准确的视差图,并且在传统的v-视差算法的基础上引入加权Hough变换检测v-d平面中路面侧向投影的线性关系。然后,结合时序上的局部相关性和在v-d平面提取的多条直线拟合路面的投影特征曲线。最后根据该拟合曲线和视差图对当前帧进行自由空间和障碍物的分割和检测。     

基于改进YOLOv3和立体视觉的园区障碍物检测方法

为了解决无人驾驶障碍物检测在园区场景中准确率低、实时性不足等问题,提出一种基于改进YOLOv3 (You Only Look Once)和立体视觉的障碍物检测方法:YOLOv3-CAMPUS;通过改进特征提取网络Darknet一53的结构减少前向推断时间,进而提升模型检测速度,通过增加特征融合尺度提升检测精度和目标定位能力;通过引入GIOU (Generalized Intersection o-ver Union)改进目标定位损失函数,通过改进k-means算法降低初始聚类点造成的聚类偏差,进而提高模型检测精度;通过立体视觉相机获得预测边界框中心点的深度信息,确定障碍物与无人车的距离;实验结果表明,提出的方法较原模型在园区混合数据集(KITTI+ PennFudanPed)上平均精度提升了4.19％,检测速度提升了5.1 fps;在自建园区数据集(HD-Campus)上平均精度达到98.57％,均能满足实时性要求.     

颠簸环境下的快速障碍物检测算法

障碍物检测是智能车辆研究中的一个重要内容.用射影几何的方法给出了用重投影变换进行障碍物检测的一般原理,并引入摄像机的内、外参数和姿态参数,建立了重投影变换的参数化模型.为了满足颠簸环境的要求,提出了一种新的基于立体视觉视差分析的障碍物检测算法.实验结果表明,算法具有计算量小和可靠性高的特点.     

基于视觉的机器人自主定位与障碍物检测方法

针对稀疏型同时定位与地图构建（SLAM）算法环境信息丢失导致无法检测障碍物问题，提出一种基于视觉的机器人自主定位与障碍物检测方法。首先，利用双目相机得到观测场景的视差图。然后，在机器人操作系统（ROS）架构下，同时运行定位与建图和障碍物检测两个节点。定位与建图节点基于ORB-SLAM2完成位姿估计与环境建图。障碍物检测节点引入深度阈值，将视差图二值化；运用轮廓提取算法得到障碍物轮廓信息并计算障碍物凸包面积；再引入面积阈值，剔除误检测区域，从而实时准确地解算出障碍物坐标。最后，将检测到的障碍物信息插入到环境的稀疏特征地图当中。实验结果表明，该方法能够在实现机器人自主定位的同时，快速检测出环境中的障碍物，检测精度能够保证机器人顺利避障。     

基于双目视觉的障碍物检测方法研究

随着无人机自主避障技术的发展,无人机的在线环境感知能力显得愈发重要。环境感知的重要组成部分便是障碍物的检测。与超声波、毫米波雷达这些只能检测出障碍物距离的传感器相比,视觉传感器具有独特的优势,因此成为多旋翼无人机进行自主避障的热点。本文采用双目立体视觉技术对多旋翼无人机前方视野内的环境进行障碍物检测,提出了一种基于柱状图的障碍物检测方法。首先,利用双目视觉传感器获取图像并进行图像处理;其次,把图像分成若干个柱状图的区域,提取每个柱状图区域里的障碍物深度信息;再次,检测柱状图区域里的障碍物相对于多旋翼无人机的方向;最后,通过室内环境进行算法验证。实验结果表明该方法的有效性,成功完成了室内未知环境下多旋翼前进方向的障碍物检测工作。     

面向复杂背景中彩色立体图像的障碍物检测

目标识别技术作为图像理解领域的核心研究内容之一,一直以来是文献中讨论的热门话题.随着计算机科学的发展以及彩色成像设备的普及,越来越多的彩色立体图像在实际生产、生活中得到应用,面向彩色立体图像的目标识别技术逐渐成为吸引学者注意力的新方向.本文基于立体视觉信息,对安装在行进车辆上的两个摄像机在一段时间内获取的立体视频信息进行分析,提取车辆前方可能对行车安全造成威胁的障碍物.在V视差理论的基础上引入两个改进算法首先对原始立体图像进行数据净化和前景/背景分割,使后续算法不受复杂、多变背景的干扰,同时减少数据处理的冗余.然后使用绝对值差(SAD)[9]法直接计算彩色立体图像的浓密视差图,而无需彩色到灰度图像的转换.实验证明,本文提出的改进算法针对实际立体图像可以准确、快速地提取障碍物信息.     

基于视觉的室外移动机器人障碍物检测方法

针对复杂交通场景中的室外移动机器人,提出了一种基于小波模极大值和集成学习支持向量机的障碍 物检测方法．首先引入了基于小波模极大值的奇异信号分析理论,对候选障碍物区域进行探测;然后,构建了一种 基于集成学习改进的多分类支持向量机,对候选区域进行分类识别．实验中将该方法应用于多种交通场景（高速公 路、城区道路）,结果验证了其有效性、通用性和实时性．     

基于自适应分割和立体视觉的快速障碍检测

首先实时提取参考路面的平均色度值,对图像进行自适应分割,初步划分出可疑障碍区域;然后选取可疑障碍区域的对角线,利用立体视觉的方法进一步检测出障碍区域.证明了两摄像机平行放置时左右图像中区域对角线的对应关系,在此基础上进行匹配计算.该方法能适应光照条件变化,提高立体视觉算法速度,实验结果表明了该方法的有效性和可靠性.     

基于立体视觉的移动机器人导航方法的研究

提出一种新颖、有效的移动机器人导航方法.首先利用归一化RGB值的特性和几何封闭性提取出道路区域和可疑障碍物区域;然后利用重投影以及灰度相似性剔除路面水迹及裂痕;接着对障碍物区域进行局部视差连续性约束下的相似性匹配,并构造障碍物的最大包围盒;最后对连续二帧图像进行色调均值和方差的匹配以估计障碍物的相对速度,利用不同的策略进行避障.道路区域和障碍物区域的提取实验以及避障的仿真实验验证了该方法的有效性.     

Real-Time Active SLAM and Obstacle Avoidance for an Autonomous Robot Based on Stereo Vision

Abstract

In this article, the problem of real-time robot exploration and map building (active SLAM) is considered. A single stereo vision camera is exploited by a fully autonomous robot to navigate, localize itself, define its surroundings, and avoid any possible obstacle in the aim of maximizing the mapped region following the optimal route. A modified version of the so-called cognitive-based adaptive optimization algorithm is introduced for the robot to successfully complete its tasks in real time and avoid any local minima entrapment. The method’s effectiveness and performance were tested under various simulation environments as well as real unknown areas with the use of properly equipped robots.     

基于道路动态视觉导航的控制策略与仿真

使车辆在自然环境中自动行驶，视觉导航方法受到了很大的重视。该文介绍了我们进行的研究工作，其中包括基于道路理解和目标检测的动态视觉导航控制策略，以及这一模拟显示系统的实现。     

基于多传感器融合的机器人障碍物检测和识别

该文研究了在移动机器人中基于神经网络的多种传感器信息融合技术。通过由CCD摄像机获得的彩色图像与超声波传感器组获得的距离作为辅助视觉系统实现整个视觉系统功能。移动机器人的障碍物检测和识别的可靠性与精度比在任何单一传感器所获得的信息都有很大的提高。     

基于图像分割的快速立体匹配算法

针对Tao的平滑表面假设提出了一种基于图像分割的快速立体匹配算法。算法把参考图分割成多个区域，计算其中可靠区域的平面模板，通过贪婪算法把平面模板分配给不可靠区域使得全局评价函数取到最小值。该算法能克服基于局部算法中存在的边界模糊，以及低纹理区误匹配严重的缺点，解决了传统的基于全局算法中计算量过大的问题。实验表明，该算法能同时满足高精度和高实时性的要求。     

《OpenGL三维图形程序设计》系列讲座 第五讲 曲线和曲面(下)

《ＯｐｅｎＧＬ三维图形程序设计》系列讲座第五讲曲线和曲面（下）３ＯｐｅｎＧＬ中的曲面３．１二维算子一个Ｂｅｚｉｅｒ曲面是一个二元向量值函数Ｓ（ｕ，ｖ）＝［Ｘ（ｕ，ｖ），Ｙ（ｕ，ｖ），Ｚ（ｕ，ｖ）］这里ｕ和ｖ都可以在其定义域内变化。在二维情况下，除了所...     

基于视觉的移动机器人实时障碍检测研究

针对立体视觉障碍检测的两个难点:匹配精度以及匹配算法的实时性问题,文章提出了一种基于区域分割的障碍检测方法。通过区域分割,把图像对应点的匹配问题简化为区域边界点的匹配,提高了匹配的精度。分割后的区域作为一个独立的对象进行处理,障碍物三维信息计算转化为视差的判断,提高了匹配的速度。该算法能够实现在室内环境下的实时障碍检测,不需要利用环境的先验知识,具有较强的自适应性。实验结果表明了该方法的有效性。     

基于主动式全景视觉的移动机器人障碍物检测

针对现有的移动机器人视觉系统计算资源消耗大、实时性能欠佳、检测范围受限等问题,提出一种基于主动式全景视觉传感器(AODVS)的移动机器人障碍物检测方法。首先,将单视点的全方位视觉传感器(ODVS)和由配置在1个平面上的4个红色线激光组合而成的面激光发生器进行集成,通过主动全景视觉对移动机器人周边障碍物进行检测;其次,移动机器人中的全景智能感知模块根据面激光发生器投射到周边障碍物上的激光信息,通过视觉处理方法解析出移动机器人周边障碍物的距离和方位等信息;最后,基于上述信息采用一种全方位避障策略,实现移动机器人的快速避障。实验结果表明,基于AODVS的障碍物检测方法能在实现快速高效避障的同时,降低对移动机器人的计算资源的要求。