CN101852609A - 一种基于机器人双目立体视觉的地面障碍物检测方法 - Google Patents
一种基于机器人双目立体视觉的地面障碍物检测方法 Download PDFInfo
- Publication number
- CN101852609A CN101852609A CN 201010189865 CN201010189865A CN101852609A CN 101852609 A CN101852609 A CN 101852609A CN 201010189865 CN201010189865 CN 201010189865 CN 201010189865 A CN201010189865 A CN 201010189865A CN 101852609 A CN101852609 A CN 101852609A
- Authority
- CN
- China
- Prior art keywords
- ground
- pixel
- barrier
- parallax
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种基于机器人双目立体视觉的地面障碍物检测方法,属于智能机器人技术领域。包括以下步骤:根据双目的基线长度和焦距,利用已知图像的几何构形解析出图像中各行的地面视差值;在地面视差值的基础上,通过反投影模型计算出某像素对应场景点的三维坐标,从而初步判断该像素属于障碍物或是地面点;对障碍物和地面点分别赋予不同的颜色;对上述结果进行后处理,去除虚假的障碍物;消除立体误差,建立栅格地图。该方法适用于室内各种复杂环境,针对不同的障碍物,都能达到精确识别,并且具有很高的实时性,为机器人实施避障提供了很好的准备条件。
Description
技术领域
本发明涉及一种设计系统,特别涉及一种基于机器人双目立体视觉的地面障碍物检测方法,属于智能机器人技术领域。
背景技术
在自主探索的过程中,避障是移动机器人必需的基本功能。目前绝大部分移动机器人采用距离传感器进行避障。虽然距离传感器可以提供精确的关于障碍物的距离-朝向信息,但是只能检测位于扫描平面上的障碍物,而视觉系统则可以为移动机器人提供丰富和实时的环境信息,因此得到了广泛的研究和应用。
避障算法通常由两部分组成:障碍物检测算法用来发现并估计障碍物的位置和形状;避障策略用来产生安全有效的运动控制量。本发明主要讨论前一部分:障碍物检测算法。在非结构化的环境中,基于立体视觉的障碍物检测通常依赖于视差图。使用地面的视差图作为参考的思想可以追溯至上世纪九十年代,与参考视差差异较大的像素将被分类为障碍物像素。文献(Sabe K,Fukuchi M,Gutmann J S,etal.Obstacle avoidance and path planning for humanoid robotsusing stereo vision[C].IEEE International Conference onRobotics and Automation.2004,1:592-597.)提出一个平面提取算子来寻找地面,将所有的视差转换为三维空间点并在点集上进行哈夫变换来定位地面。文献(Burschka D,Lee S,Hager G.Stereo-basedobstacle avoidance in indoor environments with active sensorre-calibration[C].IEEE International Conference on Roboticsand Automation.New York,2002:2066-2072.)提出估计地面视差的算法,将属于地面的视差像素从视差图中去除,剩余的视差像素则认为是障碍物。一般来说,这些方法依赖于密集的视差图,但是由于环境中存在多义场景,通过立体匹配得到的视差图一般较为稀疏。为了得到密集的视差图,文献(Dubbelman G,van der Mark W,van denHeuvel JC,et al.Obstacle detection during day and nightconditions using stereo vision[C].IEEE/RSJ InternationalConference on Intelligent Robots and Systems(IROS).2007:109-116.)提出由精到粗的选择机制估计并融合由多分辨率视差图像组成的金字塔。文献(Torres-Mendez L A,Dudek G.Statistics of Visual and Partial Depth Data for Mobile RobotEnvironment Modeling[C].Mexican International Conference onArtificial Intelligence(MICAI).2006.)使用Markov随机场学习已有的视差和亮度变化之间的关系,然后通过对稀疏视差图进行插值得到密集视差图。文献(Foggia P,Jolion J M,Limongiello A,etal.Stereo vision for obstacle detection:A graph-basedapproach[C].Graph-Based Representations in PatternRecognition.Berlin:Springer-Verlag Berlin,2007,4538:37-48.)将立体图像建模为由区域作为节点的图,通过寻找匹配的区域来实现立体匹配。上述方法在特定的条件下能取得理想的匹配效果,但是往往计算复杂度高或过多地采用经验假设。与设法取得密集的视差图不同,文献(Yoon S,Roh K S,Shim Y B.Vision-basedobstacle detection and avoidance:Application to robust indoornavigation of mobile robots[J].Advanced Robotics,2008,22(4):477-492.)使用代数投影不变量来确定左右图像中的匹配对,如果匹配像素的颜色差值较大则认为相应的场景点属于障碍物。文献(段华,赵东标.基于立体视觉的移动机器人动态避障方法[J].机械科学与技术,2006,25(6):631-634.)对障碍物区域进行局部视差连续性约束下的相似性匹配,构造障碍物的最大包围盒投影到地面。文献(Caraffi C,Cattani S,Gri sleri P.Off-road path and obstacledetection using decision networks and stereo vision[J].IEEETransactions on Intelligent Transportation Systems,2007,8(4):607-618.)则使用V视差图提取地面并使用片估计定位障碍物。
本发明应用的启发式合并规则、菱形误差模型和三角分布规则,请参考文献(张广军.机器视觉.科学出版社,2005)
发明内容
本发明的目的是为解决目前使用立体视觉建立栅格地图的方法存在计算量大和环境信息不完整的问题,而提供一种基于机器人双目立体视觉的地面障碍物检测方法,通过对获取的图像进行地面视差分布分析,辨别出图像中的地面和障碍物,最后控制机器人实施避障。
本发明的目的是通过以下技术方案实现的:
本发明的一种基于机器人双目立体视觉的地面障碍物检测方法,采用双目立体视觉传感器,在双目基线与地面平行条件下,具体检测步骤如下:
1)对获取的图像进行视差分布分析
假设获取图像中的地面为平面,则该平面点上的视差值D通过下式获得:
其中α是双目立体视觉传感器的光轴(摄像头焦点与成像平面的垂线)相对于地面的俯角,β是双目立体视觉传感器的光轴(摄像头焦点与摄像头镜头的垂线)和实测点之间的夹角,h是双目立体视觉传感器的摄像头中心离地面的高度,B和f分别为双目基线的长度和焦距,所述的双目基线是指双目立体视觉传感器中两个摄像头中心点之间的连线;
2)建立地面-障碍物视差彩色标注图
a)设定地面识别高度hTH,hTH取值范围为30cm~100cm,则地面识别差值范围D2通过下式获得:
其中:
D1为实际获取的图像上任意一点的像素的视差值,D1可通过步骤1)的公式算出,当D1的值在D2区间内时,认为D1点是地面像素,当D1的值在D2区间外时,认为D1点是障碍物像素,对实际获取的图像上的所有点进行上述的地面-障碍物判断,从而建立地面-障碍物视差标注图;
b)对地面-障碍物视差标注图进行着色,将地面像素标注为颜色1,将障碍物像素标注为颜色2;所选取的颜色1与颜色2的RGB三元素值均小于150,且颜色1与颜色2的RGB各元素值之差均大于100,对无效像素区域和高亮区域不进行着色,得到地面-障碍物视差彩色标注图;
其中,无效像素区域是一种在双目立体视觉传感器的左右两个摄像头不能协调对应起来的像素区域;高亮区域是指摄像头直接拍摄的图像中RGB三元素值均大于200的像素所组成的区域,在图像中呈现高亮刺眼状;
3)地面-障碍物视差彩色标注图的后处理
a)对步骤2)得到的地面-障碍物视差彩色标注图再次进行彩色标注,标注规则为:对地面像素标注为颜色3,障碍物为颜色4;并且将无效像素区域在摄像头直接拍摄的图像中显示的像素与步骤2)已标注的地面像素在摄像头直接拍摄的图像中显示的像素进行RGB三元素值对应相减,当各元素值之差均小于5时,将该无效像素区域标注为颜色3,当任意元素值之差均大于5时,将该无效像素区域标注为颜色4,得到地面-障碍物视差二次彩色标注图;所选取的颜色3与颜色4的RGB三元素值均小于150,且颜色3与颜色4的RGB各元素值之差均大于100;
b)通过启发式合并规则,把该地面-障碍物视差二次彩色标注图与步骤2)的地面-障碍物视差彩色标注图进行融合,形成最终的地面-障碍物视差彩色标注结果图;
4)建立占据概率-栅格地图
a)对步骤3)获得的地面-障碍物视差彩色标注结果图采用三角分布规则得出该图上任意像素点的占据概率值,得到占据概率分布图;
b)同时对步骤3)获得的地面-障碍物视差彩色标注结果图中任意像素P点建立菱形误差模型,得到其误差点P1,P2,P3,和P4,将误差点P1,P2,P3,和P4竖直投影成二维图像,将投影点记为P′1,P′2,P′3和P′4,并对投影点建立的二维坐标,将P′2和P′4之间的距离作为栅格的宽度H,栅格的长度L由通过下式确定,即:
其中,S为根据双目立体视觉传感器摄像机的固有参数确定的范围因子,S的取值范围为0.1~5;P′3,x为P′3点在二维坐标中的横坐标,P′1,x为P′1点在二维坐标中的横坐标;
c)在步骤3)获得的地面-障碍物视差彩色标注结果图上建立长为L、宽为H的栅格,将每个栅格中所包含的像素点的占据概率值赋值给该栅格,记为F′;
d)对每个栅格的占据概率值F′进行增益调整,调整方法如下式:
F=F′+f
其中,F为每个栅格增益调整后的占据概率值,f为增益因子,当该栅格对应的点为障碍物像素时,则f取值范围为0.1~0.5;当该栅格对应的点为地面像素时,则f取值范围为-0.5~-0.1;
5)结果判断
对每个栅格对应的增益调整后的占据概率值F进行判断,
当F大于等于0.8时,判断该栅格为障碍物;
当F小于等于0.2时,判断该栅格为地面;
当F为0.2~0.8时,该栅格为无效像素区域或高亮区域,不做判断。
有益效果
本发明基于双目立体视觉传感器,针对目前使用立体视觉建立栅格地图的方法存在计算量大和环境信息不完整的问题,提出基于地面视差分布建立栅格地图的方法,主要是通过在视差图和彩色图像中进行像素标注并融合标注结果,进而将图像中像素分类为障碍物或地面像素。本发明提出了统一的投影模型,通过使用不同的参数值将障碍物像素和地面像素投影到栅格图中,从而快速得到环境信息的完整栅格地图,最后检测出障碍物。本发明提出的障碍物检测方法可以适用于室内各种复杂环境,针对不同的障碍物,都能达到精确识别,为机器人实施避障提供了很好的准备条件。本发明利用双目立体视觉的障碍物检测方法,解决了一般机器人避障过程中的障碍物检测实时性问题,并且使机器人以较低的负载,较少的能耗实现了障碍物检测,本发明真正做到了以有限的代价获得较高实时性的检测性能。
附图说明
图1-本发明的成像几何示意图;
图2-本发明的立体误差模型;
图3-本发明的障碍物投影模型。
具体实施方式
下面结合附图和实施例对本发明做进一步说明:
本发明的一种基于机器人双目立体视觉的地面障碍物检测方法,采用双目立体视觉传感器,在双目基线与地面平行条件下,具体检测步骤如下:
1)对获取的图像进行视差分布分析
假设获取图像中的地面为平面,则该平面点上的视差值D通过下式获得:
其中α是双目立体视觉传感器的光轴(摄像头焦点与成像平面的垂线)相对于地面的俯角,β是双目立体视觉传感器的光轴(摄像头焦点与摄像头镜头的垂线)和实测点之间的夹角,h是双目立体视觉传感器的摄像头中心离地面的高度,B和f分别为双目基线的长度和焦距,所述的双目基线是指双目立体视觉传感器中两个摄像头中心点之间的连线;
2)建立地面-障碍物视差彩色标注图
a)设定地面识别高度hTH,hTH取值范围为30cm~100cm,则地面识别差值范围D2通过下式获得:
其中:
D1为实际获取的图像上任意一点的像素的视差值,D1可通过步骤1)的公式算出,当D1的值在D2区间内时,认为D1点是地面像素,当D1的值在D2区间外时,认为D1点是障碍物像素,对实际获取的图像上的所有点进行上述的地面-障碍物判断,从而建立地面-障碍物视差标注图;
b)对地面-障碍物视差标注图进行着色,将地面像素标注为颜色1,将障碍物像素标注为颜色2;所选取的颜色1与颜色2的RGB三元素值均小于150,且颜色1与颜色2的RGB各元素值之差均大于100,对无效像素区域和高亮区域不进行着色,得到地面-障碍物视差彩色标注图;
其中,无效像素区域是一种在双目立体视觉传感器的左右两个摄像头不能协调对应起来的像素区域;高亮区域是指摄像头直接拍摄的图像中RGB三元素值均大于200的像素所组成的区域,在图像中呈现高亮刺眼状;
3)地面-障碍物视差彩色标注图的后处理
a)对步骤2)得到的地面-障碍物视差彩色标注图再次进行彩色标注,标注规则为:对地面像素标注为颜色3,障碍物为颜色4;并且将无效像素区域在摄像头直接拍摄的图像中显示的像素与步骤2)已标注的地面像素在摄像头直接拍摄的图像中显示的像素进行RGB三元素值对应相减,当各元素值之差均小于5时,将该无效像素区域标注为颜色3,当任意元素值之差均大于5时,将该无效像素区域标注为颜色4,得到地面-障碍物视差二次彩色标注图;所选取的颜色3与颜色4的RGB三元素值均小于150,且颜色3与颜色4的RGB各元素值之差均大于100;
b)通过启发式合并规则,把该地面-障碍物视差二次彩色标注图与步骤2)的地面-障碍物视差彩色标注图进行融合,形成最终的地面-障碍物视差彩色标注结果图;
4)建立占据概率-栅格地图
a)对步骤3)获得的地面-障碍物视差彩色标注结果图采用三角分布规则得出该图上任意像素点的占据概率值,得到占据概率分布图;
b)同时对步骤3)获得的地面-障碍物视差彩色标注结果图中任意像素P点建立菱形误差模型,得到其误差点P1,P2,P3,和P4,将误差点P1,P2,P3,和P4竖直投影成二维图像,将投影点记为P′1,P′2,P′3和P′4,并对投影点建立的二维坐标,将P′2和P′4之间的距离作为栅格的宽度H,栅格的长度L由通过下式确定,即:
其中,S为根据双目立体视觉传感器摄像机的固有参数确定的范围因子,S的取值范围为0.1~5;P′3,x为P′3点在二维坐标中的横坐标,P′1,x为P′1点在二维坐标中的横坐标;
c)在步骤3)获得的地面-障碍物视差彩色标注结果图上建立长为L、宽为H的栅格,将每个栅格中所包含的像素点的占据概率值赋值给该栅格,记为F′;
d)对每个栅格的占据概率值F′进行增益调整,调整方法如下式:
F=F′+f
其中,F为每个栅格增益调整后的占据概率值,f为增益因子,当该栅格对应的点为障碍物像素时,则f取值范围为0.1~0.5;当该栅格对应的点为地面像素时,则f取值范围为-0.5~-0.1;
5)结果判断
对每个栅格对应的增益调整后的占据概率值F进行判断,
当F大于等于0.8时,判断该栅格为障碍物;
当F小于等于0.2时,判断该栅格为地面;
当F为0.2~0.8时,该栅格为无效像素区域或高亮区域,不做判断。
本发明应用的启发式合并规则、菱形误差模型和三角分布规则,请参考文献(张广军.机器视觉.科学出版社,2005)
最终本发明成功地实现了障碍物和地面实时地融合到栅格地图上,为下一步的机器人避障做好了准备。
Claims (1)
1.一种基于机器人双目立体视觉的地面障碍物检测方法,其特征在于:采用双目立体视觉传感器,在双目基线与地面平行条件下,具体检测步骤如下:
1)对获取的图像进行视差分布分析
假设获取图像中的地面为平面,则该平面点上的视差值D通过下式获得:
其中α是双目立体视觉传感器的光轴相对于地面的俯角,β是双目立体视觉传感器的光轴和实测点之间的夹角,h是双目立体视觉传感器的摄像头中心离地面的高度,B和f分别为双目基线的长度和焦距,所述的双目基线是指双目立体视觉传感器中两个摄像头中心点之间的连线;
2)建立地面-障碍物视差彩色标注图
a)设定地面识别高度hTH,hTH取值范围为30cm~100cm,则地面识别差值范围D2通过下式获得:
其中:
D1为实际获取的图像上任意一点的像素的视差值,D1可通过步骤1)的公式算出,当D1的值在D2区间内时,认为D1点是地面像素,当D1的值在D2区间外时,认为D1点是障碍物像素,对实际获取的图像上的所有点进行上述的地面-障碍物判断,从而建立地面-障碍物视差标注图;
b)对地面-障碍物视差标注图进行着色,将地面像素标注为颜色1.将障碍物像素标注为颜色2;所选取的颜色1与颜色2的RGB三元素值均小于150,且颜色1与颜色2的RGB各元素值之差均大于100,对无效像素区域和高亮区域不进行着色,得到地面-障碍物视差彩色标注图;
其中,无效像素区域是一种在双目立体视觉传感器的左右两个摄像头不能协调对应起来的像素区域;高亮区域是指摄像头直接拍摄的图像中RGB三元素值均大于200的像素所组成的区域,在图像中呈现高亮刺眼状;
3)地面-障碍物视差彩色标注图的后处理
a)对步骤2)得到的地面-障碍物视差彩色标注图再次进行彩色标注,标注规则为:对地面像素标注为颜色3,障碍物为颜色4;并且将无效像素区域在摄像头直接拍摄的图像中显示的像素与步骤2)已标注的地面像素在摄像头直接拍摄的图像中显示的像素进行RGB三元素值对应相减,当各元素值之差均小于5时,将该无效像素区域标注为颜色3,当任意元素值之差均大于5时,将该无效像素区域标注为颜色4,得到地面-障碍物视差二次彩色标注图;所选取的颜色3与颜色4的RGB三元素值均小于150,且颜色3与颜色4的RGB各元素值之差均大于100;
b)通过启发式合并规则,把该地面-障碍物视差二次彩色标注图与步骤2)的地面-障碍物视差彩色标注图进行融合,形成最终的地面-障碍物视差彩色标注结果图;
4)建立占据概率-栅格地图
a)对步骤3)获得的地面-障碍物视差彩色标注结果图采用三角分布规则得出该图上任意像素点的占据概率值,得到占据概率分布图;
b)同时对步骤3)获得的地面-障碍物视差彩色标注结果图中任意像素P点建立菱形误差模型,得到其误差点P1,P2,P3,和P4,将误差点P1,P2,P3,和P4竖直投影成二维图像,将投影点记为P′1,P′2,P′3和P′4,并对投影点建立的二维坐标,将P′2和P′4之间的距离作为栅格的宽度H,栅格的长度L由通过下式确定,即:
其中,S为根据双目立体视觉传感器摄像机的固有参数确定的范围因子,S的取值范围为0.1~5;P′3,x为P′3点在二维坐标中的横坐标,P′1,x为P′1点在二维坐标中的横坐标;
c)在步骤3)获得的地面-障碍物视差彩色标注结果图上建立长为L、宽为H的栅格,将每个栅格中所包含的像素点的占据概率值赋值给该栅格,记为F′;
d)对每个栅格的占据概率值F′进行增益调整,调整方法如下式:
F=F′+f
其中,F为每个栅格增益调整后的占据概率值,f为增益因子,当该栅格对应的点为障碍物像素时,则f取值范围为0.1~0.5;当该栅格对应的点为地面像素时,则f取值范围为-0.5~-0.1;
5)结果判断
对每个栅格对应的增益调整后的占据概率值F进行判断,
当F大于等于0.8时,判断该栅格为障碍物;
当F小于等于0.2时,判断该栅格为地面;
当F为0.2~0.8时,该栅格为无效像素区域或高亮区域,不做判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101898659A CN101852609B (zh) | 2010-06-02 | 2010-06-02 | 一种基于机器人双目立体视觉的地面障碍物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101898659A CN101852609B (zh) | 2010-06-02 | 2010-06-02 | 一种基于机器人双目立体视觉的地面障碍物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101852609A true CN101852609A (zh) | 2010-10-06 |
CN101852609B CN101852609B (zh) | 2011-10-19 |
Family
ID=42804208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010101898659A Active CN101852609B (zh) | 2010-06-02 | 2010-06-02 | 一种基于机器人双目立体视觉的地面障碍物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101852609B (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520721A (zh) * | 2011-12-08 | 2012-06-27 | 北京控制工程研究所 | 一种基于双目立体视觉的巡视探测器自主避障规划方法 |
CN103577834A (zh) * | 2012-08-06 | 2014-02-12 | 现代自动车株式会社 | 产生用于识别障碍物的分类器的方法和系统 |
CN103926927A (zh) * | 2014-05-05 | 2014-07-16 | 重庆大学 | 一种室内移动机器人双目视觉定位与三维建图方法 |
CN104331884A (zh) * | 2014-10-29 | 2015-02-04 | 上海大学 | 四触角履带机器人爬楼梯参数获取系统和方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN104932502A (zh) * | 2015-06-04 | 2015-09-23 | 福建天晴数码有限公司 | 基于三维深度摄像机的近距离避障方法及近距离避障系统 |
CN104981836A (zh) * | 2013-02-21 | 2015-10-14 | 夏普株式会社 | 障碍物检测装置和障碍物检测方法 |
CN105468033A (zh) * | 2015-12-29 | 2016-04-06 | 上海大学 | 一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法 |
CN105550665A (zh) * | 2016-01-15 | 2016-05-04 | 北京理工大学 | 一种基于双目视觉的无人驾驶汽车可通区域检测方法 |
CN105630164A (zh) * | 2015-12-24 | 2016-06-01 | 惠州Tcl移动通信有限公司 | 一种虚拟现实眼镜盒系统及其提醒方法 |
CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
CN106446758A (zh) * | 2016-05-24 | 2017-02-22 | 南京理工大学 | 一种基于图像识别技术的障碍预警装置 |
CN106657781A (zh) * | 2016-12-19 | 2017-05-10 | 北京小米移动软件有限公司 | 目标对象的拍摄方法及装置 |
CN106909149A (zh) * | 2017-03-14 | 2017-06-30 | 深圳蓝因机器人科技有限公司 | 一种深度摄像头避障的方法及装置 |
WO2017193484A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市华科安测信息技术有限公司 | 医用机器人控制系统及方法 |
CN107703951A (zh) * | 2017-07-27 | 2018-02-16 | 上海拓攻机器人有限公司 | 一种基于双目视觉的无人机避障方法及系统 |
CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
CN108323190A (zh) * | 2017-12-15 | 2018-07-24 | 深圳市道通智能航空技术有限公司 | 一种避障方法、装置和无人机 |
CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
CN108917617A (zh) * | 2018-09-19 | 2018-11-30 | 贵州电网有限责任公司 | 一种用于融冰作业现场输电线路脱冰跳跃视觉测量的方法 |
CN108955695A (zh) * | 2018-08-22 | 2018-12-07 | 洛阳中科龙网创新科技有限公司 | 一种用于农田机器人的全局路径规划方法 |
CN109074651A (zh) * | 2016-02-12 | 2018-12-21 | 日立汽车系统株式会社 | 移动体的周围环境识别装置 |
CN110069990A (zh) * | 2019-03-18 | 2019-07-30 | 北京中科慧眼科技有限公司 | 一种限高杆检测方法、装置以及自动驾驶系统 |
WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
CN110097592A (zh) * | 2019-04-07 | 2019-08-06 | 杭州晶一智能科技有限公司 | 地面信息的语义性描述方法 |
CN110377026A (zh) * | 2018-04-13 | 2019-10-25 | 株式会社东芝 | 信息处理装置、存储介质和信息处理方法 |
CN111481109A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 基于扫地机的地图噪点消除方法及装置 |
CN111612760A (zh) * | 2020-05-20 | 2020-09-01 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法和装置 |
CN112232275A (zh) * | 2020-11-03 | 2021-01-15 | 上海西井信息科技有限公司 | 基于双目识别的障碍物检测方法、系统、设备及存储介质 |
CN114255396A (zh) * | 2021-11-01 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 输电线路环境重构方法、系统及装置、控制器 |
CN114918913A (zh) * | 2022-03-31 | 2022-08-19 | 杭州芯控智能科技有限公司 | 一种碰撞检测方法、装置、计算机设备和存储介质 |
CN117058252A (zh) * | 2023-10-12 | 2023-11-14 | 东莞市爱培科技术有限公司 | 一种自适应融合的立体匹配算法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092820A (ja) * | 2003-09-19 | 2005-04-07 | Sony Corp | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
CN101308023A (zh) * | 2008-06-05 | 2008-11-19 | 上海交通大学 | 基于异构视觉传感器系统的导航装置和方法 |
CN101667037A (zh) * | 2008-09-03 | 2010-03-10 | 中国科学院自动化研究所 | 一种基于可行通道的机器人目标追踪方法 |
US7720277B2 (en) * | 2004-08-09 | 2010-05-18 | Kabushiki Kaisha Toshiba | Three-dimensional-information reconstructing apparatus, method and program |
-
2010
- 2010-06-02 CN CN2010101898659A patent/CN101852609B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005092820A (ja) * | 2003-09-19 | 2005-04-07 | Sony Corp | 環境認識装置及び方法、経路計画装置及び方法、並びにロボット装置 |
US7720277B2 (en) * | 2004-08-09 | 2010-05-18 | Kabushiki Kaisha Toshiba | Three-dimensional-information reconstructing apparatus, method and program |
CN101308023A (zh) * | 2008-06-05 | 2008-11-19 | 上海交通大学 | 基于异构视觉传感器系统的导航装置和方法 |
CN101667037A (zh) * | 2008-09-03 | 2010-03-10 | 中国科学院自动化研究所 | 一种基于可行通道的机器人目标追踪方法 |
Non-Patent Citations (2)
Title |
---|
《Proceedings of the 2009 IEEE International Conference on Robotics and Biomimetics》 20091223 Haiqing Zhang et al Autonomous Indoor Exploration of Mobile Robots based on Door-Guidance and Improved Dynamic Window Approach 参见第408-413页 1 , 2 * |
《机械科学与技术》 20060628 段华等 基于立体视觉的移动机器人动态避障方法 第631-634页 1 第25卷, 第06期 2 * |
Cited By (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102520721B (zh) * | 2011-12-08 | 2015-05-27 | 北京控制工程研究所 | 一种基于双目立体视觉的巡视探测器自主避障规划方法 |
CN102520721A (zh) * | 2011-12-08 | 2012-06-27 | 北京控制工程研究所 | 一种基于双目立体视觉的巡视探测器自主避障规划方法 |
CN103577834A (zh) * | 2012-08-06 | 2014-02-12 | 现代自动车株式会社 | 产生用于识别障碍物的分类器的方法和系统 |
CN103577834B (zh) * | 2012-08-06 | 2018-10-23 | 现代自动车株式会社 | 产生用于识别障碍物的分类器的方法和系统 |
CN104981836A (zh) * | 2013-02-21 | 2015-10-14 | 夏普株式会社 | 障碍物检测装置和障碍物检测方法 |
CN104981836B (zh) * | 2013-02-21 | 2018-01-30 | 夏普株式会社 | 障碍物检测装置和障碍物检测方法 |
WO2015024407A1 (zh) * | 2013-08-19 | 2015-02-26 | 国家电网公司 | 基于电力机器人的双目视觉导航系统及方法 |
CN103926927A (zh) * | 2014-05-05 | 2014-07-16 | 重庆大学 | 一种室内移动机器人双目视觉定位与三维建图方法 |
CN104331884A (zh) * | 2014-10-29 | 2015-02-04 | 上海大学 | 四触角履带机器人爬楼梯参数获取系统和方法 |
CN104331884B (zh) * | 2014-10-29 | 2017-03-29 | 上海大学 | 四触角履带机器人的爬楼梯参数获取系统 |
CN105629970A (zh) * | 2014-11-03 | 2016-06-01 | 贵州亿丰升华科技机器人有限公司 | 一种基于超声波的机器人定位避障方法 |
CN104932502B (zh) * | 2015-06-04 | 2018-08-10 | 福建天晴数码有限公司 | 基于三维深度摄像机的近距离避障方法及近距离避障系统 |
CN104932502A (zh) * | 2015-06-04 | 2015-09-23 | 福建天晴数码有限公司 | 基于三维深度摄像机的近距离避障方法及近距离避障系统 |
WO2017107559A1 (zh) * | 2015-12-24 | 2017-06-29 | 惠州Tcl移动通信有限公司 | 一种虚拟现实眼镜盒系统、其提醒方法及移动终端 |
CN105630164A (zh) * | 2015-12-24 | 2016-06-01 | 惠州Tcl移动通信有限公司 | 一种虚拟现实眼镜盒系统及其提醒方法 |
CN105468033B (zh) * | 2015-12-29 | 2018-07-10 | 上海大学 | 一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法 |
CN105468033A (zh) * | 2015-12-29 | 2016-04-06 | 上海大学 | 一种基于多摄像头机器视觉的医疗吊臂自动避障控制方法 |
CN105550665A (zh) * | 2016-01-15 | 2016-05-04 | 北京理工大学 | 一种基于双目视觉的无人驾驶汽车可通区域检测方法 |
CN105550665B (zh) * | 2016-01-15 | 2019-01-25 | 北京理工大学 | 一种基于双目视觉的无人驾驶汽车可通区域检测方法 |
CN109074651B (zh) * | 2016-02-12 | 2023-04-07 | 日立安斯泰莫株式会社 | 移动体的周围环境识别装置 |
CN109074651A (zh) * | 2016-02-12 | 2018-12-21 | 日立汽车系统株式会社 | 移动体的周围环境识别装置 |
WO2017193484A1 (zh) * | 2016-05-13 | 2017-11-16 | 深圳市华科安测信息技术有限公司 | 医用机器人控制系统及方法 |
CN106446758A (zh) * | 2016-05-24 | 2017-02-22 | 南京理工大学 | 一种基于图像识别技术的障碍预警装置 |
CN106657781B (zh) * | 2016-12-19 | 2019-11-15 | 北京小米移动软件有限公司 | 目标对象的拍摄方法及装置 |
CN106657781A (zh) * | 2016-12-19 | 2017-05-10 | 北京小米移动软件有限公司 | 目标对象的拍摄方法及装置 |
CN106909149A (zh) * | 2017-03-14 | 2017-06-30 | 深圳蓝因机器人科技有限公司 | 一种深度摄像头避障的方法及装置 |
CN106909149B (zh) * | 2017-03-14 | 2020-09-22 | 深圳蓝因机器人科技有限公司 | 一种深度摄像头避障的方法及装置 |
CN107703951B (zh) * | 2017-07-27 | 2019-02-01 | 上海拓攻机器人有限公司 | 一种基于双目视觉的无人机避障方法及系统 |
CN107703951A (zh) * | 2017-07-27 | 2018-02-16 | 上海拓攻机器人有限公司 | 一种基于双目视觉的无人机避障方法及系统 |
CN107909010B (zh) * | 2017-10-27 | 2022-03-18 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
CN107909010A (zh) * | 2017-10-27 | 2018-04-13 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
CN108323190A (zh) * | 2017-12-15 | 2018-07-24 | 深圳市道通智能航空技术有限公司 | 一种避障方法、装置和无人机 |
WO2019144286A1 (zh) * | 2018-01-23 | 2019-08-01 | 深圳市大疆创新科技有限公司 | 障碍物检测方法、移动平台及计算机可读存储介质 |
CN108444390A (zh) * | 2018-02-08 | 2018-08-24 | 天津大学 | 一种无人驾驶汽车障碍物识别方法及装置 |
CN110377026B (zh) * | 2018-04-13 | 2022-06-14 | 株式会社东芝 | 信息处理装置、存储介质和信息处理方法 |
CN110377026A (zh) * | 2018-04-13 | 2019-10-25 | 株式会社东芝 | 信息处理装置、存储介质和信息处理方法 |
CN108955695A (zh) * | 2018-08-22 | 2018-12-07 | 洛阳中科龙网创新科技有限公司 | 一种用于农田机器人的全局路径规划方法 |
CN108917617A (zh) * | 2018-09-19 | 2018-11-30 | 贵州电网有限责任公司 | 一种用于融冰作业现场输电线路脱冰跳跃视觉测量的方法 |
CN111481109B (zh) * | 2019-01-28 | 2022-08-26 | 北京奇虎科技有限公司 | 基于扫地机的地图噪点消除方法及装置 |
CN111481109A (zh) * | 2019-01-28 | 2020-08-04 | 北京奇虎科技有限公司 | 基于扫地机的地图噪点消除方法及装置 |
CN110069990A (zh) * | 2019-03-18 | 2019-07-30 | 北京中科慧眼科技有限公司 | 一种限高杆检测方法、装置以及自动驾驶系统 |
CN110097592A (zh) * | 2019-04-07 | 2019-08-06 | 杭州晶一智能科技有限公司 | 地面信息的语义性描述方法 |
CN111612760A (zh) * | 2020-05-20 | 2020-09-01 | 北京百度网讯科技有限公司 | 用于检测障碍物的方法和装置 |
CN111612760B (zh) * | 2020-05-20 | 2023-11-17 | 阿波罗智联(北京)科技有限公司 | 用于检测障碍物的方法和装置 |
CN112232275A (zh) * | 2020-11-03 | 2021-01-15 | 上海西井信息科技有限公司 | 基于双目识别的障碍物检测方法、系统、设备及存储介质 |
CN112232275B (zh) * | 2020-11-03 | 2021-12-24 | 上海西井信息科技有限公司 | 基于双目识别的障碍物检测方法、系统、设备及存储介质 |
CN114255396A (zh) * | 2021-11-01 | 2022-03-29 | 南方电网数字电网研究院有限公司 | 输电线路环境重构方法、系统及装置、控制器 |
CN114918913A (zh) * | 2022-03-31 | 2022-08-19 | 杭州芯控智能科技有限公司 | 一种碰撞检测方法、装置、计算机设备和存储介质 |
CN114918913B (zh) * | 2022-03-31 | 2024-04-19 | 杭州芯控智能科技有限公司 | 一种碰撞检测方法、装置、计算机设备和存储介质 |
CN117058252A (zh) * | 2023-10-12 | 2023-11-14 | 东莞市爱培科技术有限公司 | 一种自适应融合的立体匹配算法 |
CN117058252B (zh) * | 2023-10-12 | 2023-12-26 | 东莞市爱培科技术有限公司 | 一种自适应融合的立体匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101852609B (zh) | 2011-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101852609B (zh) | 一种基于机器人双目立体视觉的地面障碍物检测方法 | |
CN103049912B (zh) | 一种基于任意三面体的雷达-相机系统外部参数标定方法 | |
CN105866790B (zh) | 一种考虑激光发射强度的激光雷达障碍物识别方法及系统 | |
CN102944224B (zh) | 一种无人驾驶车的自动环境感知系统的工作方法 | |
CN101698303B (zh) | 一种三维激光和单目视觉间的自动标定方法 | |
Perrollaz et al. | Probabilistic representation of the uncertainty of stereo-vision and application to obstacle detection | |
Pfeiffer et al. | Modeling dynamic 3D environments by means of the stixel world | |
CN104156972A (zh) | 基于激光扫描测距仪与多相机融合的透视成像方法 | |
CN107389026A (zh) | 一种基于固定点射影变换的单目视觉测距方法 | |
CN106774296A (zh) | 一种基于激光雷达和ccd摄像机信息融合的障碍检测方法 | |
CN102650886A (zh) | 基于主动全景视觉传感器的机器人视觉系统 | |
CN112464812B (zh) | 一种基于车辆的凹陷类障碍物检测方法 | |
CN104574406A (zh) | 一种360度全景激光与多个视觉系统间的联合标定方法 | |
Kuthirummal et al. | A graph traversal based algorithm for obstacle detection using lidar or stereo | |
CN110160543A (zh) | 实时定位和地图构建的机器人 | |
CN108205315A (zh) | 一种基于双目视觉的机器人自动导航方法 | |
CN114543787B (zh) | 基于条纹投影轮廓术的毫米级室内建图定位方法 | |
Li et al. | A new 3D LIDAR-based lane markings recognition approach | |
CN111273316B (zh) | 一种基于剖面展开融合的多激光雷达多视点对象检测方法 | |
Yong-guo et al. | The navigation of mobile robot based on stereo vision | |
Higuchi et al. | 3D measurement of large structure by multiple cameras and a ring laser | |
Sheng et al. | Mobile robot localization and map building based on laser ranging and PTAM | |
CN105716530A (zh) | 一种基于双目立体视觉的车辆几何尺寸的测量方法 | |
CN106447709A (zh) | 一种快速高精度双目视差匹配方法 | |
Deng et al. | Robot navigation based on pseudo-binocular stereo vision and linear fitting |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |