CN109238281B - 基于图像螺旋线的视觉导航及避障方法 - Google Patents

基于图像螺旋线的视觉导航及避障方法 Download PDF

Info

Publication number
CN109238281B
CN109238281B CN201710555906.3A CN201710555906A CN109238281B CN 109238281 B CN109238281 B CN 109238281B CN 201710555906 A CN201710555906 A CN 201710555906A CN 109238281 B CN109238281 B CN 109238281B
Authority
CN
China
Prior art keywords
target
image
scene information
scene
image acquisition
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.)
Active
Application number
CN201710555906.3A
Other languages
English (en)
Other versions
CN109238281A (zh
Inventor
郑李明
于涛
崔兵兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Yuanjue Information And Technology Co
Original Assignee
Nanjing Yuanjue Information And Technology Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Yuanjue Information And Technology Co filed Critical Nanjing Yuanjue Information And Technology Co
Priority to CN201710555906.3A priority Critical patent/CN109238281B/zh
Priority to US15/798,429 priority patent/US10614323B2/en
Publication of CN109238281A publication Critical patent/CN109238281A/zh
Application granted granted Critical
Publication of CN109238281B publication Critical patent/CN109238281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G9/00—Traffic control systems for craft where the kind of craft is irrelevant or unspecified
    • G08G9/02—Anti-collision systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking

Abstract

本发明为一种场景分析方法及视觉导航装置，该场景分析方包含有：基于图像获取装置的视野获取其处于不同时间的场景信息；分析获取的该场景信息中所存在的不同目标；将先后获取的场景信息中的目标进行对比，若该目标位于该视野的特定位置，且在视野中与该图像获取装置相向移动，则认定该目标为A类目标；否则，认定该目标为B类目标。当本发明应用于视觉导航时并安装于车辆时，若分析该目标为A类目标时，可启动一保护程序，例如避障程序，自动控制本车避开路上可能发生撞击危险的对象，提高行车安全。

Description

基于图像螺旋线的视觉导航及避障方法
技术领域
本发明涉及一种图像分析技术，特别是指一种场景分析方法及采用该场景分析方法的导航装置。
背景技术
车辆自动驾驶功能在最近几年逐渐受到重视，并有许多相关技术提出，通过在车辆上设置侦测器持续进行大范围的感测，车辆可以自动对外界环境的潜存危机做出自动安全反应，且反应较人类更加迅速、精准。除此之外，自动驾驶还可以减低因为人为因表而导致的交通事故，例如行车距离过近、分心驾驶等。
现有技术中自动驾驶导航装置多通过多目识别技术分析场景，以实现对景深的感知与识别。但多目识别需要用到较多的图像获取装置才能得到足够的影像数据。
发明内容
为了优化图像识别技术的处理速度，减少图像处理设备的负担，适应导航及自动驾驶技术的要求，本发明提供一种场景分析方法，其中，所述場景分析方法包含:
基于图像获取装置的视野获取其处于不同时间的场景信息；
分析获取的该场景信息中所存在的不同目标；
将先后获取的场景信息中的目标进行对比，若该目标位于该视野的特定位置，且在视野中与该图像获取装置相向移动，则认定该目标为A类目标；
否则，认定该目标为B类目标。
优选的，该图像获取装置为单目图像获取装置。
优选的，该视野中心为该图像获取装置的成像系统的光轴中心。
优选的，通过聚类识别的方法分析获取的该场景信息，以区分场景中的不同目标。
优选的，该视野基于螺旋线截取若干采样点或采样栅格，该螺旋线的起点为该视野的中心。
优选的，所述采样点沿螺旋线等距离分布，采样点或采样栅格从螺旋线的起点至螺旋线的终点由小到大编号。
优选的，采样点或采样栅格的数量为奇数的二次幂。
优选的，以该采样点或采样栅格为基准，对先后获取的场景信息中进行分析。
优选的，基于目标的轮廓所包绕的采样点或采样栅格数量为基准，对先后获取的场景信息中的目标进行对比，以判断目标是否位于该特定区域且在视野中与该图像获取装置相向移动。
优选的，基于目标占有视野中的面积所覆盖的采样点或采样栅格的数量为基准，对先后获取的场景信息中的目标进行对比，以判断目标是否位于该特定区域且在视野中与该图像获取装置相向移动。
优选的，若认定该目标为A类目标，则启动保护程序。
优选的，该保护程序为避障程序，躲避该A类目标。
优选的，该保护程序为制动程序，停止与该A类目标的相向移动。
优选的，通过执行该保护程序会发出警报。
本发明另一方面提供一种采用上述场景分析方法的视觉导航装置，其特征在于，包括：
可移动载体；
图像获取装置，该图像获取装置设置在该载体上；
图像分析装置，与图像获取装置相连，用于接收该图像获取装置采集的图像，并进行分析；
控制模块，其与该图像分析装置相连，获取图像分析装置的分析结果，并根据分析结果进一步控制该载体的动作。
优选的，图像分析装置对图像获取装置获取的场景信息进行分析，判断场景信息中的目标为A类目标还是B类目标，当目标为A类目标时，该控制模块执行该保护程序。
优选的，图像分析装置对图像获取装置获取的场景信息进行分析，根据场景对角线与场景景观的排列间的关系判断可移动载体是否偏航，如偏航，则执行纠偏功能，使该可移动载体直线行使。
优选的，该载体为车辆，该图像获取装置设置在该车辆的前方下侧。
优选的，该载体为航空器，该图像获取装置设置在该航空器的前侧中心位置。
优选的，该载体具有另一图像获取装置设置在该航空器的底部中心位置。
本发明通过采用基于螺旋线采样的超像素聚类识别并配合采用螺旋线采样的单目视觉空间深度感知技术，模拟人眼对物件识别的过程，基于视觉场位置的不同，将相位信息补入识别过程，从而使用单目设备即可实现对距离的定位；同时，通过该方法提高了对场景信息进行视觉感知速度，优化了视觉感知技术在导航领域的应用。
附图说明
图1:本发明场景分析方法的步骤流程图。
图2:本发明图像获取装置获取的场景信息，其中目标与图像获取装置为相向移动。
图3:本发明图像获取装置获取的场景信息，其中目标与图像获取装置为反向移动。
图4:本发明用于采样的螺旋线。
图5:本发明视觉导航装置的架构图。
图6:本发明的图像获取装置设置在一车辆的示意图。
图7:可移动载体直线移动时，图像获取装置获取的场景信息。
图8:可移动载体航线偏移时，图像获取装置获取的场景信息。
具体实施方式
以下配合附图及本发明的较佳实施例，进一步阐述本发明为达成预定发明目的所采取的技术手段。
图1所示为本发明场景分析方法的一实施例的步骤流程图，其包括如下步骤：
a.基于图像获取装置的视野获取其处于不同时间的场景信息，通过图像获取装置获取的视野如图2所示；
b.分析该场景信息中所存在的不同目标；
c.将先后获取的场景信息中的目标进行对比，若该目标位于该视野的一特定位置，且在视野中与该图像获取装置相向移动，则认定该目标为A类目标；否则，认定该目标为B类目标。
在本发明场景分析方法的一优选实施例中，该图像获取装置为单目图像获取装置。
在本发明场景分析方法的一优选实施例中，在b步骤中，分析该场景信息中所存在的不同目标是通过类地重力场环境下的单目空间识别的聚类识别方法，分析获取的场景信息中的目标，具体步骤为：
(1)对场景信息进行基于像素色彩及空间位置的超像素图像分割；
(2)运用基于超像素特征的谱聚类算法将超像素降维至大图块聚类图像，优选的，该谱聚类算法所依据的特征包括但不限于超像素颜色空间距离、纹理特征向量距离、几何邻接关系等；
(3)对大块聚类图像进行分类，具体为：根据天空、地面及物体的推理模型结合图像的透视特性构建重力场模糊分布密度函数，通过该密度函数计算出大图块像素的期望值以对大图块像素进行分类，形成分类图；
(4)对初步分类的分类图采用进一步的一层小波采样、曼哈顿方向提取等特性分类算法提取出准确的天空、地面和物体分类图，从而识别出场景信息中的不同目标。
本发明场景分析方法的一优选实施例中，在a步骤中，该图像获取装置会以连续或离散的方式获取不同时间的场景信息；在b步骤中，分别对不同时刻获得所述场景信息依照上述识别方法进行分析，从而分别获取不同时刻场景信息中的不同目标。
本发明场景分析方法的一优选实施例中，完成对场景信息的聚类识别后，对每一场景信息及场景信息中的目标，基于小孔成像模型及地面线性透视信息进行深度感知，从而完成单目图像获取装置获取的平面场景信息向立体场景信息转换，从而能够基于每一目标所占有的视野区域中的面积来推算出该目标与图像获取装置的相对位置关系。优选的，除了每一目标所占有的视野区域的面积外，还能够根据包括但不限于每一目标在该场景信息中所占有的超像素点的个数、该每一目标的轮廓的大小、每一目标距离该场景信息中心点的距离或每一目标距离该场景信息边缘的距离等特征中的一个或多个结合，实现对每一目标与图像获取装置位置关系的推算。
本发明场景分析方法的一优选实施例中，在c步骤中，判断目标是否位于一特定位置时，该特定位置为与图像获取装置间隔一临界安全距离的位置，相对于该位置，如果目标更靠近场景信息的视野中心，或位置更接近该图像获取装置，则目标将与图像获取装置发生碰撞。该位置的确定基于该目标的位置、目标与图像获取装置的距离、图像获取装置自身尺寸、图像获取装置的移动速度、图像获取装置与该目标的相对速度以及图像获取装置制动或闪避的最小距离等之中的一者或多者的结合来确定。当图像获取装置设置在载体上时，载体的尺寸也要作为距离确定的因素予以考虑。
在c步骤中，判断图像获取装置与该目标是否相向移动时，可通过对比先后获取的场景信息中，该目标与图像获取装置的位置关系变化来分析获得的：对比不同场景信息的目标时，分析获得每一时刻的场景信息中的每一目标的特征，将不同时刻获取的场景信息中的每一目标分别对比，若特征符合一致性条件，则定为同一目标。对同一目标而言，如图2所示，如果在较先获取的场景信息中该目标与图像获取装置的位置关系较远(即，例如该目标在较先获取的场景信息中所占有的超像素点个数较少)，在较后获取的场景信息中该目标与图像获取装置的位置关系较近(即，例如该目标在较先获取的场景信息中所占有的超像素点个数较多)，则可以判定该目标与图像获取装置为相向移动。
相对的，如图3所示，如果在较先获取的场景信息中该目标与图像获取装置的位置关系较近(即，例如该目标在较先获取的场景信息中所占有的超像素点个数较多)，在较后获取的场景信息中该目标与图像获取装置的位置关系较远(即，例如该目标在较先获取的场景信息中所占有的超像素点个数较少)，则可以判定该目标与图像获取装置为反向移动。
优选的，对于在较后时刻中获取的场景信息中，如果目标突然消失，基于该目标的消失位置判断是否为正常消失：如果是在场景信息的视野边缘处消失，为正常消失；如果不是在场景信息的视野边缘处消失，为非正常消失。在目标非正常消失的情况下，保留对该目标的位置关系记录情况，向较后的场景信息寻找该目标的位置关系信息，至再次发现该目标时，进行位置关系的比对，判断移动情况。进一步优选的，为在实际操作中节约设备成本，对目标的位置关系信息的保留可以设定一特定时间，超出该特定时间后，则不再保留该目标的位置关系信息，该特定时间可以根据消失时该目标与图像获取装置的位置关系及图像获取装置自身的速度等数据确定。
在c步骤中，认定目标为A类目标或B类目标要综合判断目标所处的位置，及目标与图像获取装置的运动关系。如图2所示，根据先后获取的不同时刻的场景信息可以看出目标D小狗相对图像获取装置相向移动，且目标D位于图像中心处，同时基于目标D所处的位置，目标D的大小，目标D与图像获取装置距离，可以判断出目标D位于特定位置处，因此目标D属于A类目标。如图2所示，根据先后获取的不同时刻的场景信息可以看出目标F旗杆相对图像获取装置相向移动，但是，目标F位于图像边缘处，同时基于目标F所处的位置，目标F的大小，目标F与图像获取装置的距离，可以判断出目标F不位于特定位置，因此目标F属于B类目标。如图3所示，根据先后获取的不同时刻的场景信息可以看出目标C汽车相对图像获取装置为反向移动，即使目标C位于图像中心处，同时基于目标C所处的位置，目标C的大小，目标C与图像获取装置距离，判断出目标C位于特定位置处，目标C仍然属于B类目标。
本发明场景分析方法的一优选实施例中，图像获取装置基于视野获取、分析场景信息时，如图4所示，基于一螺旋线截取若干采样点或采样栅格，该螺旋线的起点为该视野的中心，该螺旋线的起点为该视野的中心。
进一步优选的，所述采样点或采样栅格从螺旋线的起点至螺旋线的终点由大到小编号。优选的，所述采样点或采样栅格沿螺旋线等间距分布。优选的，所述采样点或采样栅格从螺旋线的起点至螺旋线的终点由小到大编号。进一步优选的，所述采样点或采样栅格的数量为某一奇数的2次幂。进一步优选的，该螺旋线的终点结束于靠近该视野边缘处如图4所示，该螺旋线的终点结束于视野边缘的角落处。采样点和采样栅格排列方式，呈现出一定的规律，如图所示，螺旋线为顺时针旋转，此时，右上角对角线的采样点或采样栅格的编号依次为(2n)2(n为螺旋线的圈数，中心点不计入，下同)，左下角对角线采样点或采样栅格的编号依次为(2n-1)2，左上角对角线的采样点或采样栅格的编号依次为(2n)2-2n，右下角对角线的采样点或采样栅格的编号依次为(2n-1)2-(2n-1)。根据这一规律，可以快速的根据采样点或采样栅格的编号，确定该采样点或采样栅格在视野中的具体位置。
本发明场景分析方法采用螺旋线标定该视野后，在分析场景信息过程中对场景信息中的目标进行超像素图像分割及聚类识别时、对场景信息进行深度感知时、对目标位置关系推算时、确定目标位置时、判断目标与图像获取装置是否运动方式时，都可以基于所述采样点或采样栅格进行相应的分析操作。通过引入编号的采样点或采样栅格，根据采样点的编号与对角线和中心编号的数字关系，可以快速确定超像素点、聚类识大图块以及目标的位置；同时采样点还能起到标尺的作用，易于确定目标的位置以及目标和图像获取装置的距离；再者，根据目标包括的采样点和采样栅格的数量，结合对场景信息的深度感知，可以快速确定目标所占有的场景中的区域占有的面积、所占有的超像素点的个数、轮廓的大小、距离该场景信息中心点的距离或距离该场景信息边缘的距离等特征，从而快速推算位置关系。
本发明场景分析方法采用螺旋线标定该视野后，在进行目标的聚类分析时，可以配合采用申请号：201510068199.6的一种图像处理方法专利，将螺旋线的采样点或采样栅格作为种子进行聚类运算，从而使该方法的聚类运算能够更快更精准的进行。
本发明场景分析方法可进一步包含一保护程序，在确认识别的目标为A类目标时，及会启动该避障程序，采取一定的保护措施。具体保护措施包括但不限于，发出警报，采用一定的防护措施，进行规避操作躲避该A类目标，进行制动或进行反相加速以停止与该A类目标的相向运动。
如图5所示，本发明另一方面提供采用上述场景分析方法的视觉导航装置，该导航装置包括：可移动载体10；图像获取装置21，该图像获取装置21设置在该可移动载体10上；一图像分析装置22，与图像获取装置21相连，用于接收该图像获取装置21采集的图像，并进行分析；控制模块23，其与该图像分析装置22相连，获取图像分析装置22的分析结果，并根据分析结果进一步控制该载体的动作。
如图6所示的本发明采用上述场景分析方法的视觉导航装置的一实施例中，该可移动载体10为车辆，但在实际使用中，该可移动载体10并不以车辆为限，其可为航空器、船舶等任意可以移动载体。在本实施例中，优选的，该图像获取装置21设置在该车辆的前侧下方的中心位置。在车辆行驶过程中，该图像获取装置21基于本身的视野获取不同时刻的场景信息；图像分析装置22接收图像获取装置21获取的场景信息，并分析获取的场景信息中所存在的不同目标，并将先后获取的场景信息中的目标进行对比，若该目标位于该视野的特定位置，且在视野中与该图像获取装置相向移动，则认定该目标为A类目标，否则，认定该目标为B类目标。如果存在A类目标，则图像分析装置22会将该结果传递至控制模块23，控制模块23会启动保护程序，根据A类目标与可移动载体的位置关系、距离、可移动载体10与A类目标的相对速度、可移动载体的制动距离、可移动载体10的规避可能性等信息采取相应的防护措施，如发出警报，采用一定的防护措施，进行规避操作躲避该A类目标，进行制动或进行反相加速以停止与该A类目标的相向运动。
优选的，该控制模块10还可以进一步执行导航纠偏功能，当可移动载体10直线移动时，图像获取装置获取的场景信息如图7所示，道路边缘的延伸线灭点及其它景观排列延伸线的灭点趋向收敛于该视野的中心点，如图7所示，尤其是平直的道路，其道路边缘的延伸线灭点及其它景观的排列延伸线的灭点均趋向收敛于该视野的中心点。
但是当可移动载体的航线偏移时，如因路面颠簸、规避障碍、转弯等，其获取的场景信息则如图8所示，此时道路边缘的延伸线灭点及其它景观的排列延伸线的灭点会延伸至视觉中心点以外的其它位置，此时，该控制模块23可以执行纠偏程序，纠正可移动载体10的行进方向，使道路边缘的延伸线灭点及其它景观的排列延伸线的灭点再次趋向收敛于该视野的中心点，从而达到可移动载体航向纠偏的功能。
优选的，当在视野中标定螺旋线时，除了基于道路边缘的延伸线灭点及其它景观的排列延伸线的灭点均趋向收敛于该视野的中心点的方式来进行航向纠偏外，当可移动载体10航向为沿着道路直线移动时，如图7所示，螺旋线的对角线与道路边缘的延伸线及其它景观的排列的延伸线与对角线上的每一采样点或采样栅格中心的间距成等比例。当可移动载体10偏航时，如图8所示，螺旋线的对角线与道路边缘的延伸线及其它景观的排列的延伸线与对角线上的每一采样点或采样栅格中心的间距不再成等比例，此时可以通过控制模块23执行纠偏程序，纠正可移动载体10的行进方向，同时达到使螺旋线的对角线与道路边缘的延伸线及其它景观的排列的延伸线与对角线上的每一采样点或采样栅格中心的间距成等比例，道路边缘的延伸线灭点及其它景观的排列延伸线的灭点再次趋向收敛于该视野的中心点的目的，从而达到可移动载体航向纠偏的功能。
以上所述仅是本发明的优选实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以优选实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案的范围内，当可利用上述揭示的技术内容作出些许修改或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (16)

1.一种场景分析方法，其特征在于：
基于图像获取装置的视野获取其处于不同时间的场景信息；
所述视野基于螺旋线截取若干采样点或采样栅格，其中，螺旋线的起点为所述视野的中心；以该采样点或采样栅格为基准，对先后获取的场景信息进行分析；
分析该场景信息中所存在的不同目标；
基于目标的轮廓所包绕的采样点或采样栅格数量为基准，将先后获取的场景信息中的目标进行对比，以判断目标是否位于该特定位置且在视野中与该图像获取装置相向移动，若该目标位于该视野的特定位置且在视野中与该图像获取装置相向移动，则认定该目标为A类目标；
否则，认定该目标为B类目标；
图像获取装置设置于一可移动载体上，根据场景对角线与场景景观的排列间的关系判断可移动载体是否偏航，如偏航，则执行纠偏功能，使该可移动载体直线行使。
2.根据权利要求1所述的场景分析方法，其特征在于，该图像获取装置为单目图像获取装置。
3.根据权利要求2所述的场景分析方法，其特征在于，该视野中心为该图像获取装置的成像系统的光轴中心。
4.根据权利要求1所述的场景分析方法，其特征在于，通过聚类识别的方法分析该场景信息，以区分场景中的不同目标。
5.根据权利要求1所述的场景分析方法，其特征在于，所述采样点沿螺旋线等距离分布，采样点或采样栅格从螺旋线的起点至螺旋线的终点由小到大编号。
6.根据权利要求1所述的场景分析方法，其特征在于，采样点或采样栅格的数量为奇数的二次幂。
7.根据权利要求1所述的场景分析方法，其特征在于，基于目标占有视野中的面积所覆盖的采样点或采样栅格的数量为基准，对先后获取的场景信息中的目标进行对比，以判断目标是否位于该特定位置且在视野中与该图像获取装置相向移动。
8.根据权利要求1所述的场景分析方法，其特征在于，若认定该目标为A 目标，则启动保护程序。
9.根据权利要求8所述的场景分析方法，其特征在于，该保护程序为避障程序，躲避该A类目标。
10.根据权利要求8所述的场景分析方法，其特征在于，该保护程序为制动程序，停止与该A类目标的相向移动。
11.根据权利要求8所述的场景分析方法，其特征在于，通过执行该保护程序会发出警报。
12.采用权利要求1-11任一项所述的场景分析方法的视觉导航装置，其特征在于，包括：
可移动载体；
图像获取装置，该图像获取装置设置在该载体上；
图像分析装置，与图像获取装置相连，用于接收该图像获取装置采集的图像，并进行分析；
控制模块，其与该图像分析装置相连，获取图像分析装置的分析结果，并根据分析结果进一步控制该载体的动作。
13.根据权利要求12所述的视觉导航装置，其特征在于，图像分析装置对图像获取装置获取的场景信息进行分析，判断场景信息中的目标为A类目标还是B类目标，当目标为A类目标时，该控制模块执行保护程序。
14.根据权利要求12所述的视觉导航装置，其特征在于，该载体为车辆，该图像获取装置设置在该车辆的前方下侧。
15.根据权利要求12所述的视觉导航装置，其特征在于，该载体为航空器，该图像获取装置设置在该航空器的前侧中心位置。
16.根据权利要求15所述的视觉导航装置，其特征在于，该载体具有另一图像获取装置设置在该航空器的底部中心位置。
CN201710555906.3A 2017-07-10 2017-07-10 基于图像螺旋线的视觉导航及避障方法 Active CN109238281B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201710555906.3A CN109238281B (zh) 2017-07-10 2017-07-10 基于图像螺旋线的视觉导航及避障方法
US15/798,429 US10614323B2 (en) 2017-07-10 2017-10-31 Scene analysis method and visual navigation device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710555906.3A CN109238281B (zh) 2017-07-10 2017-07-10 基于图像螺旋线的视觉导航及避障方法

Publications (2)

Publication Number Publication Date
CN109238281A CN109238281A (zh) 2019-01-18
CN109238281B true CN109238281B (zh) 2020-09-29

Family

ID=64903210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710555906.3A Active CN109238281B (zh) 2017-07-10 2017-07-10 基于图像螺旋线的视觉导航及避障方法

Country Status (2)

Country Link
US (1) US10614323B2 (zh)
CN (1) CN109238281B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11126870B2 (en) * 2018-10-18 2021-09-21 Cartica Ai Ltd. Method and system for obstacle detection
CN112172835B (zh) * 2020-09-17 2022-01-04 中国第一汽车股份有限公司 一种车辆预警方法、装置、设备及存储介质
CN117589177B (zh) * 2024-01-18 2024-04-05 青岛创新奇智科技集团股份有限公司 基于工业大模型自主导航方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030152145A1 (en) * 2001-11-15 2003-08-14 Kevin Kawakita Crash prevention recorder (CPR)/video-flight data recorder (V-FDR)/cockpit-cabin voice recorder for light aircraft with an add-on option for large commercial jets
US6944544B1 (en) * 2004-09-10 2005-09-13 Ford Global Technologies, Llc Adaptive vehicle safety system for collision compatibility
US20080166015A1 (en) * 2004-09-24 2008-07-10 Object Video, Inc. Method for finding paths in video
CN100494900C (zh) * 2007-07-03 2009-06-03 北京控制工程研究所 适用于自主移动车辆的环境感知的单目视觉导航方法
US8280113B2 (en) * 2009-02-25 2012-10-02 Light Prescriptions Innovators, Llc Passive electro-optical tracker
CN102663436B (zh) * 2012-05-03 2014-04-16 武汉大学 用于光学纹理图像和sar图像的自适应特征提取方法
CN110171405B (zh) * 2014-05-22 2021-07-13 御眼视觉技术有限公司 基于检测对象制动车辆的系统和方法
JP6269380B2 (ja) * 2014-08-06 2018-01-31 マツダ株式会社 車両の距離計測装置
CN104180818B (zh) * 2014-08-12 2017-08-11 北京理工大学 一种单目视觉里程计算装置
WO2017077261A1 (en) * 2015-11-05 2017-05-11 Quantum Vision Technologies Ltd A monocular camera cognitive imaging system for a vehicle
CN105718888B (zh) * 2016-01-22 2019-09-13 北京中科慧眼科技有限公司 障碍物预警方法和障碍物预警装置
CN106598046B (zh) * 2016-11-29 2020-07-10 北京儒博科技有限公司 机器人躲避控制方法和装置

Also Published As

Publication number Publication date
CN109238281A (zh) 2019-01-18
US20190012549A1 (en) 2019-01-10
US10614323B2 (en) 2020-04-07

Similar Documents

Publication Publication Date Title
US11915502B2 (en) Systems and methods for depth map sampling
US11151734B2 (en) Method and system for generating synthetic point cloud data using a generative model
CN102435174B (zh) 基于混合式双目视觉的障碍物检测方法及装置
US10522039B2 (en) Pedestrian recognition apparatus and method
CA2950791C (en) Binocular visual navigation system and method based on power robot
CN106647776B (zh) 车辆变道趋势的判断方法、判断装置和计算机存储介质
US9776564B2 (en) Vehicle periphery monitoring device
JP5820774B2 (ja) 路面境界推定装置及びプログラム
CN111326023A (zh) 一种无人机航线预警方法、装置、设备及存储介质
US20150248579A1 (en) Method for identifying and positioning building using outline region restraint of mountain
JP6574611B2 (ja) 立体画像に基づいて距離情報を求めるためのセンサシステム
CN103770704A (zh) 用于识别车辆的停车位标志线的系统和方法
CN111611853A (zh) 一种传感信息融合方法、装置及存储介质
CN109238281B (zh) 基于图像螺旋线的视觉导航及避障方法
KR101667835B1 (ko) 수직 대칭을 이용한 대상물 위치 지정
CN112802092B (zh) 一种障碍物感知方法、装置以及电子设备
CN106709432B (zh) 基于双目立体视觉的人头检测计数方法
CN107767366B (zh) 一种输电线路拟合方法及装置
Petrovai et al. Obstacle detection using stereovision for Android-based mobile devices
JP2011257244A (ja) 物体形状検出装置及び方法
EP3428876A1 (en) Image processing device, apparatus control system, imaging device, image processing method, and program
Xiong et al. A 3d estimation of structural road surface based on lane-line information
Ding et al. Obstacles Detection Algorithm in Forest based on Multi-sensor Data Fusion.
Bakar et al. Development of a doctor following mobile robot with mono-vision based marker detection
US20240071034A1 (en) Image processing device, image processing method, and program

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant