论文部分内容阅读
无人运料车间,搬运机器人在避障过程中,需要对障碍物进行检测。针对现有障碍物检测算法在搬运机器人的避障应用中,存在复杂度高,成本高,精度不够等问题。本文提出了一种基于双目立体视觉技术的障碍物检测算法,实现了1500mm~4000mm以内的障碍物的检测。本文的障碍物检测算法主要进行了以下研究:相机参数的获取;视差图的获取;可疑障碍物的检测;障碍物检测。(1)在相机参数获取阶段,使用了张正友棋盘格标定法,并提出了一种改进的快速角点检测算法,提高了角点检测的精度。该算法先用两种角点原型分别对棋盘格图像进行卷积,粗提取角点;然后通过“阈值法”,剔除非角点;最后利用角点的方向梯度特性进行亚像素定位。(2)在视差图获取阶段,使用了 SGM半全局立体匹配算法,并提出了“归一化灰度值+中值滤波+形态学处理”的优化方法,对初始视差图进行优化,得到了更好的视差图。(3)在可疑障碍物检测阶段,首先对可疑障碍物视差图进行伪彩色处理,然后根据伪彩色视差图中不同可疑障碍物的颜色分量(R,G,B)值不同,得到可疑障碍物的二值图像,最后计算二值图像中非零像素的最大最小坐标,根据坐标,在原图中的绘制出相应的红色矩形框,即可实现可疑障碍物的检测。(4)在障碍物检测阶段,根据透视投影模型,首先计算了搬运机器人的障碍区域在图像中的投影大小,得到了不同距离可疑障碍物的干涉区域;然后对可疑障碍物和其干涉区域进行干涉判别,从而判断可疑障碍物是否是障碍物。由于干涉区域的大小和可疑障碍物的距离成反比,本文首先验证了距离测量的精度,然后在1500mm~4000mm之间,进行了大量的测距试验,得到了距离的原始数据,最后使用Matlab软件处理了实验数据。结果表明:在测量范围之内,最大测距误差为34.7mm,平均测距误差为23.91mm;然后在模拟实验环境和室外环境中,采集了 5组可疑障碍物图像对,对其进行可疑障碍物检测,提取出5组图像对中的可疑障碍物,并得到不同可疑障碍物的距离信息,最后计算不同可疑障碍物的干涉区域,进行干涉判别。实验结果表明:本文的障碍物检测算法在1500mm~4000mm之间,检测效果良好,可以满足课题要求。