论文部分内容阅读
目前,在障碍物检测方面,传统的双目视觉障碍物检测一般采用边缘检测和图像分割的方法,提取特征点后将目标和背景区域分离。但此类方法缺点具有很大局限性,易受到环境、光照等因素的影响。点云图近年来在逆向工程的应用中开始得到研究,其通常用于对近距离物体模型的还原与重构,且主要以室内环境为主,在避障方面运用的较少。本文提出了一种基于点云图的障碍物距离与尺寸的检测方法,该方法不仅能够简化了庞大的点云数据,而且从中提取出了障碍物距离和尺寸信息。首先,本文采用包围盒法对原始点云进行了有效空间的设置,大幅降低计算量。同时选择基于分块的点云密度表示法,对空间点云密度进行了定义,并将其推广到二维平面。考虑到容易受到光照影响和不同分辨率下的无可比性,提出对点云密度的标准化方法。利用计算得到的标准化点云密度,本文提出一种用色块形式表示各处点云密度的二维栅格化方法,以色块的颜色表示点云的疏密度辅以刻度条的方式显示俯视栅格图,计算量减少了几十倍,极大地提升了运算效率。在视差与距离的关系式中推导得出点云密度随距离的指数衰减规律,对实际场景进行了统计找出点云衰减规律的拟合曲线。提出一种基于衰减规律的点云补偿方法。获得了目标所在位置信息后,提出用二次包围盒的方法缩小有效空间,锁定目标所在区域,采用逆向工程中的平滑滤波的方式,对目标周围的离散点进行了剔除,并将目标点云对正视图投影,以此完成对目标形状、高宽等尺寸信息的获取.试验表明:该方法能有效还原障碍物信息,最大测距范围为28m,平均误差为2.09%;最大尺寸检测范围为10m,长度和高度平均误差均小于3%。本文基于点云图的栅格化表示和密度补偿算法,通过设置有效空间将点云投影得到障碍物距离和尺寸,不同环境下的精度测试和距离检测验证了可靠性和鲁棒性。