引言

未來幾年,全球服務(wù)機器人的市場將繼續(xù)快速增長,要求機器人能完成大規(guī)模任務(wù),而大多數(shù)機器人處于各種復(fù)雜的動態(tài)環(huán)境。面對移動的物體,移動機器人需要預(yù)測和估計動態(tài)物體的運動情況,這對于移動機器人的導(dǎo)航和控制來說具有重要意義。

環(huán)境建模即對移動機器人工作空間的有效表達(dá)。本文研究的機器人工作在室內(nèi)未知靜態(tài)環(huán)境下,區(qū)分視野內(nèi)的可行區(qū)域,獲取環(huán)境信息,才具備導(dǎo)航的先決條件。

1雙目立體標(biāo)定

本次標(biāo)定實驗是在移動機器人IntRob雙目攝像機上進(jìn)行的,左右攝像機平行前置安裝,攝像機基線長度b=12mm,距離地面高度為76mm。左右攝像機為一對CCD工業(yè)相機,型號為MV-VD078sM/sC,最高分辨率為1024×768,像素尺寸為4.65um×4.65um。

通過立體標(biāo)定得到雙目相機的外參矩陣:

旋轉(zhuǎn)矩陣R:

平移矩陣T:

2基于標(biāo)定結(jié)果的雙目立體校正

立體視覺校正又稱極線校正,其目的是消除立體圖像對在垂直方向的視差,保證兩個圖像在校正之后是對準(zhǔn)的,使得立體匹配更可靠,其具有匹配速度快的優(yōu)點。

通過前面對圖像對的立體標(biāo)定,獲取到旋轉(zhuǎn)矩陣R和平移矩陣T。定義重投影矩陣Q,Q矩陣包含有圖像坐標(biāo)和攝像機內(nèi)參矩陣,那么給定一個二維齊次點和其關(guān)聯(lián)的視差d,將此點投影到三維中,就可以得到空間一點的三維實測距離。

3基于視覺顯著度的立體區(qū)域匹配

傳統(tǒng)立體匹配算法的匹配過程中,只將圖像看做數(shù)據(jù),對所有像素點不分主次。視覺顯著度是一種符合人類視覺感知的新的圖像描述指標(biāo),可以模擬人類的視覺注意,故提出利用視覺顯著性特征改進(jìn)立體區(qū)域匹配。本文中圖像視覺顯著性的計算模型是基于SpectralResidual理論來建立的。圖1所示為原圖像與視覺顯著度融合并且校正后的左右圖像。

圖1融合校正圖像

分別對圖像做BM、SGBM和融合視覺顯著度的BM算法匹配,其中融合BM塊匹配算法時間短、匹配效果好,本研究課題采用該方法。為了得到更好的障礙物輪廓效果,對圖像進(jìn)行腐蝕膨脹操作來去除噪點,圖2(a)(b)(c)分別為去噪后BM視差結(jié)果、去噪后SGBM視差結(jié)果、去噪后融合視覺顯著度的BM結(jié)果。

4障礙物邊緣輪廓坐標(biāo)

本文中將地面以上的部分均視為障礙物,在2中介紹的Q矩陣,建立障礙物的三維點云,并將三維點云投影到二維平面(此處選擇圖像中部的高度投影),這樣可以減少運算時間,同時不影響障礙物信息的完整性,在MATLAB20l2b環(huán)境下顯示,如圖3所示。

圖3中,橫坐標(biāo)表示水平方向的實際距離,豎坐標(biāo)表示深度方向的實際距離。表l中是實際距離與實驗結(jié)果距離比較,在水平方向上誤差較小,在深度上誤差相對較大,除因匹配造成的輪廓信息缺失外,基本可以實現(xiàn)對障礙物輪廓的提取。

5結(jié)語

本文從實現(xiàn)立體視覺的幾個關(guān)鍵步驟出發(fā),先對攝像機進(jìn)行立體標(biāo)定,獲得攝像機內(nèi)外參數(shù)進(jìn)行立體校正和匹配,然后選取BM塊匹配算法將障礙物從復(fù)雜環(huán)境信息中分離出來。視差圖中障礙物信息有部分缺失,實際測距結(jié)果相對誤差滿足要求,完成了在室內(nèi)未知環(huán)境下移動機器人環(huán)境地圖的創(chuàng)建。