基于路侧激光雷达的障碍物目标检测方法

针对现有障碍物检测方法在复杂道路场景下存在地面分割欠精准、计算量大以及不同距离下的目标聚类困难问题,提出了一种基于路侧激光雷达的障碍物检测方法。在地平面分割方面,提出基于圆柱坐标系的改进扇形栅格模型以及最低点代表法优化种子点的选取,采用多地平面模型并通过随机采样一致性算法(RANSAC)实现地面拟合及分割。在障碍物聚类方面,构建KDTree加速聚类过程,提出划分区域及阈值自适应的方式改进欧氏聚类算法。实验结果表明,该方法在4种典型道路场景下对地面点的分割准确率均达到86%以上,且针对不同距离下的障碍物目标聚类准确率提升明显。

基于视差平面分割的移动机器人障碍物地图构建方法

作为自主移动机器人地表障碍物探测(GPOD)技术的一部分,提出了一种利用双目摄像机的视差图像获取信息来构建机器人前方障碍物栅格地图的方法.该方法融合了3维立体视觉技术以及2维图像处理技术,前者依据视差图的直方图信息对视差图像进行自适应平面分割,把每个平面看作是3维场景中的实物切片进而提取障碍物3维信息,后者通过计算各平面上的障碍物信息曲线来提取障碍物信息,把立体视觉数据从视差图像空间变换到2维的障碍物地图空间.给出了该方法构建障碍物地图的整体过程,试验结果证明了该算法的有效性和精确性.

基于改进RANSAC的消防机器人双目障碍检测

针对消防机器人自主作业的障碍物快速检测问题,给出了一种基于改进随机采样一致性估计的双目障碍物检测算法。该算法首先采集双目视觉左右视图,进行半全局立体匹配获取视差信息,然后采用随机采样一致性估计的平面拟合法提取地平面模型,并采用预检验法和内点阈值限定法同时对随机采样一致性估计进行改进,从而提高算法效率,实现障碍物快速检测。实验结果证明该方法能够准确、快速检测障碍物,满足消防机器人作业需求。