原文传递
农业车辆导航中基于双目视觉点云图的障碍物检测
| 论文题名： | 农业车辆导航中基于双目视觉点云图的障碍物检测 |
| 关键词： | 农业车辆导航;双目视觉;障碍物检测;点云图;正视图投影 |
| 摘要： | 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。 |
| 作者： | 沈子尧 |
| 专业： | 农业电气化与自动化 |
| 导师： | 姬长英 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京农业大学 |
| 学位年度： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
