立体视觉避障

Question

我正在研究一个基于立体摄像机的移动机器人避障系统。它将在室内使用，所以我假设地平面是平的。我们还可以设计自己的环境，这样我就可以避免产生假阳性或阴性的特定类型的障碍。

我已经找到了大量的资源来校准相机和获得图像，以及关于生成视差图/深度图的信息。我正在苦苦思索的是检测障碍的技术。一种通过探测地平面来工作的技术也同样有用。

我正在使用openCV，并使用《学习OpenCV》一书作为参考。

谢谢所有人

Answer 1

从我读过的文献来看，主要有三种方法：

1. Ground平面方法根据立体数据确定地平面，并假设不在平面上的所有点都是障碍物。如果假设地面是图像中的主要平面，则可以使用稳健的模型拟合算法(例如RANSAC).
2. Disparity地图方法和跳过将立体输出转换为点云的跳过)找到重建的点云的平面。我见过的最流行的算法叫做v-视差和uv-视差。两者在视差图中寻找相同的属性，但uv-视差可以检测到v-视差单独的cannot.
3. Point云方法将视差图投影到三维点云中并处理这些点的某些类型的障碍。一个例子是“倒锥体算法”，它使用最小障碍物高度、最大障碍物高度和最大地面倾斜度来检测任意非平坦地形上的障碍物。

在这三种方法中，检测地平面是最简单和最不可靠的。如果你的环境有稀疏的障碍物和纹理的地面，它应该是足够的。我对视差图方法没有太多的经验，但结果看起来非常有希望。最后，Manduchi算法在最广泛的条件下工作得非常好，包括在不平坦的地形上。不幸的是，它很难实现，而且计算成本极高。

参考：

• v-Disparity：Labayrade，R.和Aubert，D.和Tarel，J.P.通过v-视差representation
• uv-Disparity：Hu，Z.和内村，K.Talukder在非平坦道路几何图形的立体视觉中进行实时障碍物检测。UV-视差:基于立体视觉的场景的有效算法和锥体算法： Manduchi，R.和Castano，A.和
，A.和
，L.
自主越野导航的障碍物检测和地形分类

有一些关于地面障碍物检测算法的论文，但我不知道有一篇好的。如果您只需要一个起点，您可以在this design report的第4.2.3节和第4.3.4节中阅读我对最近一个项目的实现。没有足够的篇幅来讨论完整的实现，但它确实解决了您可能会遇到的一些问题。