[發明專利]復雜環境下無人機自動障礙物檢測和避障方法

有效

• 申請號: 201611052401.7
• 申請日: 2016-11-24
• 公開（公告）號: CN106708084B
• 公開（公告）日: 2019-08-02
• 發明（設計）人: 曾毅;趙菲菲;王桂香
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G05D1/10
• 分類號: G05D1/10;H04N13/128
• 代理公司: 北京瀚仁知識產權代理事務所(普通合伙) 11482
• 代理人: 宋寶庫

1.一種復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，包括以下步驟：

步驟S1，利用無人機上設置的雙目攝像頭進行實時的圖像采集，基于所采集的左、右兩幅圖像匹配計算生成視差圖并進行預處理；

步驟S2，基于視差圖信息，對視差圖進行輪廓和灰度值的聚類劃分，得到具有清晰結構的區域塊，將所述區域塊的噪聲干擾去除后得到潛在障礙物區域；

步驟S3，對比前后兩幀視差圖中對應的潛在障礙物區域，結合障礙物的放大特性，依據無人機與潛在障礙物區域的距離和潛在障礙物區域的面積篩選得到最終障礙物區域；

步驟S4，基于步驟S3所得到的最終障礙物區域，輸出無人機避障的動作指令；

步驟S4中無人機采取避障行為的過程包括以下步驟：

步驟S41，選取步驟S3得到的最終障礙物區域的最小外接矩形的中心坐標作為最終障礙物區域的中心坐標；

步驟S42，先是執行后退動作躲避障礙物，再根據障礙物的中心坐標計算障礙物區域相對于無人機位置；

步驟S43，依據步驟S42中所計算的障礙物區域相對于無人機位置，輸出無人機避障的動作指令。

2.根據權利要求1所述的復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，步驟S1中基于所采集的左、右兩幅圖像匹配計算生成視差圖的方法具體為：基于立體匹配Graph Cut算法中的SGBM算法，對所述雙目攝像頭所采及的左、右兩幅圖像進行校準，通過調整SGBM參數得到視差圖。

3.根據權利要求2所述的復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，步驟S1中對視差圖進行的預處理包括：

根據校準后圖像與原圖像對比，直接去除視差圖上兩邊的灰度信息干擾，得到第一視差圖；

對第一視差圖中灰度值差異大于設定閾值且面積小于設定閾值的白色塊進行腐蝕處理，得到第二視差圖；

對第二視差圖進行圖像平滑處理得到清晰的視差圖。

4.根據權利要求1所述的復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，步驟S2所述潛在障礙物區域，其獲取步驟包括：

步驟S21,獲取步驟1輸出視差圖的輪廓信息；

步驟S22，在各輪廓內部對灰度值進行聚類，形成多個對象區域塊，每個對象區域塊之間具有明顯的灰度差異，并且對象區域塊具有完整的區域輪廓；

步驟S23，分別選取各輪廓內面積大于設定閾值的對象區域塊，針對所選取的對象區域塊分別繪制最小外接矩形框；

步驟S24，計算各對象區域塊的灰度值gray(i)、以及灰度值閾值gray0，選擇gray(i)>gray0的對象區域塊作為潛在障礙物區域。

5.根據權利要求4所述的復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，步驟S22中對灰度值進行聚類，具體包括：

步驟S221，對步驟S21中獲取的輪廓繪制最小外接矩形框，并獲取所述矩形框內的各個像素點的灰度信息；

步驟S222，在每個矩形框內，去除灰度值小于預設的類內灰度差閾值的背景像素點；

步驟S223，并將步驟S222中每個矩形框內所去除的第一個背景像素點分別作為單獨的一類，并記錄其灰度值；

步驟S224，在每個矩形框內，逐個遍歷每一個像素點，若其與已有類別的灰度值之差小于類內灰度差閾值則將該像素點歸為對應類，否則將該像素點自為一類；

步驟S225，重復步驟S223和S224，直到所有的矩形框都聚類完畢。

6.根據權利要求5所述的復雜環境下無人機自動障礙物檢測和避障方法，其特征在于，步驟S24具體包括：

步驟S241，計算步驟S23中獲取的各最小外接矩形框的灰度值作為對應對象區域塊的灰度值gray(i)；

步驟S242，計算步驟S23所選取的所有對象區域塊的灰度值均值作為灰度值閾值gray0；

步驟S243，選取gray(i)>gray0的對象區域塊作為潛在障礙物區域。