[發明專利]一種基于圖像特征標定的實時障礙物檢測方法

有效

• 申請號: 202010013111.1
• 申請日: 2020-01-07
• 公開（公告）號: CN111241979B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 王黎航;李海洋;黃媛;厲昕晨;劉明安;徐書揚;徐弼軍
• 申請（專利權）人: 浙江科技學院
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/75
• 代理公司: 杭州云睿專利代理事務所(普通合伙) 33254
• 代理人: 楊淑芳

1.一種基于圖像特征標定的實時障礙物檢測方法，其特征在于：包括以下步驟：

步驟一：圖像采集與預處理：通過視覺傳感器采集獲得連續兩幀的圖像，對所述圖像進行裁剪后再進行灰度化處理，獲得連續兩幀的灰度圖；

步驟二：通過改進的LOG算法對所述灰度圖進行圖像特征的提取，獲得連續兩幀灰度圖的特征圖；

步驟三：通過改進的FLANN算法對特征圖進行特征匹配，獲得連續兩幀的特征圖之間的匹配關系圖；

步驟四：通過A-D匹配過濾算法對匹配關系圖內的特征點進行過濾，過濾特征點后獲得新的匹配關系圖：

步驟41：獲取所需判斷的兩個特征點為kp₁、kp₂，kp₁、kp₂的坐標分別為

步驟42：獲得兩特征點的角度和距離：兩特征點的角度為兩特征點的距離為

步驟43：計算獲得關聯度ξ：兩個特征點kp₁與kp₂的關聯度ξ的表達式為

步驟44：根據過濾函數，確定保留還是剔除上述特征點，所述過濾函數為其中φ為關系閾值；

步驟五：對障礙物進行標定：提取障礙物輪廓，獲得障礙物的運動方向和距離。

2.如權利要求1所述的一種基于圖像特征標定的實時障礙物檢測方法，其特征在于：所述步驟二中改進的LOG對灰度圖進行特征提取的具體步驟為：

步驟21：選取某個像素p，其像素值為V_p，以p點為中心，畫一個半徑為σ像素的圓，圓上的(σ+1)²個像素記為

步驟22：確定決策閾值，記為θ_p；

步驟23：根據步驟21從p中選取的(σ+1)²個像素，獲得決策變量為

步驟24：當有個連續的值等于1時，則表明p點周圍像素與p差異較大，認為p為可能的LOG特征點；通過計算的值如果少于3個值為1則可以直接剔除該點，否則需要進一步計算；

步驟25：獲得所有潛在的LOG特征點，形成潛在LOG特征點集合；

步驟26：驗證潛在LOG特征點集合內的點，獲得特征圖：應用標準LOG算法對所有潛在LOG特征點集合內的特征點進行特征提取，獲得最終的LOG特征點集合，并將LOG特征點表示于灰度圖中，形成特征圖。

3.如權利要求1所述的一種基于圖像特征標定的實時障礙物檢測方法，其特征在于：所述步驟三中改進的FLANN對特征圖進行特征匹配的具體步驟為：

步驟31：假設簇劃分為C_i(i＝1,2...k)，簇C_i的均值向量為μ_i，μ_i的表達式為：

步驟32：將所對應的簇C_j排除，其中為簇C_i的質心、為簇C_j的質心、l為閾值；

步驟33：將步驟32剩下的簇進行特征匹配：對任意兩均值向量μ_i、μ_m，求歐式距離得到的最小的D(μ_i，μ_m)即為最佳匹配，D(μ_i，μ_m)的表達式為D(μ_i，μ_m)＝||μ_i，其中μ_m為簇C_m的均值向量；

步驟34：將所有最佳匹配后的特征點用線連接，得到連續兩幀的特征圖之間的匹配關系圖。

4.如權利要求1所述的一種基于圖像特征標定的實時障礙物檢測方法，其特征在于：所述步驟五中的提取障礙物輪廓的具體步驟為：根據經步驟四過濾后圖像上的特征點形成的特征點集，獲得上述特征點集內特征點的橫縱坐標的極值，即為x_min、x_max、y_min、y_max，根據極值畫出矩形輪廓，所述矩形輪廓即為障礙物輪廓。

5.如權利要求1所述的一種基于圖像特征標定的實時障礙物檢測方法，其特征在于：所述步驟五中的障礙物的運動方向和距離的具體獲得方法為：

步驟51：獲得障礙物輪廓的重心：其中β_x、β_y為障礙物輪廓重心的橫縱坐標值，x_min、x_max、y_min、y_max為障礙物輪廓內的特征點的橫縱坐標極值；

步驟52：獲得障礙物的運動方向的角度：其中w為畫面寬度；

步驟53：獲得障礙物的距離：其中h_s為攝像頭的安裝高度，h_total為畫面總高度。