一种基于双目视觉的拖拉机运动矢量预测方法与流程

本发明涉及一种农机控制技术，尤其是一种控制无人驾驶拖拉机运行的自主导航技术，具体的说是一种基于双目视觉的拖拉机运动矢量预测方法。

背景技术：

随着城市化进程的快速推进，农村劳动力短缺的现状日益凸显，无人驾驶拖拉机得到日益广泛的应用。在无人驾驶拖拉机的自主导航过程中，通常采用gnss(全球卫星导航系统)进行精确定位。然而，gnss信号容易受到树木、云层的遮挡，导致定位误差很大或定位失败。为保证导航工作的顺利进行，往往还需要通过机器视觉进行辅助定位。目前，大都采用机器视觉进行障碍物位姿的获取，为定位提供参考依据，即，根据当前位姿与预定位姿的偏差计算控制量，然后将控制量作用于执行器件。由于已经发生了位姿偏差，那么很有可能导致作业对象损坏。如果能获取拖拉机的运动矢量的预测数据，将会显著提高导航控制精度。

技术实现要素：

本发明的目的是针对现有技术的不足，提供一种基于双目视觉的拖拉机运动矢量预测方法，能够预测拖拉机未来时刻的运动矢量，为精准控制提供有效的支持。

本发明的技术方案是：

一种基于双目视觉的拖拉机运动矢量预测方法，包括以下步骤：

1)通过架设于拖拉机车头正前方的双目相机对周围环境进行图像采集，获得t时刻的左、右图像各一张；

2)对上述左、右图像进行特征点检测与匹配，然后根据视差原理计算图像中特征点的空间坐标i(t)；

3)在t+1时刻重复1)和2)的步骤，获得特征点的空间坐标i(t+1)；

4)获得拖拉机的运动矢量△i＝i(t+1)-i(t)；

5)重复上述步骤1)至4)10次，获得10个运动矢量；

6)对上述10个运动矢量进行一次累加，生成1-ago序列；

7)在不同的3个方向上分别对1-ago序列拟合，得出每个方向上的变化曲线；

8)根据上述变化曲线，得出下一时刻各个方向上的运动矢量，即完成了运动矢量预测。

进一步的，所述双目相机包括对称设置的左相机和右相机，水平放置于拖拉机车头正前方。

进一步的，所述步骤7)中的3个方向为：水平向右的i方向，垂直向下的j方向和水平向前的k方向。

本发明的有益效果：

本发明设计合理，逻辑清楚，构思巧妙，能够预测拖拉机未来时刻的运动矢量，为通过工控机精准控制拖拉机提供有效的支持。

附图说明

图1是本发明的双目相机示意图。

图2是本发明的工作流程示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

本发明中的图像采集装置由双目相机、1394b接口卡和工控机组成。如图1所示，所述双目相机由对称设置的左相机和右相机构成。双目相机安装在拖拉机正前方，距离地面1.0±0.1m。每次图像采集事件由工控机中程序自动触发，双目相机的左、右相机同时各采集1幅图像至计算机内存中。

设置图像采集时间间隔为300ms。空间坐标原点在右相机光心，水平向右为i轴正方向，垂直向下为j轴方向，水平向前为k轴正方向。

如图2所示，本发明包括以下步骤：

1)触发双目相机对周围环境进行图像采集，获得t时刻的左、右图像各一张；

2)对上述左、右图像进行特征点检测与匹配，然后根据视差原理计算图像中特征点的空间坐标i(t)；

3)在t+1时刻重复1)和2)的步骤，获得特征点的空间坐标i(t+1)；

4)获得拖拉机的运动矢量△i＝i(t+1)-i(t)；

5)重复上述1)至4)步骤10次，获得10个运动矢量；

6)对上述10个运动矢量进行一次累加，生成1-ago序列；

7)在不同的3个方向上分别对1-ago序列拟合，得出每个方向上的变化曲线；

8)根据上述变化曲线，得出下一时刻各个方向上的运动矢量，即完成了运动矢量预测。

具体实施例如下：

在第0时刻，左右相机同时采集图像至内存中，分别记为il(0)和ir(0)，对il(0)和ir(0)进行sift特征点检测与匹配，匹配成功的点记为集合p0，并通过视差法计算p0所有点的空间坐标。

在第1时刻，左右相机同时采集图像至内存中，分别记为il(1)和ir(1)，对il(1)和ir(1)进行sift特征点检测与匹配，匹配成功的点记为集合p1，并通过视差法计算p1所有点的空间坐标。

再次通过特征匹配，查找p1和p0的交集d1，d1即为第1时刻和第0时刻拍摄到的相同特征点。

计算d1中所有特征点从第0时刻到第1时刻的坐标变化矢量，并取均值，得到第1时刻的运动矢量其中为3个方向上的矢量单位。

继续按照上述方法，分别计算第2时刻至第10时刻的运动矢量对10个运动矢量的3个方向上分别进行一次累加操作，生成3个方向上的1-ago序列其中，

对序列用三次多项式拟合，可以得到i方向上关于时间t的变化曲线fi(t)，在曲线上找到第11个时刻所对应的函数值fi(11)。那么就可以得出

用同样的方法，得到：

最终得到第11个时刻的运动矢量预测值

重复上述操作，即可完成对第12、13……n时刻的运动矢量预测。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。