一种激光视觉融合下矫正运动检测方法与流程

本发明涉及激光视觉融合技术领域，特别涉及一种激光视觉融合下矫正运动检测方法。

背景技术：

激光传感器是利用激光技术进行测量的传感器，它由激光器、激光检测器和测量电路组成。激光传感器是新型测量仪表，它的优点是能实现无接触远距离测量。但是，单一激光传感器在动态场景感知问题上存在局限性。

技术实现要素：

本发明的目的旨在至少解决所述技术缺陷之一。

为此，本发明的目的在于提出一种激光视觉融合下矫正运动检测方法。

为了实现上述目的，本发明的实施例提供一种激光视觉融合下矫正运动检测方法，包括如下步骤：

步骤s1，利用基于视觉的背景差分算法对激光传感器发射的激光进行前景点分拣，然后以激光前景点为启发信息进行视觉前景聚类；

步骤s2，以步骤s1中视觉前景聚类的个数，基于栅格失配度分别对激光和视觉点云进行聚类分割；

步骤s3，再以激光为基准,逐一将对应的视觉点云与激光进行配准,滤除噪声后所得到的矫正点云，获得最终的校正结果，用于场景重建的进一步验证。

进一步，在所述步骤s1中，所述以激光前景点为启发信息进行视觉前景聚类，包括：以带融合场景的栅格失配度作为具有噪声的基于密度的标准的空间聚类算法的输入，获得一系列可以表征介质特性的栅格聚类。

进一步，在无需提供聚类数目的情况下可以输入数据分割任意形状的簇，且能够自动滤除离群点。

进一步，在所述步骤s1中，采用基于密度的聚类算法dbscan算法。

进一步，在所述步骤s2中，对步骤s1中视觉前景聚类进行重聚类，采用距离的区域增长算法，以第一次聚类的个数，带有聚类标签的栅格中的视觉/激光深度信息作为初始的聚类种子，迭代便利所有非聚类种子的视觉/激光深度点。

进一步，在所述步骤s3中，基于聚类进行校正，以激光数据为基准，滤除噪声后，逐一将视觉聚类点云通过icp算法配准到对应的激光聚类点云视角下，获得最终的校正结果。

根据本发明实施例的激光视觉融合下矫正运动检测方法，对运动检测中的背景显露区误判问题和融合中不同传感器间点云的失配问题分别提出了改进算法，改进算法所获得的融合前景对"影子"有更好的鲁棒性；较之整体配准的矫正,改进算法在平均失配度上降低了约75％,在y和z方向上的偏移比收敛了至少5％，避免了单一激光传感器在动态场景感知问题上存在局限性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为根据本发明实施例的激光视觉融合下矫正运动检测方法的流程图；

图2为根据本发明实施例的激光视觉融合下矫正运动检测方法的示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

如图1和图2所示，本发明实施例的激光视觉融合下矫正运动检测方法，包括如下步骤：

步骤s1，利用基于视觉的背景差分算法对激光传感器发射的激光进行前景点分拣，然后以激光前景点为启发信息进行视觉前景聚类。

在步骤s1中，第一次聚类，以激光前景点为启发信息进行视觉前景聚类，包括：以带融合场景的栅格失配度作为具有噪声的基于密度的标准的空间聚类算法的输入，获得一系列可以表征介质特性的栅格聚类。在无需提供聚类数目的情况下可以输入数据分割任意形状的簇，且能够自动滤除离群点。

在本发明的一个实施例中，采用基于密度的聚类算法dbscan算法。

步骤s2，在融合失配问题上,以步骤s1中视觉前景聚类的个数，基于栅格失配度分别对激光和视觉点云进行聚类分割。

在步骤s2中，第二次聚类，对步骤s1中视觉前景聚类进行重聚类，采用距离的区域增长算法，以第一次聚类的个数，带有聚类标签的栅格中的视觉/激光深度信息作为初始的聚类种子，迭代便利所有非聚类种子的视觉/激光深度点。

步骤s3，再以激光为基准,逐一将对应的视觉点云与激光进行配准,滤除噪声后所得到的矫正点云，获得最终的校正结果，用于场景重建的进一步验证。

在步骤s3中，基于聚类进行校正，以激光数据为基准，滤除噪声后，逐一将视觉聚类点云通过icp算法配准到对应的激光聚类点云视角下，获得最终的校正结果。

根据本发明实施例的激光视觉融合下矫正运动检测方法，对运动检测中的背景显露区误判问题和融合中不同传感器间点云的失配问题分别提出了改进算法，改进算法所获得的融合前景对"影子"有更好的鲁棒性；较之整体配准的矫正,改进算法在平均失配度上降低了约75％,在y和z方向上的偏移比收敛了至少5％，避免了单一激光传感器在动态场景感知问题上存在局限性。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。

技术特征：

技术总结
本发明提出了一种激光视觉融合下矫正运动检测方法，包括：步骤S1，利用基于视觉的背景差分算法对激光传感器发射的激光进行前景点分拣，然后以激光前景点为启发信息进行视觉前景聚类；步骤S2，以步骤S1中视觉前景聚类的个数，基于栅格失配度分别对激光和视觉点云进行聚类分割；步骤S3，再以激光为基准,逐一将对应的视觉点云与激光进行配准,滤除噪声后所得到的矫正点云，获得最终的校正结果，用于场景重建的进一步验证。本发明，避免了单一激光传感器在动态场景感知问题上存在局限性。

技术研发人员：郁有建;孟祥怡;赵璐
受保护的技术使用者：天津城建大学
技术研发日：2018.06.26
技术公布日：2018.12.07