一种基于计算机立体视觉面向导盲仪的障碍物探测方法

文档序号:9288813阅读:746来源:国知局
一种基于计算机立体视觉面向导盲仪的障碍物探测方法
【技术领域】
[0001] 本发明涉及一种基于计算机视觉的应用于导盲仪的障碍物探测方法,该方法可以 帮助盲人行走时探测障碍物。
【背景技术】
[0002] 盲人由于先天或后天的生理缺陷而丧失了视觉,因而丧失了获得知识和经验的最 重要来源,对盲人日常生活造成了极大障碍,尤其是制约了盲人的出行活动。如何能够帮助 盲人在日常出行中躲避道路中出现的障碍物,也成为了人们的研究重点。为了解决这一问 题,人们已经研究出许多方法,例如盲杖、红外线探测、超声波探测等非视觉探测方法。然而 这些方法都存在很大的缺陷:使用盲杖探测,探测范围过小;使用红外线、超声波等探测方 式,只能探测体积较大的障碍物,不能获取障碍物轮廓、高度等完整信息,因此安全性较差。 近些年,陆续出现一些基于视觉的障碍物探测方案,但也存在一定的缺陷:(1)只检测障碍 物在图像中的所在区域,没有提供实际三维空间中障碍物相对盲人的位置信息;(2)只分 离出障碍物在图像中的轮廓,没有给出其外形信息,例如凸起或凹陷等;(3)地面方程的提 取依赖于相机坐标系与世界坐标系的固定关系,主要应用于车辆导航等领域,不适用于导 盲仪。

【发明内容】

[0003] 本发明技术解决问题:克服现有技术的不足,提供一种基于计算机立体视觉面向 导盲仪的障碍物探测方法,解决现有导盲仪算法对于盲人行进路线上的障碍物信息获取不 足,难以形成安全导盲策略的问题,为提高盲人出行安全性提供有利条件。
[0004] 本发明的技术解决方案:本发明通过佩戴在盲人身上的双目相机同时采集路面 图像,利用特征提取算法提取双目图像中的特征点,并进行特征点匹配;再计算匹配点在 左相机坐标系下的三维坐标,根据匹配点三维坐标使用随机一致性算法计算出路面平面方 程;最终根据路面平面方程区分出障碍物区域,计算其位置和轮廓的坐标,为帮助盲人行进 提供必要信息。具体包括以下步骤:
[0005] 步骤1、将双目相机固定在头部两侧,提前标定好双目相机的内外参数,包括焦距, 主点位置,及相机间的旋转和平移矩阵等。
[0006] 步骤2、用已标定好的双目相机同步连续采集左右图像。
[0007] 步骤3 :使用SURF算法对采集到的两幅图像进行特征提取及匹配,并采用对称性 测试对匹配结果进行检测,得到一个匹配点对集合。
[0008] 步骤4 :利用双目立体视觉三维测量原理对匹配点对集合进行计算,求解出每对 匹配点在左相机坐标系下的三维坐标。
[0009] 步骤5 :利用随机一致性算法提取路面平面方程:
[0010] 每次从数据集中随机选取3个不共线的点,被选取的子集被假设为局内点,采用 最小二乘法拟合出一个平面方程,确定参数(A,B,C),并假设此模型适用于局内点。用这个 平面模型去测试所有的其它数据,如果某个点适用于估计的模型(A,B,C),认为它也是局内 点。测试方法为计算此三维点到平面方程的垂直距离D1。当垂直距离小于设定距离5cm时, 则认为此点适用于当前平面模型。被归类为假设的局内点数大于参数d时,认为估计的模 型就足够合理。然后,用所有假设的局内点去重新估计模型。设e为模型误差,计算方法为 局内点到估计平面距离的均方差。最后,通过比较局内点的数量和e大小来估计模型优劣, 局内点数越多、e越小的模型越优。这个过程被重复执行k次,每次通过比较将局内点数更 多且e值更小的模型保留下来。当这个过程迭代完k次以后,即可获得最优平面模型。
[0011] 步骤6:使用局内点集图像坐标得到左右两图路面区域间的单应变换矩阵,计算 左图单应变换后与右图的灰度差值,提取出障碍物轮廓,在障碍物轮廓范围内进行稠密匹 配,获得障碍物位置及轮廓坐标。
[0012] 本发明的优点在于:
[0013] (1)本发明利用导盲仪双目相机的图像,采用计算机双目立体视觉方法计算出实 际三维空间中障碍物相对盲人的位置,为盲人出行策略提供丰富的路面障碍信息,提高了 盲人出行的安全性,适用于导盲仪引导盲人出行。
[0014] (2)完全采用计算机视觉算法获取路面平面方程,避免引入其他传感器,有助于降 低导盲仪整机的复杂性。
[0015] (3)只对障碍物区域进行局部稠密匹配,获取障碍物位置及轮廓坐标信息,大幅度 降低了导盲算法的计算量,提高了运算效率。
【附图说明】
[0016] 图1:本发明的总流程图;
[0017] 图2 :本发明中随机一致性算法的流程图;
[0018] 图3 :本发明中区分障碍物及计算其位置轮廓坐标算法流程图。
【具体实施方式】
[0019] 下面结合说明书附图对本发明方法做详细说明:
[0020] 本发明通过盲人佩戴的导盲仪中的双目摄像机同时采集路面图像,利用特征提取 算法提取双目图像中的特征点,并进行特征点匹配;再计算匹配点在左相机坐标系下的三 维坐标,根据匹配点三维坐标使用随机一致性算法计算出路面平面方程;最终根据路面方 程区分出障碍物区域,计算出障碍物位置和轮廓坐标,为帮助盲人行进提供必要信息。
[0021] 如图1所示,本发明具体包括以下步骤:
[0022] 步骤1 :将双目相机利用眼镜固定在头部两侧,对双目相机内外参数进行标定:内 参数包括归一化焦距fxl、f yl、fm、f^,和左右相机主点在图像坐标系下的坐标Cxl、Cyl、(^、 Cyl^外参数包括相机间的旋转和平移矩阵。左右相机的内参矩阵?1、匕和右相机到左相机 的坐标系变换矩阵M lr为:
[0023]
[0024] 其中fxl和f yl分别为左相机横轴和纵轴上的归一化焦距、f "和fV分别为右相机 横轴和纵轴上的归一化焦距;Cxl、Cyl、Cxl^ Cp为左右相机主点在图像坐标系下的坐标,单位 为像素;R和T分别为坐标系变换矩阵的旋转分量和平移分量,!^~r 9为旋转分量的各兀 素,tx、ty、^为平移分量的各元素。
[0025] 步骤2 :用已标定好的双目相机进行同步采集左右图像。
[0026] 步骤3 :使用SURF算法对采集到的两幅图像进行特征提取及匹配,并采用对称性 测试对匹配结果进行检测,得到一个正确可靠的特征点对集合。
[0027] 步骤3-1.使用SURF检测器分别对左右图像进行特征点提取。使用离散化的高 斯模板与图像进行卷积处理,得到图像上每一点的响应值,响应值大于10的点认为是特征 点,并把左右图中特征点分别存储。
[0028] 步骤3-2.使用一个描述窗口域中的其他像素点对特征点的小波响应来表述该特 征点。向量V作为描述子,对各特征点进行描述:
[0029] V = [ Σ dx Σ dy Σ I dx I Σ | dy | ]
[0030] 其中,Σ dx是水平方向的小波响应之和,Σ dy是垂直方向的小波响应之和, Σ |dx|是水平方向的小波响应的绝对值之和,Σ |
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1