[发明专利]基于深度图像遮挡信息的静态视觉目标遮挡规避方法

说明书

本发明公开了一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，首先从初始观测方位获取视觉目标的一幅深度图像，并根据遮挡检测算法获取深度图像的遮挡相关信息；从三角网格模型中的三角小剖面入手，利用三角小剖面组成的子区域的法向量来确定候选观测方向集合，再利用这些候选观测方向和各三角小剖面法向量的夹角信息确定出每个候选观测方向的可视空间，进而计算出下一最佳观测方位，从而达到遮挡规避的目的。本发明根据遮挡信息对遮挡区域建立数学模型，无需获取视觉目标的先验知识；对视觉目标的形状无特殊要求，适用于不同型面的视觉目标。

技术领域

本发明属于计算机视觉领域，尤其是涉及一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法。

背景技术

遮挡规避方法一直是自动装配、目标识别、三维重建、机器人导航等领域重要且困难的研究课题之一，它是根据当前观测到的遮挡信息，确定出摄像机的下一个观测方向和位置，使得在该方向和位置能够最大化地获取场景的未知信息。

现有遮挡规避方法处理遮挡现象所基于的图像信息主要有两种：亮度图像和深度图像。针对亮度图像的遮挡规避方法相对较少，并且由于2.5D的深度图像比2D的亮度图像更有利于获取场景的三维信息。因此，目前的遮挡规避方法大多基于深度图像实现。Li Y F和Liu Z G在文章“Information entropy-based viewpoint planning for 3-D objectreconstruction.IEEE Transactions on Robotics,2005,21(3):324-337”中摄像机被限定在一个固定表面(如球体表面、圆柱体表面等)，方法的通用性受到限制。Scott W R在文章“Model-based view planning.Machine Vision and Applications,2009,20(1):47-69”中所提的方法需要预先获取场景信息，不适用于未知场景。M.Krainin,B.Curless和D.Fox在文章“Autonomous generation of complete 3D object models using nextbest view manipulation planning,in:Proc.Of the IEEE International Conferenceon Robotics&Automation(ICRA),2011：5031-5037”中所提方法需要获取物体外部轮廓，并且十分依赖轮廓获取技术。Benjamin Adler和Xiao J H在文章“Finding Next Best Viewsfor Autonomous UAV Mapping through GPU-Accelerated Particle Simulation.IEEE/RSJ International Conference on Intelligent Robots and Systems(IROS)，2013”中所提方法依赖于特定的设备。

发明内容

针对现有技术存在的已有问题，本发明的目的是提供一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，通过对遮挡区域进行适当的建模，避免了对遮挡区域的预先了解，通过对三角小剖面的操作，确定出合理的下一最佳观测方位，从而达到遮挡规避的目的。

为了解决上述存在的技术问题实现发明目的，本发明是通过以下技术方案实现的：

一种基于深度图像遮挡信息的静态视觉目标遮挡规避方法，其内容包括以下步骤：

(1)获取视觉目标的深度图像，并获得其遮挡边界及摄像机内外参数；

(2)提取深度图像中每个遮挡边界点的下邻接边界点，并确定图像中每个像素点的三维坐标；

(3)依据遮挡边界及下邻接边界信息对遮挡区域进行外接表面建模：

3.1)对每段遮挡边界，依据其遮挡边界点及下邻接边界点的三维坐标得到其对应的遮挡区域，并对遮挡区域进行三角剖分获得三角网格模型；