[发明专利]一种基于深度摄像头的障碍物检测方法

说明书

本发明涉及一种基于深度摄像头的障碍物检测方法。采集深度图像，根据相机内参和深度数据，获得三维点云，即计算获得深度图像中所有像素点在相机坐标系中的实际位置(x_c,y_c,z_c)；其中，x_c表示像素点对应实际物体点到相机中心的横向距离，y_c表示像素点对应实际物体点到相机中心的纵向距离，z_c表示像素点对应实际物体点到相机中心的深度距离；设定最大避障阈值th，即当物体与相机之间的距离大于最大避障阈值th，则认为该物体不是障碍物；遍历所有的三维点云，对于每一个像素点，如果其x_c在避障视野(v_l,v_r)内，且其深度z_c小于最大避障阈值th，则认为该像素点属于障碍物。本发明检测面大，并降低了漏检率，从而提高了检测障碍物的可靠性和准确性。

技术领域

本发明属于机器人导航与控制技术领域，具体涉及一种基于深度摄像头的障碍物检测方法。

背景技术

在机器人导航和运动过程中，检测和规避障碍物是实现机器人自主运动和智能化的重要环节。现有技术中一般采用传感器进行避障检测。避障传感器包括红外，超声波和激光等。其中，红外传感器不受可见光影响，角度灵敏度高，价格低廉，但只能检测单线障碍物信息；超声波一般具有一定的波束角，可用于面检测，但角度精度相应降低。此外，超声波易受环境影响，不可检测吸声材料。激光与红外类似，技术成熟，有更高的精度，但一般价格较高。因此，利用避障传感器进行障碍物检测，检测面小，容易造成障碍物信息的漏检，特别是对不同高度或者凳脚等较细的障碍物，难以检测到，从而导致了避障决策的失效。

近年来，深度摄像头的发展和普及为障碍物的检测和规避带来的新的思路。深度摄像头可以检测到物体的深度，即物体与相机之间的距离。基于测距原理的不同，其实现形式也多种多样。目前深度摄像头常用的测距原理包括：双目匹配，一般结构光编码和激光散斑编码(Light coding)。Kinect，xtion等主流RGBD摄像头即采用的激光散斑编码技术。

虽然实现的原理和方式有所不同，但深度摄像头最终处理得到的图像均为深度图像，即以相机视角得到了所摄物体距离相机的深度。因此，不同深度摄像头均可等效的看做一种特殊的图像摄像头，并按照摄像机模型进行分析处理。基于这一模型，结合深度信息，即可得到物体在相机坐标系中的实际坐标，从而使得全面检测障碍物信息成为可能。

发明内容

本发明的目的在于提供一种基于深度摄像头的障碍物检测方法，检测面大，并降低了漏检率，从而提高了检测障碍物的可靠性和准确性，同时通过降维和离散处理，可以便捷地使用障碍物信息。

为了解决上述技术问题，本发明提供一种基于深度摄像头的障碍物检测方法，包括以下步骤：

步骤1、采集深度图像，根据相机内参和深度数据，获得三维点云，即计算获得深度图像中所有像素点在相机坐标系中的实际位置(x_c,y_c,z_c)；其中，x_c表示像素点对应实际物体点到相机中心的横向距离，y_c表示像素点对应实际物体点到相机中心的纵向距离，z_c表示像素点对应实际物体点到相机中心的深度距离；

步骤2、设定最大避障阈值th，即当物体与相机之间的距离大于最大避障阈值th，则认为该物体不是障碍物；遍历所有的三维点云，对于每一个像素点，如果其x_c在避障视野(v_l,v_r)内，且其深度z_c小于最大避障阈值th，则认为该像素点属于障碍物。

进一步，使用张正友标定法，对深度摄像头进行标定，使用的棋盘为深度棋盘。

进一步，获取三维点云的方法如下式所示，