[发明专利]一种用于移动机器人目标测距的检测目标匹配方法

说明书

本发明涉及一种用于移动机器人目标测距的检测目标匹配方法，该方法先使用双目相机采集图像，并用已训练完成的深度学习训练模型对左、右图像进行检测，在左图像中随机选择一个检测目标，并与右图像中的检测目标进行种类识别，若识别到，则确定在实际空间内为同一物体，并用视差法算出该物体的深度距离，然后判断该检测目标是否为最后一个检测目标，若不是，取下一个检测目标重复上述步骤，若未识别，则直接跳转至判断步骤。本发明不仅能够实现双目相机获得图像并进行目标检测处理之后的左图像和右图像中检测目标的自动匹配，而且还具备深度学习目标检测的快速性，能够实现自动匹配检测目标，便于处理设备自动测量检测目标深度。

技术领域

本发明涉及机器人领域，具体为一种用于移动机器人目标测距的检测目标匹配方法。

背景技术

近年来，随着科学技术的飞速发展，移动机器人已经应用到我们生产、生活的各个领域，成为了最活跃和最具发展潜力的技术之一。其中，障碍物的检测是移动机器人研究的一个热点问题。为了实现导航功能,机器人在避障之前需要检测出与环境中阻碍行驶的物体之间的相对距离。目前，常见的检测方法有：超声波测距、激光脉冲测距、红外测距、光学测距以及立体视觉测距等。超声、激光、红外等装置通过测量发射源发射与返回之间的时间差来计算被测物体与传感器之间的距离，称之为主动法。主动法测距比较方便、迅速，计算较为简单，因此在实时控制上得到了广泛的应用。但是发射和接收设备价格昂贵，成本较高，而且反射、噪音、交叉等环境问题难于避免，主动法测距不具有普遍应用性。相比之下，由于视觉传感器具有信息丰富、探测距离广等诸多优点，在移动机器人导航特别是实现障碍物检测中的应用越来越广泛。

同时长时间以来，基于深度学习的目标检测在工业生产、自主驾驶、视频监控、图像检索、人机交互等多个领域都有着广泛应用，且基于深度学习的目标检测技术可以高效的进行实时图像目标检测。而双目视觉可以通过视差法获得左右图像中匹配点的深度。但是，在实际的工程应用中移动机器人检测到障碍物时，并不需要测量出障碍物上任何一点的深度距离信息，无论是哪种测距方法都无法全面测量障碍物上任意一点的深度信息，因此只需要测量障碍物上代表性部位的深度距离信息，就可以为移动机器人判断障碍物的位置提供参考信息。故可以将深度学习算法检测到的检测目标识别框中心点的作为整个障碍物的代表性部位，进而通过匹配左、右图像中相同检测目标的识别框，利用视差法可以测算检测目标识别框中心点深度。如何对左、右图像中相同检测目标的识别框进行匹配就是一个关键性问题，因此，本发明公开了一种用于移动机器人目标测距的检测目标匹配方法。

专利[CN109544633A；201710867746.6]公开了一种目标测距方法，该方法利用单目相机拍摄得到交通目标，通过读取单目相机的内参和外参，并从预设的标准中读取交通目标的尺寸，然后计算交通目标与基准目标的距离。该专利方法并未提及交通目标如何选取和确定，如果对于新的场景，新的图像，多个图像目标情况下的目标测距并不适用。

专利[CN109212540A；201811062793.4]公开了一种基于激光雷达系统的测距方法，通过接收激光雷达系统的多个激光雷达测量获得的测距数据，建立三维坐标模型，确定目标无人驾驶设备与各障碍物之间的距离，相对于现有技术中的通过单激光雷达进行视觉图像算法的测距校准的方式来说，可实现距离范围更大的测距校准任务，但并不能对单个障碍物进行种类识别，也无法将各个障碍物区别开来，只能检测到障碍物。