[发明专利]一种面向水下机器人目标抓取的双目视觉定位方法

说明书

本发明涉及一种面向水下机器人目标抓取的双目视觉定位方法，属于计算机视觉领域。主要用于水下机器人作业时，准确获取抓取目标的三维信息。包括双目标定：计算出左右摄像机内外参数；目标检测：定位出目标物检测框；双目图像矫正：畸变矫正和立体矫正，并确定右图像目标区域；双目图像立体匹配：图像特征点提取，特征点描述，立体匹配，去除误匹配；计算图像中目标在左摄像机坐标下的三维信息。本发明通过提取特征点，非极大值抑制去除不稳定特征点，构建二进制描述子，特征点匹配，去除误匹配，得到精确视差值。通过本方案，可提高双目立体匹配鲁棒性，同时能准确得到检测目标的三维信息，从而满足水下机器人目标抓取时对目标的实时定位要求。

技术领域

本发明涉及一种面向水下机器人目标抓取的双目视觉定位方法，属于计算机视觉领域。

背景技术

海洋环境未知且恶劣，部分海生物需手工采集，捕捞难度极大，因此研制水下机器人代替人来完成这些特殊工况下的工作成为未来海生物捕捞的趋势。而双目视觉定位技术的能够为水下机器人实时提供目标物的距离信息和位姿信息，引导机器人实现自主避障功能和完成海生物智能化自主抓取。双目立体视觉相比于其他定位技术，如激光、声呐等，可以直观的反馈水下图像，图像细节清晰，满足水下目标抓取多方面的信息需求；且不易受到环境的干扰，精度高，速度快。在引导机器人实现目标抓取方面有着重要的意义。

双目立体视觉目标定位主要包括双目标定，图像矫正，立体匹配和三维坐标计算。双目标定是离线标定，获得双目相机的内外参数及双目相机之间的旋转平移矩阵。图像矫正使用双目标定所得参数消除摄像机的畸变并进行极线校正使得左右图像达到行对准。立体匹配是在右图上找到与左图上特定点对应的点，计算出相应的视差，然后计算目标的三维坐标。立体匹配是双目立体视觉的关键：根据匹配基元的不同可将其分为基于区域相关的匹配，基于特征的匹配和基于相位的匹配。相比于基于区域相关匹配存在的计算量大速度慢和基于相位匹配存在的相位奇点的缺点，特征匹配抗干扰性强，计算速度快。

应用于水下目标抓取的双目视觉定位的研究偏少，考虑水下图像质量差，满足机器人作业对精确性和实时性要求，需要借鉴陆地上先进算法并加以改进。2012年EthanRublee等人提出的ORB(Oriented FAST and Rotated BRIEF)算法，在特征点提取方面使用具有旋转不变性的OFAST算法，算法简单。在特征点描述方面采用了rBRIEF(RotatedBRIEF)二进制描述子，耗时较短，是目前双目实时定位中常用的算法。然而ORB算法匹配特征点对的数量上远低于SIFT算法，且算法不具有尺度不变性，对光照噪声的鲁棒性差。针对OFAST提取的特征点不稳定，不具尺度不变性，戴雪梅等在文献“戴雪梅.基于改进ORB的图像特征点匹配研究[J].电子测量与仪器学报,2016”中使用SURF算法提取具有尺度不变性健壮的特征点,然后使用ORB算法构建二进制描述子,但该SURB(SURF-ORB)算法运行时间长，不能满足实时性要求；丁尤蓉等在文献“丁尤蓉.基于自适应阈值的FAST特征点提取算法[J].指挥控制与仿真,2013”中为适应不同光照噪声环境，提出使用自适应阈值代替固定阈值控制FAST提取特征点数量，且使用非极大值抑制剔除部分候选特征点，以获得健壮稳定鲁棒性好的特征点。针对rBRIEF二进制描述子不具有尺度不变性且对较大模糊的图相匹配效果差的缺点，张阳等在文献“张阳.一种改进的ORB特征点匹配算法[J].重庆工商大学学报,2018”中提出将具有尺度不变性的BRISK特征描述符与ORB特征检测子相结合的特征点匹配算法，有效提高了二进制描述子的鲁棒性，然而在特征点领域选取像素点对建立二进制描述子，易受噪声和局部表观变化影响。

发明内容

本发明的目的是为了解决现有技术精确度和速度不能兼顾的问题而提供一种面向水下机器人目标抓取的双目视觉定位方法。

本发明的目的是这样实现的，一种面向水下机器人目标抓取的双目视觉定位方法,具体包括以下步骤：

步骤一、双目标定：根据小孔成像原理对双目相机进行水下离线标定，计算左右相机的内参矩阵，外参矩阵，畸变系数以及左右相机之间的旋转和平移矩阵；