[发明专利]一种用于反光地面场景的微小障碍物发现方法

权利要求书

1.一种用于反光地面场景的微小障碍物发现方法，其特征在于，所述方法包括如下步骤：

(1)训练基于几何线索和表观线索融合的单目障碍物发现模型，包括：

(1.1)对反光地面场景的小障碍物数据集进行障碍物及地面的实例级标注，得到带标注的标准训练数据集；

(1.2)训练基于几何线索和表观线索融合的障碍物发现模型，从图像中提取区域级的几何特征及区域级的表观特征，并根据(1.1)带标注的标准训练数据集，采用随机森林作为学习器，学习到每一个图像区域存在障碍物的概率，得到基于几何线索和表观线索融合的障碍物发现模型；

(2)利用上述训练好的模型对机器人视角的场景图片进行障碍物发现。

2.如权利要求1所述的用于反光地面场景的微小障碍物发现方法，其特征在于，所述步骤(1.2)包括：

(1.2.1)离线地对机器人-相机模型进行标定，获取在摄像机位置固定后地面在相机坐标系下的位置信息π＝(n^T,d)，其中d为地平面到相机坐标原点的距离，n^T为相机坐标系中地平面的法向量；利用相机外参标定的方式，标定得到机器人到相机的变换矩阵T_rc＝[R_rc|C_rc]，其中为机器人坐标系到相机坐标系的相对旋转矩阵，为机器人坐标系到相机坐标系的平移向量；

(1.2.2)根据(1.2.1)得到的机器人-相机模型，以及两帧图像所对应的机器人里程计信息在线地构建地面单应矩阵；

(1.2.3)求解标准训练数据集中的第k帧图像的遮挡边缘的几何变换，包括遮挡边缘提取、边缘点的光流变换及边缘点单应变换；

(1.2.4)基于(1.2.3)中得到的遮挡边缘点利用物体级推荐算法，从图像中获取到可能存在障碍物的候选包围盒b_j^k＝(u_j^k,v_j^k,w_j^k,h_j^k,o_j^k)，其中u_j^k,v_j^k是第k张场景图中的第j个包围盒的左上角坐标，w_j^k,h_j^k是该包围盒的宽和高，o_j^k为该包围盒存在物体的可能性；对于每一个包围盒，提取其内部区域的特征，共有22维特征：

(1.2.5)在每张训练图像中选取IoU最大的5个候选包围盒作为正样本，并随机选取20个与地面区域的IoU大于预设阈值的包围盒作为负样本参与训练；接下来训练两个回归模型：首先以候选包围盒和标准训练集中真实障碍物包围盒之间的IoU作为模型的期望输出，并以参与训练的每一个包围盒的22维特征作为模型的输入，利用基尼指数作为随机决策森林学习的函数，进行迭代训练，最小化每一个分裂节点选取特征和分割阈值的基尼指数，实现基于几何-表观特征融合的随机森林模型的最优化得到几何-表观融合模型；然后以参与训练的每一个包围盒的20维特征作为模型的输入，按照相同的方式，对基于表观特征的随机森林模型进行最优化得到表观模型。