[发明专利]一种用于反光地面场景的微小障碍物发现方法

说明书

本发明公开了一种用于反光地面场景的微小障碍物发现方法，包括：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；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；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。本发明利用机器人的位姿信息，并构建了区域级的几何特征，可以表达单张图片中无法体现出的空间几何特征。相比于现有技术可以极大减小地面上的障碍物误检测。

技术领域

本发明属于计算机视觉技术和机器人技术领域，更具体地，涉及一种用 于反光地面场景的微小障碍物发现方法。

背景技术

由于现代社会日益增长的生产生活需求，移动机器人在越来越多的行 业中被大量应用，如服务型机器人、无人机及自动驾驶车辆等。对于这些在 各个场景下工作的移动机器人，及时发现移动区域中的障碍物并避开是非 常重要的。近年来有许多优秀的障碍物发现算法及目标检测算法，它们在多 种场景下获得了较高的检测精确度。但是由于缺乏具有辨别力的特征，在具 有镜面反射的地面上发现微小障碍物依旧是十分困难的。

在现有的障碍物发现方法中，基于单帧RGB图像的障碍物发现方法从 单张图像中学习障碍物的表观线索，并识别障碍物。但是，由于反光的地面 呈现出真实世界物体的伪像，伪像与真实世界存在相似的表观，因此现存的 发现方法难以学习到地面和障碍物在表观上的不同。并且，由于地面上存在 镜面反射且无纹理地面很常见，因此基于双目相机的障碍物发现方法难以 获取准确的深度线索，这大大削弱了基于双目的方法的发现精度。此外，由 于反光地面的表观伴随场景的不同而变化，这导致基于深度学习的方法也 难以进行学习到地面的特征。可以看出，尽管现有的方法在现有的障碍物发 现方法中取得了不错的效果，但是它们对反光的地面场景几乎都束手无策。 然而，这种反光的地面场景(办公区和家庭等)尤为常见。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种用于反光地 面场景的微小障碍物发现方法，不同于以往的基于单帧RGB图像的障碍物 发现方法，其目的在于利用摄像机的多帧数据表示出地面伪影和真实物体 之间的表观差异，由此解决地面的伪影被误检测为障碍物的技术问题。

为实现上述目的，本发明从时间序列上多帧单目图像体现出的几何线 索出发，提供了一种可以表观障碍物与地面伪影差异的几何线索，及融合几 何线索和表观线索的用于反光地面场景的微小障碍物发现方法，包括以下 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 如下子步骤：

(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，地面的标签为地面区域的像素级分割标注，图像被标注为地面的像素 为1，非地面的像素为0。障碍物的标签为实例级别的物体包围盒的四个定 点坐标，其中物体包围盒为四边形。此外，利用同步器将机器人基座的差速 轮式里程计与单目摄像机进行同步，并记录机器人里程计提供的相机每一 帧图像所对应的机器人位姿。据此，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；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。

其中，原点离地距离d可以直接通过尺子等度量工具度量。