[发明专利]基于主被动信息融合的户外环境障碍实时检测方法及系统

说明书

本发明公开了基于主被动信息融合的户外环境障碍实时检测方法及系统，方法包括以下步骤：步骤S1：根据预设数量的预设环境图像进行第一特征点检测，进而计算平均密度，生成判断阈值；步骤S2：获取预设视场区域图像，且通过SURF算法进行第二特征点检测；步骤S3：判断第二特征点数量是否高于判断阈值，若是，则将预设视场区域判断为潜障区，若否，则返回步骤S2；步骤S4：根据潜障区预设方向的点云数据计算第一平面法向量，进而计算其与基准法向量的夹角；步骤S5：判断夹角是否大于预设角度，若是，则判断存在障碍，若否，则返回步骤S2。本发明能够通过主/被动图像融合，弥补了单纯主动光或被动光障碍检测的缺点，增强了可靠性和成功率。

技术领域

本发明涉及障碍检测技术领域，具体涉及基于主被动信息融合的户外环境障碍实时检测方法、系统、计算机介质及计算机。

背景技术

TOF技术的前沿应用及相关问题是深度成像领域的研究热点，基于TOF(Time-of-Flight)技术的3D面阵激光相机是一种新型的、小型化立体成像设备，该相机可实时高效的捕捉动态目标的强度信息与深度信息。这种相机操作简便，信息量大，有着广阔的发展潜力与市场前景，将会给许多领域带来革命性的改变，被广泛应用在三维重建、虚拟现实、城市测绘、人体姿态识别、机器人的避障导航等领域，且为实现户外环境探索的重要组成部分。

目前，完成障碍的检测是实现户外环境探索的前提，户外环境是一个非确定、非结构化的未知复杂环境，表面的土壤非常松软而且崎岖不平，遍布有大量的石块、凹坑。这种环境无疑增加了实验机器人导航避障的难度，单独采用某一种传感器数据形式难以全面、精确的完成障碍的检测和定位，目前的户外障碍目标检测方法无法适应目标多尺度变化，从而导致目标识别错误率较高，且目标检测精度有待提高。

因此，目前亟需一种能够提高障碍检测的精确性、全局性，且降低识别错误率的户外环境障碍检测方法。

发明内容

为此，本发明基于主被动信息融合的户外环境障碍实时检测方法及系统，克服了现有技术的缺陷。

为解决上述技术问题，本发明提供了基于主被动信息融合的户外环境障碍实时检测方法，包括：

步骤S1：根据预设数量的预设环境图像进行第一特征点检测，进而根据所述第一特征点计算平均密度，生成判断阈值；

步骤S2：获取具有预设分辨率的预设视场区域图像，且通过SURF算法对所述预设视场区域图像进行第二特征点检测；

步骤S3：判断所述第二特征点数量是否高于所述判断阈值，若是，则将所述预设视场区域判断为潜障区，若否，则返回步骤S2，重新获取具有预设分辨率的预设视场区域图像；

步骤S4：根据所述潜障区预设方向的点云数据计算实时第一平面法向量，进而计算所述第一平面法向量与基准法向量的夹角；

步骤S5：判断所述夹角是否大于预设角度，若是，则判断出所述潜障区预设方向存在障碍，若否，则返回步骤S2，重新获取具有预设分辨率的预设视场区域图像。

通过采用上述技术方案，采用图像局部特征提取SURF算法分析可见光图像局部特征的空间与纹理分布态势，在此基础上借助点云数据快速标定当前探测场的平面法向量，从而建立基于局部特征与平面法向量比对信息的障碍评估方法，并联立图像局部特征提取数据标定当前视场内对行进构成威胁的障碍，保证了障碍检测的可靠性，便于完成户外环境下的障碍检测。

进一步地，根据预设数量的预设环境图像进行第一特征点检测的方法为：

根据预设数量的户外环境图像、模拟户外环境图像、地面图像进行第一特征点检测。

通过采用上述技术方案，选取若干数量的户外环境图像、模拟户外环境图像、地面图像进行第一特征点检测，能够提高判断阈值的可靠性、正确性。

进一步地，通过SURF算法对所述预设视场区域图像进行第二特征点检测的方法为：