[发明专利]一种基于点云空间二值化的无人机视觉避障方法

摘要

本发明公开了一种基于点云空间二值化的无人机视觉避障方法，属于机器视觉技术领域。在基于双目视觉的无人机避障技术实施过程中，由于双目图像特征匹配存在大量误匹配点，重建的三维点云包含障碍物信息的同时，也包含大量由误匹配引起的噪声信息。该发明针对内部参数及结构参数已确定的双目视觉传感器，按照一定的空间坐标规则将其视场范围分割为边长一定的空间方格，根据双目图像三维点云重建后在各空间方格内的分布数量，通过给定的阈值确定空间方格是否有效，将有效的方格进行统计计算后进行无人机飞行路径规划。该方法在有效去除误匹配点的同时，可保留障碍物的距离及尺寸信息，提高了避障算法鲁棒性和准确度。

主权项

1.一种基于点云空间二值化的无人机视觉避障方法，其特征在于，应用于具有双目视觉系统的无人机，包括以下步骤：(1)标定双目视觉系统的摄像机内部参数及结构参数，所述内部参数包括左右摄像机的主点、焦距和二级畸变系数，所述结构参数包括左右摄像机之间坐标系转换的旋转矩阵及平移向量；(2)设定无人机的当前位置点以及目标点；(3)通过双目视觉避障系统的左右摄像机同时采集一帧场景图像，分别检测两帧图像的SIFT特征点；(4)采用双目视觉系统的极线约束规则对两帧图像的SIFT特征点进行特征点匹配，得到特征点共轭对；(5)根据双目视觉测量模型，计算每一特征点共轭对所对应的空间点在世界坐标系下的三维坐标，所有这些三维坐标即构成当前场景的三维点云信息；(6)设定步长s以及二值化阈值n0，步长s＝v/φ，其中v为无人机的当前飞行速度，φ为摄像机的采集帧频，二值化阈值n0的取值范围为3～5；(7)以步长s为基准，将三维点云信息中的每一个三维坐标换算为整点坐标，统计每一个整点坐标的重复次数；(8)统计所有重复次数≥n0的整点坐标，分别计算这些整点坐标与世界坐标系原点之间的欧式距离，得到所有这些欧式距离中的最小距离；(9)根据人工势场方法，定义无人机势函数和障碍物势函数，通过计算这两个势函数对当前位置点的导数，得到无人机势函数的负梯度和障碍物势函数的负梯度；(10)以无人机势函数与障碍物势函数之和作为无人机在运动空间中的合势函数，以无人机势函数的负梯度与障碍物势函数的负梯度之和作为无人机在运动空间中的合力函数；将当前位置点坐标分别带入合势函数和合力函数，得到的合势函数的函数值表征从高势值位置指向低势值位置的方向，得到的合力函数的函数值表征合力方向；以无人机从高势值位置沿合力方向向低势值位置运动为依据，得到无人机的避障运动速度矢量；(11)根据避障运动速度矢量控制无人机运动到下一位置，将下一位置设定为新的当前位置点，保持目标点不变；(12)重复步骤(3)～(11)，直至无人机到达目标点，避障过程结束。