一种基于视觉的扫路机路缘石检测方法与流程

摘要: 本发明涉及计算机视觉与自动驾驶领域,尤其是一种基于视觉的扫路机路缘石检测方法,适用于扫路机的扫路场景。背景技术:1、扫路机是一种集路面垃圾清扫、收集、转运于一体...
一种基于视觉的扫路机路缘石检测方法与流程

本发明涉及计算机视觉与自动驾驶领域,尤其是一种基于视觉的扫路机路缘石检测方法,适用于扫路机的扫路场景。

背景技术:

1、扫路机是一种集路面垃圾清扫、收集、转运于一体的环卫专用工程设备,依托机械结构与电控系统的协同作业,可自动完成城市道路、市政步道、小区园区、工业园区等场景的路面清扫作业,替代人工清扫提升环卫作业效率,是城市环境卫生保障的核心装备;按行驶与控制模式可分为人工驾驶式、半自主式、全自主式,适配不同作业场景;自主式扫路机可实现无人化自主行驶与清扫,适配小区、步道等人员密集的精细化作业场景,也是当前环卫设备智能化、产业化发展的主流方向;自主式扫路机在行驶过程中,可以根据对路缘石的检测,进行距离测算等处理方式,便于规划行驶路线;

2、现有路缘石检测技术多依赖激光雷达,虽精度高但成本昂贵,难以大规模应用于低成本自动驾驶系统。基于视觉的检测方法虽成本低,但通常依赖深度学习,需要大量标注样本,且对光照、场景变化敏感,鲁棒性不足。因此,亟需一种无需大量训练样本、成本低且检测精度高的视觉路缘石检测方法。

3、本发明旨在解决现有技术中路缘石检测成本高、对样本依赖大、鲁棒性差的问题,提出一种基于几何特征的视觉路缘石检测方法,实现低成本、高精度、无需训练的实时检测。

技术实现思路

1、本发明提供一种基于视觉的扫路机路缘石检测方法,用于解决现有技术中路缘石检测成本高、对样本依赖大、鲁棒性差的问题。

2、本发明是这样实现的:

3、本发明提供一种基于视觉的扫路机路缘石检测方法,其中,包括如下步骤:

4、s1:通过单目摄像头采集道路图像,对道路图像进行灰度化与去噪处理的预处理,采用边缘检测算子提取图像中所有边缘;

5、s2:对提取的边线进行筛选与合并预处理,计算边线的方向角差值与端点间距,当二者同时满足预设合并阈值时,将对应断续边线合并为一条连续边线;

6、s3:计算每条边线的方向角(与水平线夹角)及其在图像中的中心位置坐标;s4:计算任意两条边线的方向角度差和平均距离;

7、若方向角差与平均距离同时满足预设阈值约束,即且,则将两条边线归为同一聚类;

8、通过聚类分析,识别出平行或近平行的边线组,作为备选路缘石边线;

9、s5:对每个聚类内的边线,首先进行帧间边线匹配:基于相邻两帧图像中边线的位置邻近性(中心点位移小于预设匹配阈值)与方向一致性(方向角差值小于预设角度阈值),确定前后两帧中属于同一空间物理边线的对应关系;基于摄像头内参与车辆运动信息,采用运动立体视觉原理计算每条边线对应的空间高度;其中车辆运动信息可通过车辆轮速计、imu惯性测量单元或视觉里程计获取,用于得到前后两帧之间摄像头的移动距离;、分别为同一条目标边线在前后两帧像平面中的垂直像素坐标,为摄像头安装高度(光轴距地面的垂直距离),f为摄像头的等效焦距;

10、;

11、s6:在每个聚类中,按照边线在图像中的纵向像素坐标从小到大的顺序,寻找高度满足以下条件的连续三条边线序列:

12、,

13、,

14、;

15、式中为预设的地面交线高度判定阈值;满足上述条件时,判定该三条边线依次为同一块路缘石的远端边线、近端边线及地面交线;

16、s7:依据上述边线,计算路缘石的自身高度以及路缘石到摄像头的水平距离,输出每块路缘石的高度与距离信息。

17、在上述技术方案的基础上,本发明的一种基于视觉的扫路机路缘石检测方法还可以做如下改进:

18、进一步,所述s1包括:

19、s11:采用单目摄像头安装于车辆前部,采集前方道路图像序列;

20、s12:对每帧图像(彩色图像的rgb三个通道信息冗余)进行灰度化处理,采用高斯滤波去除噪声;

21、s13:使用canny算子对预处理后的图像进行边缘检测,获得二值化边缘图;采用霍夫变换等方法提取直线边线。

22、进一步,所述s2包括:

23、s21:设定最小长度阈值,仅保留长度大于的边线,过滤短边线;

24、s22:对断续边线段,若端点距离小于且方向角度差异小于,则合并为一条连续的边线。

25、进一步,所述s3包括:

26、s31:根据边缘检测(如canny)+直线拟合(如霍夫变换),得到每条边线的两个端点像素坐标:

27、设边线的起点坐标为;

28、设边线的终点坐标为;

29、s321:分别计算两个端点在水平方向和垂直方向的像素差值:

30、;

31、;

32、s322:用反正切函数算角度,取绝对值;

33、方向角公式:

34、;

35、s33:中心位置坐标记为,计算公式如下:

36、;

37、。

38、进一步,所述s4包括:

39、s41:根据所述s322的计算得到方向角,计算任意两条边线的方向角度差;

40、角度差公式:;

41、s42:根据所述s33计算任意两条边线的平均距离;

42、中心点距离公式:;

43、平均距离公式:。

44、进一步,所述s7包括:

45、s71:路缘石高度取为近端边线的高度;路缘石

n的高度

hn取为第

n聚类中第

i+1条边线的高度:

46、;

47、s72:路缘石到摄像头的水平距离取为地面交线的水平距离;路缘石

n到摄像头的水平距离为第

i+2条边线到摄像头的水平距离:

48、。

49、与现有技术相比较,本发明提供的一种基于视觉的扫路机路缘石检测方法的有益效果是:

50、成本低廉:仅需普通摄像头,无需激光雷达;无需训练:基于几何特征,无需大量样本训练;实时性强:算法复杂度低,适合实时应用;鲁棒性高:多重筛选与聚类机制,提升检测可靠性;检测准确率高:通过“远端边线-近端边线-地面交线”的三线高度特征协同判定,可有效排除路面标线、阴影等干扰边线,相较于单一边缘检测方案,路缘石识别准确率提升显著,尤其适配光照变化、阴影干扰复杂的环卫作业场景。

1.一种基于视觉的扫路机路缘石检测方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s1包括:

3.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s2包括:

4.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s3包括:

5.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s4包括:

6.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s7包括:

7.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述地面交线高度判定阈值取值为5cm。

8.根据权利要求1所述的一种基于视觉的扫路机路缘石检测方法,其特征在于,所述s4步骤采用dbscan聚类算法完成边线聚类,算法参数设置为: