虚假障碍物识别方法、移动机器人及存储介质与流程

本技术涉及视觉感知，尤其涉及虚假障碍物识别方法、移动机器人及存储介质。

背景技术：

1、在移动机器人（如割草机器人）的作业过程中，视觉系统通过摄像头采集环境图像并从中提取候选障碍物区域，以作为避障决策的依据。然而，由于割草机器人通常工作于户外环境，候选障碍物区域既可能对应真实存在的环境障碍物，也可能由镜头表面附着的水滴、泥土、蜗牛等引起，或由地面光斑、积水反光等光学伪影造成。现有方法在对候选障碍物区域进行真实性判断时，主要依赖单帧图像中的视觉特征，例如纹理或亮度信息，然而，镜头附着物和光学伪影在单帧图像中可能呈现出与真实障碍物相似的纹理和亮度属性，因此仅凭这些静态特征不足以对候选障碍物区域的真实性进行可靠区分，导致无法区分因镜头附着物随机器人运动而产生的异常图像运动与真实环境障碍物应有的正常视场运动。因此，当虚假障碍物在单帧视觉特征上与真实障碍物具有一定相似性时，现有方法难以准确判定该候选障碍物区域是否属于真实障碍物，导致虚假障碍物识别准确性不足。

技术实现思路

1、本技术的主要目的在于提供一种虚假障碍物识别方法、移动机器人及存储介质，旨在解决虚假障碍物识别准确性不足的技术问题。

2、为实现上述目的，本技术提出一种虚假障碍物识别方法，应用于移动机器人，所述虚假障碍物识别方法包括：

3、获取所述移动机器人的多目图像和运动感知数据，并从所述多目图像中提取候选障碍物区域；

4、提取所述候选障碍物区域的视觉真实性特征和时间连续性特征；

5、根据所述运动感知数据对所述候选障碍物区域进行旋转光流补偿，得到所述候选障碍物区域的残差光流位移，并基于所述残差光流位移计算得到所述候选障碍物区域的运动一致性特征，其中，当所述残差光流位移小于预设位移阈值时，将所述运动一致性特征赋值为第一预设值；当所述残差光流位移大于或等于所述预设位移阈值时，将所述运动一致性特征赋值为第二预设值，其中，所述第一预设值小于所述第二预设值；

6、根据所述候选障碍物区域在所述多目图像中左目图像与右目图像之间的匹配程度，得到所述候选障碍物区域的双目一致性特征，其中，所述匹配程度为所述候选障碍物区域在左目图像与右目图像之间的特征相似度，所述特征相似度通过归一化互相关系数量化；当所述归一化互相关系数小于预设相关阈值时，将所述双目一致性特征赋值为第三预设值；当所述归一化互相关系数大于或等于所述预设相关阈值时，将所述双目一致性特征赋值为第四预设值，所述第三预设值小于所述第四预设值；

7、对所述视觉真实性特征、所述时间连续性特征、所述运动一致性特征和所述双目一致性特征进行加权融合，得到所述候选障碍物区域的综合可信度，并根据所述综合可信度，判定所述候选障碍物区域对应的目标属于真实障碍物或虚假障碍物。

8、在一实施例中，所述运动感知数据包括所述移动机器人的角速度信息，所述根据所述运动感知数据对所述候选障碍物区域进行旋转光流补偿，得到所述候选障碍物区域的残差光流位移的步骤包括：

9、通过所述角速度信息计算所述多目图像因所述移动机器人机体自旋运动产生的旋转光流矢量场；

10、从所述候选障碍物区域的原始光流场中剥离所述旋转光流矢量场，得到所述候选障碍物区域的残差光流场；

11、确定所述残差光流场中各像素点的位移矢量幅值，并以所述候选障碍物区域内所有像素点的位移矢量幅值的均值，作为所述候选障碍物区域的残差光流位移。

12、在一实施例中，所述方法包括：

13、当所述运动一致性特征赋值为第一预设值，表征所述候选障碍物区域对应的目标为镜头表面附着物，所述第一预设值为趋近于0的数值；

14、当所述运动一致性特征赋值为第二预设值，表征所述候选障碍物区域对应的目标为真实障碍物，所述第二预设值为趋近于1的数值；

15、当所述双目一致性特征赋值为第三预设值，表征所述候选障碍物区域为单侧镜头遮挡干扰对应的图像区域，所述第三预设值为趋近于0的数值；

16、当所述双目一致性特征赋值为第四预设值，表征所述候选障碍物区域对应的目标为真实障碍物或车体固联异物，所述第四预设值为趋近于1的数值；

17、当所述运动一致性特征为所述第一预设值且所述双目一致性特征为所述第三预设值时，判定所述候选障碍物区域为单侧镜头遮挡干扰对应的图像区域；

18、当所述运动一致性特征为所述第一预设值且所述双目一致性特征为所述第四预设值时，判定所述候选障碍物区域对应的目标为车体固联异物。

19、在一实施例中，所述根据所述候选障碍物区域在所述多目图像中左目图像与右目图像之间的匹配程度，得到所述候选障碍物区域的双目一致性特征的步骤包括：

20、从所述左目图像裁剪所述候选障碍物区域所在位置，得到左目图像块；在所述右目图像中搜索与所述左目图像块相匹配的对应候选障碍物区域，并从所述右目图像中裁剪对应候选障碍物区域，得到右目图像块；

21、计算所述左目图像块与所述右目图像块之间的归一化互相关系数，以根据所述归一化互相关系数，得到所述候选障碍物区域的双目一致性特征。

22、在一实施例中，在所述根据所述综合可信度，判定所述候选障碍物区域对应的目标属于真实障碍物或虚假障碍物的步骤之后，还包括：

23、统计所述多目图像中所述障碍物区域被判定为单侧镜头遮挡干扰对应的图像区域的像素面积总和，计算所述像素面积总和占所述多目图像中图像总面积的比例，得到全局遮挡占比；

24、当所述全局遮挡占比小于或等于预设遮挡阈值时，从所述多目图像的全部像素区域提取候选障碍物区域；

25、当所述全局遮挡占比大于所述预设遮挡阈值时，从所述多目图像中处于预设距离范围以内的像素区域提取候选障碍物区域。

26、在一实施例中，所述根据所述综合可信度，判定所述候选障碍物区域对应的目标属于真实障碍物或虚假障碍物的步骤包括：

27、当所述综合可信度大于预设高阈值时，判定所述候选障碍物区域对应的目标属于真实障碍物；

28、当所述综合可信度小于或等于预设低阈值时，判定所述候选障碍物区域对应的目标属于虚假障碍物；

29、当所述综合可信度大于所述预设低阈值且小于或等于所述预设高阈值时，判定所述候选障碍物区域对应的目标属于待确认障碍物。

30、在一实施例中，所述提取所述候选障碍物区域的视觉真实性特征的步骤包括：

31、计算所述候选障碍物区域的梯度方向直方图的纹理方差；

32、计算所述候选障碍物区域内像素最大亮度值与最小亮度值的比值，得到亮度极值比；

33、当所述纹理方差小于预设纹理阈值且所述亮度极值比大于预设亮度阈值时，判定所述候选障碍物区域为光学伪影干扰，将所述视觉真实性特征赋值为第五预设值，其中，所述第五预设值为趋近于0的数值；

34、当所述纹理方差大于或等于所述预设纹理阈值或所述亮度极值比小于或等于所述预设亮度阈值时，判定所述候选障碍物区域具有实体目标特征，将所述视觉真实性特征赋值为第六预设值，其中，所述第五预设值小于所述第六预设值，所述第六预设值为趋近于1的数值。

35、在一实施例中，提取所述候选障碍物区域的时间连续性特征的步骤包括：

36、获取包含所述候选障碍物区域的连续多帧图像，分别确定所述候选障碍物区域在每相邻两帧图像中的候选障碍物区域位置；

37、计算每相邻两帧图像中候选障碍物区域之间的交并比，并以所有相邻帧交并比的均值作为所述候选障碍物区域的时间连续性特征值。

38、此外，为实现上述目的，本技术还提出一种移动机器人，所述移动机器人包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的虚假障碍物识别方法的步骤。

39、此外，为实现上述目的，本技术还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的虚假障碍物识别方法的步骤。

40、此外，为实现上述目的，本技术还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的虚假障碍物识别方法的步骤。

41、本技术提出的一个或多个技术方案，至少具有以下技术效果：

42、本技术通过运动感知数据对候选障碍物区域进行旋转光流补偿，利用补偿后的残差光流位移得到运动一致性特征，当残差光流位移小于预设位移阈值时，运动一致性特征赋值为第一预设值，表征目标不随机器人平动产生视场偏移；当残差光流位移大于或等于预设位移阈值时，运动一致性特征赋值为第二预设值，表征目标随机器人平动产生正常视场偏移。由此，通过运动一致性特征取值为第一预设值还是第二预设值，能够有效区分镜头附着物与真实环境障碍物。同时根据候选障碍物区域在多目图像中左右目图像之间的匹配程度得到双目一致性特征，匹配程度通过归一化互相关系数量化，当归一化互相关系数小于预设相关阈值时，双目一致性特征赋值为第三预设值；当归一化互相关系数大于或等于预设相关阈值时，双目一致性特征赋值为第四预设值，从而能够识别单侧镜头污染或遮挡引起的成像异常。在此基础上，将视觉真实性特征、时间连续性特征、运动一致性特征和双目一致性特征进行加权融合，从单帧纹理亮度、时序稳定程度、运动一致性和双目匹配性多个维度对候选障碍物区域进行互补判断，从而避免了仅依赖单帧视觉特征所导致的误判，显著提升了虚假障碍物识别的准确性。

43、具体地，由于旋转光流补偿能够利用运动感知数据消除移动机器人自身旋转引起的整体图像运动，使得补偿后的残差光流位移仅反映候选障碍物区域相对于地面的真实视场运动。因此镜头附着物因随车体同步运动而呈现接近零的残差位移，对应运动一致性特征被赋值为第一预设值；而真实环境障碍物因视差变化产生正常的残差位移，对应运动一致性特征被赋值为第二预设值。由于第一预设值趋近于0而第二预设值趋近于1，两者在数值上具有显著差异，从而通过运动一致性特征的取值即可有效区分附着物干扰与真实障碍物。同时，多目图像中左右目对应区域的匹配程度能够揭示单侧镜头污染或遮挡引起的成像不一致：当匹配程度低时，归一化互相关系数小于预设相关阈值，双目一致性特征被赋值为第三预设值；当匹配程度高时，归一化互相关系数大于或等于预设相关阈值，双目一致性特征被赋值为第四预设值。由于第三预设值趋近于0而第四预设值趋近于1，从而能够通过双目一致性特征的取值识别单侧镜头遮挡异常。而视觉真实性特征和时间连续性特征分别从单帧纹理亮度分布和时序位置形态稳定程度识别光学伪影及瞬时干扰，四类特征从不同维度对候选障碍物区域的真实性进行互补判断，加权融合后的综合可信度能够可靠地将虚假障碍物与真实障碍物区分开，从而提升虚假障碍物识别的准确性。