Tránh chướng ngại vật với tầm nhìn stereo

Question

Tôi đang làm việc trên hệ thống tránh chướng ngại vật dựa trên máy ảnh stereo dành cho rô-bốt di động. Nó sẽ được sử dụng trong nhà, vì vậy tôi đang làm việc với giả thiết rằng mặt đất phẳng. Chúng tôi cũng có được thiết kế môi trường của riêng mình, vì vậy tôi có thể tránh các loại trở ngại cụ thể tạo ra các mặt tích cực hoặc âm bản sai.

Tôi đã tìm thấy rất nhiều tài nguyên để hiệu chỉnh máy ảnh và nhận các hình ảnh xếp hàng, cũng như thông tin về việc tạo bản đồ độ sâu/độ sâu khác nhau. Những gì tôi đang đấu tranh với là kỹ thuật để phát hiện những trở ngại từ điều này. Một kỹ thuật thay vì làm việc bằng cách phát hiện máy bay mặt đất sẽ hữu ích.

Tôi đang làm việc với openCV và sử dụng cuốn sách Learning OpenCV làm tài liệu tham khảo.

Cảm ơn, tất cả

Answer 1

Từ các tài liệu tôi đã đọc, có ba phương pháp chính:

1. máy bay mặt đất tiếp cận xác định mặt phẳng mặt đất từ ​​các dữ liệu âm thanh stereo và cho rằng tất cả các điểm mà không phải trên máy bay là những trở ngại. Nếu bạn cho rằng mặt đất là mặt phẳng thống trị trong ảnh, thì bạn có thể tìm thấy nó đơn giản là mặt phẳng tới đám mây điểm được tái tạo bằng cách sử dụng thuật toán phù hợp mô hình mạnh mẽ (chẳng hạn như RANSAC).

2. Cách tiếp cận bản đồ chênh lệch bỏ qua chuyển đổi đầu ra stereo thành đám mây điểm. Các thuật toán phổ biến nhất mà tôi đã nhìn thấy được gọi là v-disparity và uv-disparity. Cả hai đều tìm kiếm các thuộc tính giống nhau trong bản đồ chênh lệch, nhưng sự chênh lệch về tia cực tím có thể phát hiện một số loại chướng ngại vật mà sự khác biệt một mình không thể.

3. Phương pháp đám mây điểm chiếu bản đồ chênh lệch vào đám mây điểm ba chiều và xử lý các điểm đó. Một ví dụ là "thuật toán hình nón ngược" sử dụng chiều cao chướng ngại vật tối thiểu, chiều cao cản tối đa và độ nghiêng mặt đất tối đa để phát hiện các chướng ngại vật trên địa hình tùy ý, không bằng phẳng.

Trong ba cách tiếp cận này, việc phát hiện mặt đất là đơn giản và đáng tin cậy nhất. Nếu môi trường của bạn có những chướng ngại vật thưa thớt và nền đất kết cấu, nó sẽ là đủ. Tôi không có nhiều kinh nghiệm với cách tiếp cận bản đồ bất bình đẳng, nhưng kết quả trông rất hứa hẹn. Cuối cùng, thuật toán Manduchi hoạt động rất tốt trong phạm vi điều kiện rộng nhất, bao gồm cả địa hình không đồng đều. Thật không may, nó rất khó thực hiện và cực kỳ tốn kém tính toán.

Tài liệu tham khảo:

• v-Chênh lệch: Labayrade, R. và Aubert, D. và Tarel, JPReal thời gian phát hiện chướng ngại vật trong stereovision trên phi hình học đường bằng phẳng thông qua đại diện v-chênh lệch
• uv-Chênh lệch: Hu, Z. và Uchimura, K.UV-chênh lệch: một thuật toán hiệu quả để phân tích cảnh stereovision dựa
• Inverted Cone một thuật toán: Manduchi, R. và Castano, A. và Talukder, A. và Matthies, L.Phát hiện chướng ngại vật và phân loại địa hình cho điều hướng tự do off-road

Có một vài bài báo về thuật toán phát hiện vật cản mặt đất, nhưng tôi không biết một thuật toán nào tốt trên đỉnh đầu. Nếu bạn chỉ cần một điểm khởi đầu, bạn có thể đọc về triển khai của tôi cho một dự án gần đây trong Phần 4.2.3 và Phần 4.3.4 của this design report. Không có đủ không gian để thảo luận về việc triển khai đầy đủ, nhưng nó giải quyết một số vấn đề bạn có thể gặp phải.