一种基于双目视觉系统的无人机避障方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110209184A(43)申请公布日2019.09.06(21)申请号201910543933.8(22)申请日2019.06.21(71)申请人太原理工大学地址030024山西省太原市迎泽西大街79号(72)发明人马珺覃志强陈德鹏(74)专利代理机构太原高欣科创专利代理事务所(普通合伙)14109代理人崔雪花冷锦超(51)Int.Cl.G05D1/08(2006.01)G05D1/10(2006.01)权利要求书2页说明书5页附图6页(54)发明名称一种基于双目视觉系统的无人机避障方法(57)摘要本发明公开了一种基于双目视觉系统的无人机避障方法，该方法通过双目视觉系统获得图像信息后得到深度图信息；利用生态学方法结合指数加权移动平均值算法对深度图进行去噪操作；基于区域生长的阈值分割算法提取障碍轮廓，同时用矩形框进行拟合得出视差值；通过相似三角定理求出障碍距离；将所得距离传入飞行控制器，与预先设定的阈值距离作比较后发出不同指令，无人机在准确的时机完成避障；本发明将形态学方法与指数加权移动平均值算法结合，提升了深度图去噪程度，提高了无人机与障碍物之间距离的计算精度，提高了无人机快速视觉避障能力，其准确度相较于现存算法有较大提升。CN110209184ACN110209184A权利要求书1/2页1.一种基于双目视觉系统的无人机避障方法，其特征在于，具体包括以下步骤：1）利用双目摄像机获取无人机正前方的图像，得到左图像和右图像；2）对图像进行灰度化，得到图像的各像素点特征信息，对这些信息进行立体匹配，从而得到深度图信息；3）获取深度图，依次使用形态学方法和指数加权移动平均值算法进行深度图去噪；所述的形态学方法是将深度图转换为二值深度图，三次形态开放操作在二值深度图，三次形态关闭操作在进程图像；所述的指数加权移动平均值算法具体计算公式为：EWMA(t)=aY(t)+(1-a)EWMA(t-1)，t=1，2，……，n；其中，EWMA(t)为t时刻的估计值，Y(t)为t时刻的测量值，n为观察总时间，a(0<a<1)为历史测量值权重系数；取多个a值，并通过信噪比曲线来确定最大信噪比所对应a值；4）用基于区域生长的阈值分割算法提取障碍轮廓，同时用矩形框进行拟合；5）得到视差值，从而得到障碍物与无人机之间的距离；6）设置无人机避障阈值距离，将得到距离与阈值进行比较，并将这些数据信息传入飞行控制器，飞行控制器根据这些信息进行判断，从而做出相应的动作。2.根据权利要求1所述一种基于双目视觉系统的无人机避障方法，其特征在于，步骤1所述利用双目摄像头获取无人机的图像具体为：将双目摄像头安装在无人机正前方，对双目摄像头进行标定，从而得出内参矩阵、外参矩阵、畸变参数，利用摄像头获得的图像，根据获得的内外参矩阵以及畸变参数对摄像头进行校正，得到无畸变且行对准图像。3.根据权利要求2所述一种基于双目视觉系统的无人机避障方法，其特征在于，所述步骤2为：将得到的无畸变且行对准图像进行灰度化，灰度化的图像经过高斯滤波法滤波，拉普拉斯算子锐化和提高图像边缘，得到像素信息。4.根据权利要求1所述一种基于双目视觉系统的无人机避障方法，其特征在于，步骤2所述立体匹配为：利用区块匹配算法对处理后的图像进行立体匹配，得到深度图，在区块匹配算法中，用SAD窗口计算出左右两幅图像中像素点灰度区别之和，具体计算公式为：其中，为左图像像素灰度，为右图像像素灰度，为邻域窗口，d为视差值。5.根据权利1所述一种基于双目视觉系统的无人机避障方法，其特征在于，步骤3所述获取深度图具体过程为：利用视差图和校正参数，在三维空间中重投影左右图像平面的图像点，重投影矩阵Q的计算公式为：Q=其中，（）为左图像的主点，f为左镜头的焦距，为右图像上与左图像中对应的位置；由二维坐标转换为三维坐标的具体计算公式为：2CN110209184A权利要求书2/2页Q其中，d为视差值；所以，利用重投影矩阵Q可获得深度信息z，具体计算公式为形式为：z=Z/W。6.根据权利要求1所述一种基于双目视觉系统的无人机避障方法，其特征在于，步骤6所述设置无人机避障阈值距离，将得到距离与阈值进行比较是通过三角形的相似定理得出理论距离，与所设定的阈值距离进行比较，得到不同的飞行模式。7.根据权利要求6所述一种基于双目视觉系统的无人机避障方法，其特征在于，所述的飞行模式包括：自然飞行模式、报警模式和避障模式；所述自然飞行模式是理论距离大于阈值距离时，无人机将信息传送给飞行控制器，飞行控制器下达继续保持前进的指令；所述报警模式是理论距离等于阈值距离时，无人机将信息传送给飞行控制器，飞行控制器下达LED灯闪烁红色指令；所述避障模式是理论距离小于阈值距离时，无人机将