|
1)生成ROI圖像:圖像大小為720×1280p,相機垂直視場角θv=30°,其位置離地GZC = -0.86m,綜合考慮機器人移動速度及識別效率,視線Z遠處到相機的水平距離取YC = 15m,帶入公式(1)得,h = 0.393h0,因此ROI區(qū)域的G度為0.607h0到h0,寬度不變(圖 3.1(b))。
2)生成灰度二值圖:經(jīng)過灰度化、中值濾波等處理后,選擇權(quán)重系數(shù)graycoe=0.4,根據(jù)公式(2)計算分塊子圖像的灰度閾值,二值化結(jié)果如圖 3.1(f)。
3)生成組合二值圖:使用sobel算子提取車道線特征,并二值化處理,再與圖 3.1(f)做位與運算,除去噪聲,效果如圖 3.1(i)所示。
4)生成車道線特征圖:使用Hough變換提取圖像中直線特征,并對兩側(cè)車道線求均值得到中心線,得到圖 3.1(k)中的車道線特征圖。
5)相機位姿和道路寬度求解:在逆透視變換圖 3.1(l)中,取道路中心線兩端點,并根據(jù)式(3)-(7)得到相機姿態(tài)角θcam 和偏距dcam,及道路寬度wroad。
基于原始RGB圖像得到的機器人姿態(tài)及道路寬度信息,并在RVIZ中將結(jié)果可視化,圖 3.2展示了同時刻的機器人及道路狀態(tài)信息,與室內(nèi)廊道情況相似,構(gòu)造規(guī)劃地圖模型,其中紅色虛線部分表示視覺盲區(qū)。
圖 3.3(a)展示了室外道路寬度測算結(jié)果,均值4.2m,Z大偏差0.3m,圖 3.3(b)為機器人位姿變化曲線圖。整個曲線變化平滑,與機器人運動規(guī)律相符。故,實驗結(jié)果驗證了室外道路建模方法正確且可行,并具有良好的穩(wěn)定性和精度。
上述對障礙物、室內(nèi)廊道、室外道路建模實驗的測試結(jié)果,基于ZED-TX2平臺能夠?qū)崟r采集環(huán)境數(shù)據(jù)并生成輕量J地圖模型,驗證了第二章節(jié)中環(huán)境建模理論的正確性及可行性,為機器人運動規(guī)劃提供了基礎(chǔ)。
|