基于深度相机的室内障碍物检测算法

摘要

常用的背景差分法、GrabCut等图像分割算法存在分割效率较低且易受环境噪声干扰等问题,导致室内移动机器人对障碍物的检测精度不高,为此本文提出一种融合深度信息的目标分割算法,并在此基础上实现较高精度的障碍物尺寸测量。首先通过SSD网络模型得到障碍物的检测框,将检测框中图像转换到HSI颜色空间,并根据得到的饱和度和亮度信息用K-Means聚类进行预分割处理;然后根据深度相机获取的几何信息,以预分割图像中最近点为中心进行区域生长搜索以实现精分割;最后对目标分割图像进行区域分析,得到最优测量区域(线段),在利用线性拟合对所选线段端点进行深度估测之后计算三维等高点的欧氏距离,从而得到目标尺寸。实验证明,与GrabCut算法相比,本文目标分割算法在运算速度、抗噪性和分割效果上优势明显,对障碍物的测量精度在98.4%以上且性能比较稳定。