栅格法视觉传感集成及机器人实时避障

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (24): 233-235.

栅格法视觉传感集成及机器人实时避障

罗荣贵，屠大维

上海大学机电工程与自动化学院，上海 200072

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-08-21 发布日期:2011-08-21

Vision sensors integration based grid-method for robot real-time obstacle detection

LUO Ronggui，TU Dawei

School of Mechatronics Engineering and Automation，Shanghai University，Shanghai 200072，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-08-21 Published:2011-08-21

摘要/Abstract

摘要： 研究移动机器人在室内环境下集成双目视觉和激光测距仪信息进行障碍物实时检测。由双目视觉系统检测环境获取视差信息，通过直接对视差信息进行地平面拟合的方法快速检测障碍物;拟合过程中采用了随机采样一致性估计算法去除干扰点的影响，提高了障碍物检测的鲁棒性。用栅格地图表示基于机器人坐标系的地平面障碍物信息并对栅格信息进行提取，最后把双目视觉与激光测距得到的栅格信息进行集成。实验表明，通过传感信息集成，移动机器人既得到了充分的障碍物信息，又保证了检测的实时性、准确性。

关键词: 传感集成, 视差平面, 随机采样一致性, 栅格, 实时避障

Abstract: Real-time obstacles detection of mobile robot in indoor environments based on the integrated system of stereo vision and laser range finder is investigated.Disparity information is obtained from stereo vision system.Fast method for obstacles detection is used for stereo vision system by fitting ground plane directly from disparity information;an algorithm named RANSAC（Random Sample Consensus） is used to filter the noise points and it can make the detection robustly.Then occupancy grid map is obtained from obstacles information on ground plane based on 3D world model.Grid data is extracted and then is used to fuse the integrated information provided by stereo vision system and laser range finder.Experimental results show that the integrated vision sensors of mobile robot not only obtain adequate obstacles information，but also ensure the real-time and accuracy performance.

Key words: sensors integration, disparity plane, Random Sample Consensus（RANSAC）, occupancy-grid, real-time obstacle detection

罗荣贵，屠大维. 栅格法视觉传感集成及机器人实时避障[J]. 计算机工程与应用, 2011, 47(24): 233-235.

LUO Ronggui，TU Dawei. Vision sensors integration based grid-method for robot real-time obstacle detection[J]. Computer Engineering and Applications, 2011, 47(24): 233-235.

[1]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[2]	周睿慜，李辉. 改进动态规划算法的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(21): 20-24.
[3]	于赫年，白桦，李超. 仓储式多AGV系统的路径规划研究及仿真[J]. 计算机工程与应用, 2020, 56(2): 233-241.
[4]	刘安睿劼，王耀力. 基于轮式机器人的实时3D栅格地图构建[J]. 计算机工程与应用, 2020, 56(13): 164-171.
[5]	赵江，王晓博，郝崇清，刘慧贤，薛文艳，王昭雷. 栅格图特征提取下的路径规划建模与应用[J]. 计算机工程与应用, 2020, 56(10): 254-260.
[6]	陈欢1，沙超1，2，吴梦庭3，王汝传1. 基于虚拟栅格的传感网能量空洞缓解方法[J]. 计算机工程与应用, 2018, 54(2): 102-106.
[7]	刘世永，陈荦，熊伟，吴烨，李军. 基于MPI的大规模栅格影像并行瓦片化算法[J]. 计算机工程与应用, 2018, 54(1): 48-53.
[8]	吴晗1，李巍2，董明利1. 基于RANSAC的便携式激光扫描测量臂手眼标定方法[J]. 计算机工程与应用, 2017, 53(23): 256-260.
[9]	李熙莹，吕硕，袁敏贤，江倩殷，余志. 基于散热器栅格背景精确分类的车标定位方法[J]. 计算机工程与应用, 2017, 53(2): 206-213.
[10]	王军华1，李丁1，刘盛鹏2. 基于改进RANSAC的消防机器人双目障碍检测[J]. 计算机工程与应用, 2017, 53(2): 236-240.
[11]	卢敏1，2，王金茵1，2，卢刚3，陶伟东1，2，王结臣1，2. CPU/GPU异构混合并行的栅格数据空间分析研究#br# ——以地形因子计算为例[J]. 计算机工程与应用, 2017, 53(1): 172-177.
[12]	于飞1，马慧2，陈斐楠1，邹梅魁1. 三维海底栅格地形在潜器路径规划中的应用[J]. 计算机工程与应用, 2016, 52(5): 241-245.
[13]	刘锴1，游晓明1，刘升2. 复杂环境移动机器人路径规划的改进蚁群算法[J]. 计算机工程与应用, 2016, 52(13): 60-63.
[14]	徐旭1，2，刘伟1. 线目标缓冲区生成的矢栅混合算法研究[J]. 计算机工程与应用, 2014, 50(4): 152-156.
[15]	吴博1，2，文元桥1，2，肖长诗1，2. 一种内河海事无人艇路径规划算法设计与仿真[J]. 计算机工程与应用, 2013, 49(14): 241-246.