基于改进RANSAC的消防机器人双目障碍检测

doi:10.3778/j.issn.1002-8331.1504-0075

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (2): 236-240.DOI: 10.3778/j.issn.1002-8331.1504-0075

基于改进RANSAC的消防机器人双目障碍检测

王军华1，李丁1，刘盛鹏2

1.上海大学通信与信息工程学院，上海 200072
2.公安部上海消防研究所，上海 200438

出版日期:2017-01-15 发布日期:2017-05-11

Improved RANSAC estimation based fire-fighting robot obstacle detection using binocular vision

WANG Junhua1, LI Ding1, LIU Shengpeng2

1.School of Communication and Information Engineering, Shanghai University, Shanghai 200072, China
2.Shanghai Fire Research Institute of Ministry Public Security, Shanghai 200438, China

Online:2017-01-15 Published:2017-05-11

摘要/Abstract

摘要： 针对消防机器人自主作业的障碍物快速检测问题，给出了一种基于改进随机采样一致性估计的双目障碍物检测算法。该算法首先采集双目视觉左右视图，进行半全局立体匹配获取视差信息，然后采用随机采样一致性估计的平面拟合法提取地平面模型，并采用预检验法和内点阈值限定法同时对随机采样一致性估计进行改进，从而提高算法效率，实现障碍物快速检测。实验结果证明该方法能够准确、快速检测障碍物，满足消防机器人作业需求。

关键词: 立体匹配, 随机采样一致性, 预检验, 平面拟合, 障碍物检测

Abstract: Considering the fast obstacle detection of autonomous stereo vision fire-fighting robot, an improved algorithm based on RANSAC（Random Sample Consensus） is proposed in this paper. The method collects left and right view from stereo vision system firstly to obtain the disparity by using SGBM（Semi-Global Stereo Matching）, then extracts ground plane directly though fitting. In order to enhance algorithm efficiency, RANSAC estimation is improved by pre-verification and threshold-constrained. Experimental result shows that the proposed method satisfies the task of autonomous fire-fighting robot adequately, and is able to detect obstacles not only accurately but in real time.

Key words: stereo matching, Random Sample Consensus（RANSAC）, pre-verification, fitting ground plane, obstacle detection

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.

WANG Junhua1, LI Ding1, LIU Shengpeng2. Improved RANSAC estimation based fire-fighting robot obstacle detection using binocular vision[J]. Computer Engineering and Applications, 2017, 53(2): 236-240.

[1]	张忠民，刘金鑫，席志红. 熵率超像素分割一致性检验视差细化算法[J]. 计算机工程与应用, 2021, 57(5): 204-209.
[2]	畅雅雯，赵冬青，单彦虎. 多特征融合和自适应聚合的立体匹配算法研究[J]. 计算机工程与应用, 2021, 57(23): 219-225.
[3]	李婕，巩朋成. 结合传播滤波的立体匹配算法研究[J]. 计算机工程与应用, 2020, 56(19): 189-196.
[4]	潘卫华，杜旭. 基于改进自适应权重的三边滤波立体匹配算法[J]. 计算机工程与应用, 2020, 56(18): 186-192.
[5]	邓宇，谌贵辉，李忠兵，张军豪，亢宇欣，夏旭洪. 基于颜色与边缘融合的非局部立体匹配算法[J]. 计算机工程与应用, 2020, 56(10): 199-204.
[6]	郭倩，张福杨，孙农亮. 融合多特征表示和超像素优化的双目立体匹配[J]. 计算机工程与应用, 2020, 56(1): 216-223.
[7]	马龙，孙铭泽，黄超，裴昕，周航，张鸿燕. 基于强相似点检测快速双目立体匹配算法[J]. 计算机工程与应用, 2018, 54(6): 193-197.
[8]	王春艳，朱华平，胡鹏辉. 二维立体匹配模型及其数值解法[J]. 计算机工程与应用, 2018, 54(22): 186-190.
[9]	李玉峰，陈瑞宁. 基于平面拟合恢复运动矢量的错误隐藏算法[J]. 计算机工程与应用, 2018, 54(2): 182-187.
[10]	曹晓倩，孙连山，李健. 斜面参数优化全局立体匹配算法研究[J]. 计算机工程与应用, 2018, 54(17): 198-201.
[11]	董本志，张丽君，景维鹏. 基于前向搜索的快速视差范围估计方法[J]. 计算机工程与应用, 2017, 53(24): 213-218.
[12]	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.
[13]	冯彬彬1，蒋新华1，2，林俊杰2，聂明星2. 基于FPGA的实时SGM匹配算法研究与实现[J]. 计算机工程与应用, 2017, 53(22): 163-168.
[14]	陈卉，胡立坤，黄钰雯. 采用高斯混合模型及树结构的立体匹配算法[J]. 计算机工程与应用, 2017, 53(20): 195-200.
[15]	郭艾侠，彭明明，邢仲璟. 机器视觉技术在荔枝识别与定位研究中的应用[J]. 计算机工程与应用, 2017, 53(17): 218-223.

基于改进RANSAC的消防机器人双目障碍检测

Improved RANSAC estimation based fire-fighting robot obstacle detection using binocular vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics