 |
|
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：經過灰度化、中值濾波等處理后，選擇權重系數graycoe=0.4，根據公式（2）計算分塊子圖像的灰度閾值，二值化結果如圖 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，并根據式（3）-（7）得到相機姿態角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及道路寬度信息，并在RVIZ中將結果可視化，圖 3.2展示了同時刻的機器人及道路狀態信息，與室內廊道情況相似，構造規劃地圖模型，其中紅色虛線部分表示視覺盲區。 圖 3.3（a）展示了室外道路寬度測算結果，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，與機器人運動規律相符。故，實驗結果驗證了室外道路建模方法正確且可行，并具有良好的穩定性和精度。 上述對障礙物、室內廊道、室外道路建模實驗的測試結果，基于ZED-TX2平臺能夠實時采集環境數據并生成輕量J地圖模型，驗證了第二章節中環境建模理論的正確性及可行性，為機器人運動規劃提供了基礎。
|
| 版權所有 © 北京創澤智慧機器人科技有限公司 地址：北京 清華科技園C座五樓 電話：4006-937-088 京ICP備20010582號-2 |
