Research on Wild Pit Region Detection Based on Stereo Vision

野外环境中有很多坑区域，这给工作在此环境中机器人的移动带来很大的困难。传统的对环境的检测方法有红外、超声波、激光和视觉等，本文使用视觉来实现对坑区域的检测。首先通过标定获取左右相机矫正后的图像，之后对图像进行预处理，然后通过阈值分割和非规则圆区域的提取获取疑似坑区域，最后利用双目视觉进一步实现坑的判定并完成坑区域的定位和测距。具体工作如下：1.使用Opencv标定程序与Matlab标定工具箱配合完成摄像机标定。2.对图像进行了滤波和形态学处理；根据工程需要和野外坑特点去除一部分不满足要求区域。为了确定阈值范围，使用了已有的两种经典阈值分割方法和本文设计的两种算法来对图像进行分割试探，为下一步提取疑似坑区域做好准备。3.分析了已有的有关圆提取算法在面对野外坑区域时具有的不足，分析了野外环境下坑区域所具有的特点，本文设计了两种结合坑特征的阈值分割方法。通过阈值面积消去、计算梯度、区域旋转、圆相似度计算、计算扁平率与出现频率之间关系等步骤有效提取出了疑似坑区域。4.根据野外环境下坑与周围环境的特点。设计了SURF特征点匹配和半全局匹配结合使用的方案，完成了疑似坑区域的判定、测距和定位。通过实验最后验证了本文所使用的方法和方案提取准确率高、鲁棒性好，运行时间短，是一种有效的方法。本文的工作丰富了机器视觉在野外环境中有关坑提取的研究内容，对工作于野外环境中机器人的视觉检测处理提供了一种解决方案