本文提出一种基于3D视觉传感器的障碍物检测方法, 用于解决准静态场景的障碍物检测的误检、漏检等问题。本文算法首先对3D视觉传感器得到的点云数据进行坐标系转换, 然后以高度值作为尺度因子产生深度图像, 然后与障碍物高度参数进行比较产生二值化图像, 通过计算二值化图像最大连通域大小辨识出障碍物。本算法使用在变电站电力巡检机器人安全巡检项目中, 通过长时间复杂环境运行验证了算法的稳定性和有效性。
障碍物检测 导航 机器人 obstacle detection navigation robot
贵州电网有限责任公司电力调度控制中心, 贵州 贵阳 550002
针对巡检机器人深度视觉系统需要频繁人工标定问题, 提出了一种用于机器人避障与防跌落的深度相机姿态自标定方法。该方法结合相机坐标系与世界坐标系相对关系, 利用平整地面拟合出参数化平面, 在此基础上建立世界坐标系, 进而求解出表示世界坐标系与相机坐标系关系的参数。该方法能够解决传统算法对深度相机标定需要人工标定, 且需要在场景中放置标志信息等操作复杂的问题, 提高了标定效率。实验数据表明提出的方法能准确标定出深度相机姿态参数, 满足了障碍检测与机器人防跌落需求。
机器人 避障 深度相机 自标定 姿态 robot obstacle avoidance depth camera self-calibration pose
