基于立体视觉的3D感知避障与ROS车辆V2X通信协同驾驶系统
基于立体视觉的3D感知避障
在为智能轮椅等设备实现避障功能时,基于立体视觉的深度感知技术成为了研究热点。不过,引入这种深度感知需要精细的参数调整,以及合适的避障技术整合,比如地面平面分割。
立体相机的创建与集成
为了更广泛地感知周围环境,在轮椅两侧各安装了一个ZED立体相机。为了更好地应对垂直和水平视差,相机与地面平面呈45°角放置。由于缺乏ZED相机的特定插件,需要创建一个3D模型。使用统一机器人描述格式(URDF)创建并参数化了该模型,其反映了真实ZED相机的尺寸,相机之间的基线距离为12cm。标准相机插件负责帧采集过程,满足ZED相机的配置要求,如110°的视野(FOV)和高清分辨率。
以下是相关步骤总结:
1. 安装位置:轮椅两侧,与地面呈45°角。
2. 模型创建:使用URDF创建3D模型。
3. 参数设置:基线距离12cm,FOV 110°,高清分辨率。
4. 采集插件:标准相机插件。
深度感知
传感器设置完成后,可通过在两个图像源之间创建视差图来确定深度感知。ROS立体图像处理负责将两个相机的原始图像组合,构建视差图和相应的点云。基于生成的点云,使用时空体素层(STVL)进行三维环境表示。为减少点云上的离群点数量,应用了斑点滤波器,将最小斑点大小设置为500像素。最后,将每个ZED相机获得的点云进行合并,以获得更好的世界感知。
深度感知流程如下:
graph LR
A[采集左右图像] --
超级会员免费看
订阅专栏 解锁全文

595

被折叠的 条评论
为什么被折叠?



