本发明涉及某种楼梯高度宽度视觉检测方法、装置及机器狗，该方法包括以下步骤：S1，采集楼梯图像信息，获得RGB图像和深度图；S2，对RGB图像进行语义分割，得到语义分割图像；S3，计算语义分割图像的横、纵向梯度矩阵；S4，利用梯度信息提取边角点像素坐标；S5，将边角点像素坐标对应到深度图中，计算出楼梯高度与宽度。本发明通过深度信息，计算出视差；通过语义分割得到楼梯边界，通过梯度计算定位处长、宽的边角坐标，继而计算出楼梯的高、宽，为机器狗上楼梯提供视觉辅助，避免机器狗踏在楼梯边缘或者是两级楼梯交界处，利于保证机器狗工作时的稳定。

        1.某种楼梯高度宽度视觉检测方法，其特征在于：包括以下步骤： S1，采集楼梯图像信息，获得RGB图像和深度图； S2，对RGB图像进行语义分割，得到语义分割图像； S3，计算语义分割图像的横、纵向梯度矩阵； S4，利用梯度信息提取边角点像素坐标； S5，将边角点像素坐标对应到深度图中，计算出楼梯高度与宽度。

        2.根据权利要求1所述的某种楼梯高度宽度视觉检测方法，其特征在于：通过对RGB图像进行语义分割，生成二值图像。

        3.根据权利要求1所述的楼梯高度宽度视觉检测方法，其特征在于：在采集楼梯图像信息前，先进行目标检测识别，调整相机的位姿，使楼梯边缘填满整个镜头。

        4.根据权利要求1所述的楼梯高度宽度视觉检测方法，其特征在于：所述S3中，采用公式（1）计算横向梯度矩阵： （1） 采用公式（2）计算纵向梯度矩阵： （2） 其中， 是像素矩阵上某个点的横、纵坐标， 是图像在该点处的像素值。

        5.根据权利要求4所述的楼梯高度宽度视觉检测方法，其特征在于：设 是梯度矩阵， m是矩阵的行数， n是矩阵的列数；设常数 代表步长；则在 中有且仅有一个偏序序列 ： ； ； 其中， 表示矩阵 中的第1行 列元、第2行 列元，……，第 m行 列元； 表示矩阵 中第 a行 b列元； ， 都称为 的一个分量； 设集合 ， 表示正整数集合；则 存在一个子序列 , ； 的每一个分量都在 中对应一个点，定义 中任意相邻的两个分量 ， 为一个线段；其中 ，且(  ； 所述S4具体为：在梯度矩阵上每 个纵向像素计算一次累计横向梯度，或者在梯度矩阵上每 个横向像素计算一次累计纵向梯度； 采用公式（3）计算累积横向梯度： （3） 采用公式（4）计算累积纵向梯度： （4） 其中， 指像素矩阵对应的纵向梯度矩阵， 指像素矩阵对应的横向梯度矩阵； 随后，将累积横向梯度或累积纵向梯度与判决常数进行比较，若大于判决常数，则认为所述线段属于台阶高的一部分；若小于判决常数，则认为所述线段属于台阶宽的一部分； 重复累积横向梯度或累积纵向梯度的计算，得到相对准确的楼梯高、宽的边的起始点坐标，根据矩阵的索引倒推出对应的像素点。

        6.根据权利要求5所述的楼梯高度宽度视觉检测方法，其特征在于：所述的判决常数取1。

        7.某种楼梯高度视觉检测装置，其特征在于：包括图像采集模块、语义分割模块、深度测量模块、梯度计算模块和楼梯高宽计算模块； 图像采集模块：用于采集楼梯图像信息； 语义分割模块：用于对图像进行语义分割，得到楼梯的边界； 深度测量模块：用于获取图像的深度信息，得到深度图； 梯度计算模块：根据语义分割图像计算出梯度信息，并根据梯度信息提取边角点像素坐标； 楼梯高宽计算模块：将边角点像素坐标映射到深度图中，计算出楼梯高度与宽度。

        8.根据权利要求7所述的楼梯高度视觉检测装置，其特征在于：还包括目标检测模块：用于根据采集的楼梯图像信息进行相机位姿检测。

        9.某种机器狗，其特征在于：包括权利要求7或8中任一项所述的楼梯高度视觉检测装置。

        10.根据权利要求9所述的机器狗，其特征在于：包括双目深度摄像机模块。

文章来源：互联网，倘若您发现本站有侵权或不当信息，请与本站联系，经本站核实后将尽快修正！