一种机器人路径规划及激光图像融合方法与流程

本申请发明涉及图像融合领域，尤其涉及机器人路径规划及激光图像融合方法。

背景技术：

1、在移动机器人路径规划技术领域，对障碍物的识别通常采用传感器识别或图像识别，单一传感器光电成像系统获取的图像往往不能全方位地描述场景。对于不同类型的传感器，由于其成像原理的区别，捕捉的图像往往具有很大的差异。为解决单一传感器成像系统在时间、空间、光谱信息存在表示不完整的问题，通常采用图像融合技术。

2、多传感器图像融合是一种图像增强技术，能够将不同种类传感器捕获的图像整合在一起，该技术在目标识别、遥感、监控等计算机视觉任务中起着至关重要的作用，红外传感器能够区分目标和背景，适应于全天时/全天候条件下，工作，其捕捉的红外图像包含的细节信息少，分辨率低；可见光传感器对天气和光照变化等环境因素较敏感，其获取的可见光图像纹理细节丰富，分辨率高。

3、一些传统的红外与可见光图像融合方法在设计融合规则时，专注于提取到的特征信息，未能充分利用源图像本身的显著语义特征和一些纹理轮廓特征，导致融合图像目标区域不显著、细节信息缺失、边缘模糊。

技术实现思路

1、为了解决如上所述的现有技术的问题，本发明的目的在于提供一种机器人路径规划及激光图像融合方法，在同一时间，同一场景利用激光传感器采集机器人行进路线中包含障碍物的激光红外图像，利用相机采集机器人行进路线中包含障碍物的2d图像；通过特征提取，获取包含障碍物特征信息的特征融合图像，通过分解激光红外图像，获得激光红外图像梯度图，融合特征融合图像及激光红外图像梯度图，获取激光融合图像，

2、所述特征融合图像获取方法包括；采用vsm显著性检测算法,提取障碍物区域信息，获得特征信息图像ba,及背景图像ba，并提取出障碍物区域权重矩阵，

3、

4、wbb(x,y)＝1-wba(x,y)

5、其中，φa(x,y)和φb(x,y)分别表示特征信息及背景信息在坐标(x,y)处的显著性值，wba(x,y)和wbb(x,y)分别表示特征信息及背景信息在坐标(x,y)处的权重值；并计算特征融合图像f

6、f＝wbaba+wbbbb。

7、所述激光红外图像梯度图由下式计算：

8、

9、其中ib是激光红外图像。

10、融合特征融合图像及激光红外图像梯度图的方法包括：

11、

12、针对激光图像融合系统，包括激光雷达扫描仪，所述激光雷达扫描仪通过照射激光来扫描所述激光雷达扫描仪以获取激光红外图像，以获取用于获取位于机器人行进路径中的激光红外图像，相机，所述相机用于获取所述机器人行进路径中的2d图像，图像融合模块，其融合特征融合图像及激光红外图像梯度图，获取激光融合图像。

13、根据本发明的方法，具有如下效果：本申请提出一种激光图像与2d图像的图像融合方法，增强融合图像的对比度和清晰度，并创新地引入了梯度信息来补充融合结果的纹理特征，提高了图像的准确度和清晰度。

技术特征：

1.一种激光图像融合方法,其特征在于，在同一时间，同一场景利用激光传感器采集机器人行进路线中包含障碍物的激光红外图像，利用相机采集机器人行进路线中包含障碍物的2d图像；通过特征提取，获取包含障碍物特征信息的特征融合图像，通过分解激光红外图像，获得激光红外图像梯度图，融合特征融合图像及激光红外图像梯度图，获取激光融合图像。

2.根据权利要求1所述的激光图像融合方法，其特征在于，所述特征融合图像获取方法包括；采用vsm显著性检测算法,提取障碍物区域信息，获得特征信息图像ba,及背景图像ba，并提取出障碍物区域权重矩阵，

3.根据权利要求2所述的激光图像融合方法，其特征在于，所述激光红外图像梯度图由下式计算：

4.根据权利要求3所述的激光图像融合方法，其特征在于，融合特征融合图像及激光红外图像梯度图的方法包括：

5.一种机器人路径规划方法，其特征在于，包括现如权利要求1-4任一项所述激光图像融合方法，针对融合后的图像对机器人行进路线进行路径规划。

6.一种激光图像融合系统，其特征在于，包括激光雷达扫描仪，所述激光雷达扫描仪通过照射激光来扫描所述激光雷达扫描仪以获取激光红外图像，以获取用于获取位于机器人行进路径中的激光红外图像，相机，所述相机用于获取所述机器人行进路径中的2d图像，图像融合模块，其融合特征融合图像及激光红外图像梯度图，获取激光融合图像。

技术总结
本申请发明涉及图像融合领域，尤其涉及机器人路径规划及激光图像融合方法，包括在同一时间，同一场景利用激光传感器采集机器人行进路线中包含障碍物的激光红外图像，利用相机采集机器人行进路线中包含障碍物的2D图像；通过特征提取，获取包含障碍物特征信息的特征融合图像，通过分解激光红外图像，获得激光红外图像梯度图，融合特征融合图像及激光红外图像梯度图，获取激光融合图像，本申请提出一种激光图像与2D图像的图像融合方法，增强融合图像的对比度和清晰度，并创新地引入了梯度信息来补充融合结果的纹理特征，提高了图像的准确度和清晰度。

技术研发人员：张冬,胥保成,张淮宁,刘灵光
受保护的技术使用者：国网江苏省电力有限公司淮安供电分公司
技术研发日：
技术公布日：2024/3/24