复杂野外环境下基于多传感器融合的机器人障碍物检测

可靠的障碍物检测能力是智能移动机器人实现复杂野外环境下安全导航的前提。该环境下种类繁多、属性各异的障碍物类型以及复杂的背景环境给障碍检测带来了巨大的挑战。本项目先针对较复杂的两类野外障碍形式：水面和受杂草掩蔽的突起障碍物，分别提出了基于彩色立体视觉的检测方法和融合激光雷达和彩色图象的检测方法，较好地解决了水面倒影以及杂草等给检测带来的困难。针对目前大多数方法受环境影响大的弱点，提出了采用机器学习的多传感器融合障碍检测框架。该框架既能保留一些品质优良的人工检测器，又具有机器学习的对环境适应能力强的特点。通过最高层的检测器融合还实现了间接的多传感器自动优化组合。其中采用的机器学习方法之一boosting方法，只要能够获得比随机猜测略好的检测器，就可以通过机器学习自动获得准确率较高的检测器，为检测一些较难判别的障碍物提供了一种很好的思路和可能的解决方案。