安保机器人作为人工智能、自动控制等技术的综合体,对保障民生安全具有重大意义。受限于车底结构非完整平面,光照不充分,车速非匀速等因素,目前安保机器人对车底高危目标识别准确率较低,检测效率亟待提高。为此,本文提出了一种安保机器人车底高危目标检测方法。首先采用双边滤波器处理输入图像并进行一次小波变换,再将小波域中的低频图像作为输入并利用SURF(Speeded up Robust Features)提取特征点,然后使用基于方向和尺度约束的单向匹配策略寻找匹配点对。在此基础上,采用改进的减小迭代次数的RANSAC(Random Sample Consensus)算法剔除错误匹配点对,并校正目标图像,最后采用基于卷积的NCC算法分块匹配策略寻找危险品位置。实验结果表明,在特征匹配部分本方法相对于SURF+RANSAC算法的匹配正确率提高1.3%,耗时缩短24.2%,在后续目标检测阶段能够标定出危险品...