一種溫室智能移動機器人視覺導航路徑識別方法
2023-10-27 07:25:17 1
一種溫室智能移動機器人視覺導航路徑識別方法
【專利摘要】本發明公開一種溫室智能移動機器人視覺導航路徑識別方法，將原始圖像信息從RGB顏色空間轉換到HSI顏色空間，並分別提取H、S、I三個分量信息圖，對H分量信息圖去噪處理，用K-means算法對H分量信息圖進行聚類分割，獲得道路的分割效果圖，採用形態學腐蝕方法進行二次去噪處理，對經過腐蝕處理後的圖像進行灰度轉換，得到完整的道路信息，採用Candy算子邊緣檢測，提取邊緣離散點，轉換獲取導航離散點，對導航離散點進行擬合獲取最終導航路徑信息，對最終導航路徑信息進行坐標轉換，計算出移動機器人的導航角；有效提高了導航路徑識別對於光照不均的魯棒性，有利於後續圖像處理操作，並提升整個路徑識別系統的實時快速性。
【專利說明】一種溫室智能移動機器人視覺導航路徑識別方法
【技術領域】
[0001]本發明涉及智能移動機器人視覺系統的應用，尤其涉及針對溫室智能作業移動機器人的導航路徑識別方法。
【背景技術】
[0002]利用智能移動機器人完成溫室自主導航作業，不僅可以大幅度減輕勞動者的體力勞動，也可以避免勞動者在有毒、高溫和高溼等惡劣環境中作業時受到人身傷害。導航路徑識別技術是實現溫室移動機器人自主導航的首要技術之一，溫室移動機器人的作業環境與工業機器人相比更為複雜，通常是一種具有離散性、不確定性、多樣性和不一致性的非結構化環境，其導航路徑識別效果受光照信息影響較大，同時，為提高移動機器人的溫室作業效率，移動機器人視覺導航的實時性目前還有待提高。
[0003]文獻《基於光照色彩穩定性分析的溫室機器人導航信息獲取》(袁挺，任永新等.農業機械學報，2012,43 (10):161-166)提出了一種基於光照色彩穩定性的導航信息獲取方法，以降低光照信息對路徑識別的影響，該方法需要在路面中央鋪設紅色引導線。文獻《基於模糊控制的黃瓜採摘機器人視覺導航》(任永新，譚豫之等.江蘇大學學報:自然科學版，2009，30 (4) =343-346)通過改進進行直線擬合的Hough變換方法以提高路徑識別算法的快速性。Hough變換魯棒性強，但檢測精度有限，當由圖像分割操作得到的道路邊緣信息不明確時，或是分割後的圖像中存在較多的幹擾信息時，採用Hough變換將難以獲取準確的導航路徑信息，同時將大大增加路徑識別系統微處理器的內存佔有量，導致路徑識別系統難以滿足移動機器人導航的實時性要求。
[0004]目前，針對機器視覺導航路徑識別問題，較常規的圖像處理方法通常是直接選取攝像頭獲取到的圖像信息所在的RGB顏色空間作為處理對象，通過閾值分割對圖像進行分割處理操作，最後再應用Hough變換擬合獲取導航路徑信息。從顏色空間的選取來看，雖然RGB顏色空間具有和多數圖像採集、顯示設備的色彩方式吻合，顏色值獲取方便，便於存儲和計算的優點，但由於它的三個顏色分量與光照強度呈遞增關係，所以在溫室環境變光照條件下，直接在RGB顏色空間對圖像進行處理其圖像處理算法較難滿足對光照不均的魯棒性要求；另外，圖像分割是移動機器人導航路徑獲取的重要環節，其分割效果不僅直接影響導航路徑識別的準確性，同時也決定著整個導航路徑識別系統能否滿足溫室移動機器人自主作業的實時快速性要求。在圖像分割方法的選取上，閾值分割因其具有計算簡單、運算效率較高、速度快等優點使其成為應用最多的圖像分割算法，但對於溫室環境，因光照信息對移動機器人自主導航性能的影響不可忽略，所以對於背景信息複雜的溫室圖像來講，更是很難確定一個統一的閾值將物體與背景完全分離，這必將會給後續圖像處理帶來不便，從而影響溫室移動機器人自主導航和作業的性能。
[0005]聚類是指將物理或抽象對象的集合分成由類似的對象組成的多個類的過程。由聚類所生成的簇是一組數據對象的集合，這些對象與同一個簇中的對象彼此相似，與其他簇中的對象相異。在聚類算法中，K-means聚類算法具有簡單、快速，處理大數據集時相對可伸縮和高效率，當結果簇密集、簇與簇之間區別明顯時，效果突出等優點。目前，K-means聚類算法主要應用於數據挖掘及醫學圖像處理中。
【發明內容】
[0006]鑑於上述現有機器視覺導航路徑識別存在的問題，本發明提出一種能夠適應溫室環境的移動機器人視覺導航路徑識別方法，針對單目視覺溫室移動機器人，充分考慮在溫室環境下光照條件對溫室移動機器人自主導航的影響以及複雜的背景信息對圖像分割質量的影響，著重降低光照信息對路徑識別效果的影響，改進圖像分割算法，確保在變光照和具有複雜背景信息的溫室環境下可以準確識別出溫室移動機器人導航路徑信息，同時確保圖形處理算法的魯棒性，提高溫室移動機器人對於光照不均溫室環境條件的魯棒性和視覺導航的實時性，在此基礎上提升整個導航路徑識別系統的快速性以滿足溫室移動機器人自主導航作業的實時性要求。
[0007]本發明所採用的技術方案是包括以下步驟:
(I)採集溫室環境下的原始圖像，將原始圖像信息從RGB顏色空間轉換到HSI顏色空間，並分別提取H、S、I三個分量信息圖，對其中的H分量信息圖採用中值濾波法進行去噪處理。
[0008](2)用K-means算法對去噪處理後的H分量信息圖進行聚類分割，選擇道路信息作為待獲取的圖像分割信息，獲得道路的分割效果圖。
[0009](3)對分割效果圖採用形態學腐蝕方法進行二次去噪處理，減少邊緣信息總量，得至IJ只剩下白色、黑色和灰色3種灰度值的圖像，其中道路信息為白色。
[0010](4)對經過腐蝕處理後的圖像進行灰度轉換，得到完整的道路信息。
[0011](5)對灰度轉換後的道路信息採用Candy算子進行邊緣檢測，提取邊緣離散點。
[0012](6)對提取邊緣離散點的圖像通過逐行掃描獲取圖像每一行中2個白色點的位置信息，對其取均值進行轉換獲取導航離散點。
[0013](7)對導航離散點進行擬合獲取最終導航路徑信息。
(8)對最終導航路徑信息進行坐標轉換，得到溫室智能移動機器人導航控制參數信息，計算出移動機器人的導航角。
[0014]本發明採用上述技術方案後，具有以下優點和積極效果:
(I)本發明將採集到的圖像信息由RGB顏色空間轉換到HSI顏色空間，並提取H分量進行後續圖像處理，可以有效降低光照信息對導航路徑識別的影響，進一步保證溫室環境下導航路徑提取算法對於光照不均溫室環境條件的魯棒性。
[0015](2)與傳統的閾值分割方法相比，本發明引入了 K-means算法的聚類分割方法，替代常規的閾值分割，在溫室所特有的圖像顏色特徵信息環境中，分割效果更加理想，可以將道路信息與背景信息更有效地進行分離，且提取到的道路邊界信息更為清晰，獲取到與背景完全分離的道路信息，提高溫室圖像分割質量，有利於後續圖像處理操作，進而降低後續算法的計算量以滿足溫室移動機器人的實時快速性要求，並提升整個路徑識別系統的快速性。
【專利附圖】
【附圖說明】[0016]圖1是本發明所述一種溫室智能移動機器人視覺導航路徑識別方法的流程圖；
圖2是HSI顏色空間的H、S、I分量圖。其中，圖2A為H分量圖；圖28為S分量圖；圖
2C為I分量圖。
[0017]圖3是經中值濾波後的H分量圖。
[0018]圖4是K-means聚類分割效果圖。 [0019]圖5是形態學腐蝕效果圖。
[0020]圖6是灰度值轉換效果圖
圖7是Candy算子邊緣提取效果圖。
[0021]圖8是導航離散點效果圖。
[0022]圖9是Hough變換擬合效果圖。
[0023]圖10是基於單目視覺移動機器人的路徑信息與導航控制參數信息轉換示意圖。【具體實施方式】
[0024]本發明提供了一種溫室移動機器人視覺導航路徑識別方法，針對溫室環境下的單目視覺移動機器人，為解決溫室移動機器人路徑識別受光照信息影響嚴重的問題，提出了將原始圖像的RGB顏色空間轉換到HSI顏色空間並提取對光照信息影響較小的溫室圖像中的H分量作為後續圖像處理對象以有效降低光照影響的解決方法。另外，為解決目前溫室移動機器人導航路徑識別實時性差的問題，在圖像分割時引入了 K-means算法對圖像進行聚類分割處理以代替常規的閾值分割方法，並採用形態學腐蝕方法對聚類分割後的圖像進行二次去噪處理，以獲取到與背景完全分離的道路信息，再經Hough變換擬合提取導航路徑信息，最後通過基於單目視覺的坐標轉換方法獲取移動機器人導航控制參數。具體步驟如下:
第一、參見圖1，通過攝像頭獲取原始圖像。基於一種溫室移動機器人，採用單目視覺導航方式，攝像頭型號為Logitech (羅技)C600，安裝在機器人正前方，距地高度為50cm，角度可任意調節，採集到的圖像解析度為640*480像素，圖像格式為JPG。控制移動機器人的微機型號為ThinkPad X220, CPU型號為Intel酷睿i5_2450M，CPU主頻為2.5GHz,內存容量為2GB。作業系統為Windows 7 Home Basic。以溫室環境下的常規壟間圖像為處理對象，採集壟間的原始圖像。
[0025]第二、參見圖1和圖2，將原始圖像從RGB顏色空間轉換為HSI顏色空間。通過Visual C++ 6.0可視化集成開發工具編制人機互動界面，以C++程式語言結合OpenCV(Intel?開源計算機視覺庫)編程實現各模塊功能。首先，將採集到的原始圖像信息從RGB顏色空間轉換到HSI顏色空間，並分別提取H、S、I三個分量信息圖。由於OpenCV中並沒有直接定義RGB顏色空間到HSI顏色空間的轉換函數，所以其轉換過程需通過編程實現，程序編寫時採用的轉換公式為式(I)-式(4):
【權利要求】
1.一種溫室智能移動機器人視覺導航路徑識別方法，其特徵是包括以下步驟: (1)採集溫室環境下的原始圖像，將原始圖像信息從RGB顏色空間轉換到HSI顏色空間，並分別提取H、S、I三個分量信息圖，對其中的H分量信息圖採用中值濾波法進行去噪處理； (2)用K-means算法對去噪處理後的H分量信息圖進行聚類分割，選擇道路信息作為待獲取的圖像分割信息，獲得道路的分割效果圖； (3)對分割效果圖採用形態學腐蝕方法進行二次去噪處理，減少邊緣信息總量，得到只剩下白色、黑色和灰色3種灰度值的圖像，其中道路信息為白色； (4)對經過腐蝕處理後的圖像進行灰度轉換，得到完整的道路信息； (5)對灰度轉換後的道路信息採用Candy算子進行邊緣檢測，提取邊緣離散點； (6)對提取邊緣離散點的圖像通過逐行掃描獲取圖像每一行中2個白色點的位置信息，對其取均值進行轉換獲取導航離散點； (7)對導航離散點進行擬合獲取最終導航路徑信息； (8)對最終導航路徑信息進行坐標轉換，得到溫室智能移動機器人導航控制參數信息，計算出移動機器人的導航角。
2.根據權利要求1所述一種溫室智能移動機器人視覺導航路徑識別方法，其特徵是:步驟(2)中,所述K-means算法步驟如下: 1)選擇k=3個 對象作為初始聚類中心； 2)將圖像中所有像素點按照最小距離原則分配到最近聚類； 3)重新計算每個聚類的平均值，並用該均值作為新的聚類中心； 4)重複2)、3)，直到每個聚類不再發生變化為止； 5)獲取到k個聚類。
3.根據權利要求1所述一種溫室智能移動機器人視覺導航路徑識別方法，其特徵是:步驟(1)中將原始圖像信息從RGB顏色空間轉換到HSI顏色空間的轉換公式是:
4.根據權利要求1所述一種溫室智能移動機器人視覺導航路徑識別方法，其特徵是 步驟(10)中，導航角，的計算公式是
【文檔編號】G06K9/54GK103646249SQ201310670524
【公開日】2014年3月19日 申請日期:2013年12月12日 優先權日:2013年12月12日
【發明者】高國琴, 李明 申請人:江蘇大學