一種基于校對機(jī)器人角度的視覺指北方法
【專利摘要】本發(fā)明公開了一種基于校對機(jī)器人角度的視覺指北方法，其步驟為，通過圖像采集模塊獲取原始圖像數(shù)據(jù)，對采集的原始圖像數(shù)據(jù)進(jìn)行圖像數(shù)據(jù)壓縮，然后提取圖像的顏色分量；對提取圖像的顏色分量圖像，通過圖像濾波，銳化將獲取的顏色分量進(jìn)行圖像預(yù)處理，然后將預(yù)處理的圖像進(jìn)行圖像二值化，并將二值化后的圖像進(jìn)行形態(tài)學(xué)細(xì)化，最后通過霍夫變換求出藍(lán)色分量的角度。經(jīng)過角度變換得出兩顏色分量之間的角度值，從而來獲得機(jī)器人朝向角度。本發(fā)明通過將機(jī)器視覺與指北儀相結(jié)合提供另一種確定機(jī)器人朝向角度的方法，用于校對機(jī)器人角度，本發(fā)明的這種方式可以方便地選擇安裝空間，從而有效避免硬磁干擾問題。
【專利說明】
一種基于校對機(jī)器人角度的視覺指北方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及計(jì)算機(jī)圖像處理的研究領(lǐng)域，特別涉及一種基于校對機(jī)器人角度的視 覺指北方法。
【背景技術(shù)】
[0002] 隨著科技的不斷進(jìn)步，移動(dòng)機(jī)器人研究開始注重實(shí)用化，開始向各個(gè)應(yīng)用領(lǐng)域進(jìn) 軍。1994年由清華大學(xué)研制的智能移動(dòng)機(jī)器人通過了鑒定。該機(jī)器人的研制成功標(biāo)志著我 國掌握了有關(guān)移動(dòng)機(jī)器人的五大關(guān)鍵技術(shù):基于地圖的全局路徑規(guī)劃技術(shù)、基于傳感器信 息的局部路徑規(guī)劃技術(shù)、路徑規(guī)劃的仿真技術(shù)、傳感技術(shù)和信息融合技術(shù)、智能移動(dòng)機(jī)器人 的設(shè)計(jì)和實(shí)現(xiàn)技術(shù)。這期間，全國各地也相繼研制出各種機(jī)器人，其中包括香港城市大學(xué)智 能設(shè)計(jì)、自動(dòng)化及制造研究中心研制的自動(dòng)導(dǎo)航車和服務(wù)機(jī)器人；中國科學(xué)院沈陽自動(dòng)化 研究所的AGV和防爆機(jī)器人；中國科學(xué)院自動(dòng)化研究設(shè)計(jì)制造的全方位移動(dòng)式機(jī)器人視覺 導(dǎo)航系統(tǒng);哈爾濱工業(yè)大學(xué)研制的導(dǎo)游機(jī)器人等等。隨著科學(xué)技術(shù)的不斷進(jìn)步，移動(dòng)機(jī)器人 正朝著智能化、網(wǎng)絡(luò)化、微型化和專業(yè)化方向發(fā)展。
[0003] 電子羅盤，在現(xiàn)代技術(shù)條件中電子羅盤作為導(dǎo)航儀器或姿態(tài)傳感器已被廣泛應(yīng) 用。電子羅盤與傳統(tǒng)指針式和平衡架結(jié)構(gòu)羅盤相比能耗低、體積小、重量輕、精度高、可微型 化，其輸出信號(hào)通過處理可以實(shí)現(xiàn)數(shù)碼顯示，不僅可以用來指向，其數(shù)字信號(hào)可直接送到自 動(dòng)舵，控制船舶的操縱。
[0004] 目前，導(dǎo)航系統(tǒng)在汽車、航海、航空等領(lǐng)域已經(jīng)得到廣泛的應(yīng)用。磁羅盤是導(dǎo)航系 統(tǒng)不可缺少的重要組成部分，主要分為磁通門和磁阻式。磁通門傳感器是由一套環(huán)繞磁芯 的線圈組成，該磁芯配有勵(lì)磁電路，可測量分辨率小于OllmGauss的磁場。雖然這類傳感器 能夠提供低成本的磁場探測方法，但它們體積偏大，易碎，響應(yīng)時(shí)間慢。而使用磁阻傳感器 的電子羅盤克服了磁通門羅盤的不足，具有體積小、重量輕、精度高、可靠性強(qiáng)、響應(yīng)速度快 等優(yōu)點(diǎn)，是未來磁羅盤的發(fā)展方向。
[0005] 電子羅盤容易受外界磁場干擾，比如電源噪聲、外磁場干擾、周圍鐵質(zhì)物體等的影 響。當(dāng)電子羅盤離干擾源45cm之內(nèi)，會(huì)受到干擾源的硬磁干擾，嚴(yán)重影響輸出的準(zhǔn)確性。在 機(jī)器人應(yīng)用中，經(jīng)常使用電子羅盤來確定機(jī)器人運(yùn)動(dòng)的方向，目前機(jī)器人代替人類在各種 惡劣的環(huán)境中工作，這些環(huán)境常常存在著不同程度的磁干擾，嚴(yán)重地影響了機(jī)器人運(yùn)動(dòng)方 向的確定，甚至導(dǎo)致機(jī)器人無法正常工作。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于針對電子羅盤容易受到外界磁場干擾，影響輸出的準(zhǔn)確性而提 出將機(jī)器視覺與指北儀相結(jié)合的基于校對機(jī)器人角度的視覺指北方法，用于確定機(jī)器人朝 向角度，這種方式可以方便地選擇安裝空間，有效避免硬磁干擾問題，提高檢測效率。
[0007] 為了達(dá)到上述目的，本發(fā)明采用下述技術(shù)方案：
[0008] 本發(fā)明提供了一種基于校對機(jī)器人角度的視覺指北方法，包括下述步驟：
[0009] (1)圖像數(shù)據(jù)壓縮:通過圖像采集模塊獲取原始圖像數(shù)據(jù)，對采集的原始圖像數(shù)據(jù) 進(jìn)行圖像數(shù)據(jù)壓縮；
[0010] ⑵提取顏色分量:在RGB圖像中提取RGB模型中的R和B兩個(gè)顏色分量；
[0011] (3)圖像預(yù)處理:將獲取的顏色分量圖像進(jìn)行圖像濾波、灰度聚類以及圖像銳化；
[0012] (4)圖像二值化:選取合適閾值，對預(yù)處理后的圖像進(jìn)行二值化操作；
[0013] (5)形態(tài)學(xué)細(xì)化:采用形態(tài)學(xué)細(xì)化，將像素點(diǎn)細(xì)化成一條直線；
[0014] (6)霍夫變換檢測:將形態(tài)學(xué)細(xì)化后的直線運(yùn)用霍夫變換算法檢測直線并求得顏 色分量的角度。
[0015] 作為優(yōu)選的技術(shù)方案，所述步驟（1)中，采用全比例縮放的方式對采集到的原始圖 像數(shù)據(jù)進(jìn)行圖像數(shù)據(jù)壓縮。
[0016] 作為優(yōu)選的技術(shù)方案，所述步驟(2)中，獲取的顏色分量當(dāng)中分別有紅色和藍(lán)色兩 種顏色，通過過判別顏色分量，確定所獲取顏色分量的顏色，將該顏色分量進(jìn)行灰度二值化 處理，再進(jìn)行灰度歸一化處理，消除噪聲圖像的干擾，所述灰度二值化處理的處理模型為：
[0017]
[0018]
[0019]
[0020] 作為優(yōu)選的技術(shù)方案，所述步驟(3)中，如果所提取出的顏色分量為紅色，首先將 獲取的圖像壓縮，提取顏色分量中的藍(lán)色分量，將獲取的藍(lán)色分量圖像進(jìn)行灰度聚類、濾 波、然后進(jìn)行梯度銳化，預(yù)處理好圖像之后，將圖像二值化處理，進(jìn)一步對圖像形態(tài)學(xué)細(xì)化。
[0021] 作為優(yōu)選的技術(shù)方案，所述步驟(3)中，如果所提取出的顏色分量為紅色，首先將 圖像進(jìn)行灰度聚類濾波，然后將圖像進(jìn)行圖像二值化，投票篩選目標(biāo)象限，將圖像分為四部 分，黑點(diǎn)最多的部分保留，非目標(biāo)象限像素設(shè)置為1，1代表白色，〇代表黑色，再將圖像進(jìn)行 形態(tài)學(xué)細(xì)化。
[0022] 作為優(yōu)選的技術(shù)方案，所述步驟(3)中，通過梯度法銳化將圖像進(jìn)行銳化處理。
[0023] 作為優(yōu)選的技術(shù)方案，在步驟(4)中，圖像二值化過程中，采用最大類間方差法找 到圖片的合適的閾值，閾值將原圖象分成前景圖和背景兩個(gè)圖象，前景圖中：用nl、csum、ml 分別來表示在當(dāng)前閾值下的前景的點(diǎn)數(shù)、質(zhì)量矩、平均灰度;在后景圖中：用n2、sum-CSUm、 m2來表示在當(dāng)前閾值下的背景的點(diǎn)數(shù)、質(zhì)量矩、平均灰度，記t為前景與背景的分割閾值，前 景點(diǎn)數(shù)占圖像比例為w0,平均灰度為uO;背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為ul，則圖像 的總平均灰度為：u = wO*uO+wl*ul，前景和背景圖象的方差：g = wO*(u〇-u)*(u〇-u)+wl* (ul-u)*(ul-u)=wO*wl*(u〇-ul)*(u〇-ul)，當(dāng)方差g最大時(shí)，可以認(rèn)為此時(shí)前景和背景差異 最大，也就是此時(shí)的灰度是最佳閾值，從而找到最佳閾值對圖像進(jìn)行二值化。
[0024] 作為優(yōu)選的技術(shù)方案，所述步驟(5)中，將研究的連接成分或集合用符號(hào)"Γ來表 示，背景用符號(hào)"〇"來表示，用改變連接成分的形狀使符號(hào)"Γ中某些像素由"Γ變成"〇"，迭 代這一過程，直到最后一組單個(gè)像素組成的一組細(xì)線來代表整個(gè)區(qū)域，這組細(xì)線保留了連 接成分的連通性和輪廓的幾何特征，這樣重復(fù)的剝離二值圖像邊緣像素，使之最終將連接 成分用線狀結(jié)構(gòu)表征它的特征。
[0025]作為優(yōu)選的技術(shù)方案，所述步驟(6)具體為：
[0026] (6-1)采用極坐標(biāo)系下的霍夫變換對圖像中的直線進(jìn)行檢測，在x0y坐標(biāo)系中的一 條直線，以P表示直線距離原點(diǎn)的距離，Θ為該法線與X軸的夾角，則可用如下參數(shù)方程來表 示該直線:P = xcos0+ysin0，通過霍夫變換將直角坐標(biāo)系中的直線變換到極坐標(biāo)參數(shù)空間 中，則是一個(gè)點(diǎn)(Ρ，θ)，使兩個(gè)不同坐標(biāo)系中的直線和點(diǎn)建立了一種對應(yīng)關(guān)系；
[0027] (6-2)將直線坐標(biāo)系中的離散數(shù)據(jù)點(diǎn)變換為極坐標(biāo)參數(shù)空間中的曲線，將P和Θ分 成若干小段，即將(Ρ，θ)分成若干小單元，每一個(gè)小單元可設(shè)一累加器，在直角坐標(biāo)系中落 在直線上的每一個(gè)點(diǎn)對應(yīng)極坐標(biāo)參數(shù)空間中一條曲線:Pi = Xi C〇s0i+yi sin0i，分別使Θ等 于0,八0，2八0，3八0，一，求出相應(yīng)0值，并分別計(jì)算落在各小單元中的次數(shù)，當(dāng)全部直角坐 標(biāo)點(diǎn)完成變換后，對(XhL)小單元的累加器進(jìn)行檢測，峰值的小單元對應(yīng)于極坐標(biāo) 中的共線點(diǎn)，而這些曲線對應(yīng)直線坐標(biāo)系上的點(diǎn)可以認(rèn)為是共線的；
[0028] (6-3)檢測出直線坐標(biāo)系上的1^點(diǎn)之后，將曲線交點(diǎn)(Po, θ〇)代入:pQ = xcos0()+ySin θ〇,得到逼近N點(diǎn)的直線方程；由于霍夫變換是在極坐標(biāo)系下完成的，所以在直線坐標(biāo)系中， 需要將紅色分量和藍(lán)色分量求得的角度進(jìn)行如下角度轉(zhuǎn)換90°+180°-屮χ?)，最后將獲 π 取的角度相減最終獲得機(jī)器人朝向角度。
[0029] 本發(fā)明與現(xiàn)有技術(shù)相比，具有如下優(yōu)點(diǎn)和有益效果：
[0030] 1、本發(fā)明通過圖像采集模塊獲取原始圖像數(shù)據(jù)，對采集的原始圖像數(shù)據(jù)進(jìn)行圖像 數(shù)據(jù)壓縮，然后提取圖像的顏色分量，對提取圖像的顏色分量圖像，首先通過圖像濾波，銳 化將獲取的顏色分量進(jìn)行圖像預(yù)處理，然后將預(yù)處理的圖像進(jìn)行圖像二值化，并將二值化 后的圖像進(jìn)行形態(tài)學(xué)細(xì)化，最后通過霍夫變換求出藍(lán)色分量的角度。經(jīng)過角度變換得出兩 顏色分量之間的角度值，從而來獲得機(jī)器人朝向角度。實(shí)驗(yàn)證明這種方法達(dá)到了很好的效 果，本發(fā)明通過圖像識(shí)別技術(shù)，從指北儀中得到機(jī)器人的指向圖像，減少人力工作。
[0031] 2、在自主機(jī)器人應(yīng)用中，得到機(jī)器人的準(zhǔn)確朝向是控制系統(tǒng)關(guān)鍵步驟之一，精準(zhǔn) 的朝向角度是機(jī)器人設(shè)備動(dòng)作的基礎(chǔ)。這樣一種檢測機(jī)器人角度的方式可以有效避免機(jī)器 人自身導(dǎo)磁材料及磁干擾環(huán)境對測量精度的影響，本發(fā)明可以用于確定機(jī)器人朝向角度， 采用這種視覺的方式，拓展了生活中處理問題的思路，具有重要的實(shí)用價(jià)值。
【附圖說明】
[0032] 圖1是本發(fā)明校對機(jī)器人角度的視覺指北方法的總體框圖；
[0033]圖2是本發(fā)明B顏色分量處理流程圖；
[0034]圖3是本發(fā)明R顏色分量處理流程圖。
【具體實(shí)施方式】
[0035]下面結(jié)合實(shí)施例及附圖對本發(fā)明作進(jìn)一步詳細(xì)的描述，但本發(fā)明的實(shí)施方式不限 于此。
[0036] 實(shí)施例
[0037]在指北儀表中紅色指針代表基準(zhǔn)線，即導(dǎo)航坐標(biāo)系中的零度方向，藍(lán)色部分的直 線方向與機(jī)器人方向一致，稱為目標(biāo)線。當(dāng)指北儀設(shè)備隨著機(jī)器人發(fā)生角度位移時(shí)，由于地 球磁場的原因，基準(zhǔn)線將始終指向一個(gè)方向，目標(biāo)線將隨著機(jī)器人的角度位移發(fā)生偏轉(zhuǎn)。當(dāng) 目標(biāo)線所在的角度與導(dǎo)航地圖所約定的零度方向一致時(shí)，目標(biāo)線與基準(zhǔn)線之間的夾角值代 表機(jī)器人的當(dāng)前角度值。當(dāng)目標(biāo)線所在的角度與導(dǎo)航地圖所約定的零度方向不一致時(shí)，記 這部分角度差值為A Θ，目標(biāo)線與基準(zhǔn)線之間的夾角值需加上△ Θ才能代表機(jī)器人當(dāng)前角度 值。
[0038] 如圖1所示，實(shí)施本發(fā)明上述的一種基于校對機(jī)器人角度的視覺指北方法，其所屬 方法和實(shí)現(xiàn)方案按以下幾個(gè)步驟進(jìn)行：
[0039] (1)通過圖像采集模塊獲取原始圖像數(shù)據(jù)，采用全比例縮放對采集上來原始圖像 進(jìn)行壓縮。一方面讓壓縮圖像之后不改變原始圖像像素間的相對位置，從而免于產(chǎn)生幾何 畸變，以至于圖像不是真，另一方面也是為了在后序顏色分量提取過程中快速而準(zhǔn)確的找 到像素點(diǎn)。
[0040] (2)在RGB圖像中提取RGB模型，根據(jù)RGB顏色矩，來提取圖像的R和B兩個(gè)顏色分量。 獲取的顏色分量當(dāng)中分別有紅色和藍(lán)色兩種顏色，通過判別顏色分量，確定所獲取顏色分 量的顏色，將該顏色分量誦討灰度聚類，灰度二倌化樸理，樸理樽型為：
[0041]
[0042]
[0043]
[0044] 對圖像進(jìn)行各種操作識(shí)別之前必須對圖像先進(jìn)行聚類再做濾波操作，消除噪聲對 圖像的干擾。
[0045] (3)通過梯度法銳化將獲取的顏色分量進(jìn)行圖像預(yù)處理，一是增強(qiáng)圖像邊緣，使模 糊的圖像變得更加清晰，顏色變得鮮明突出，圖像的質(zhì)量有所改善，產(chǎn)生更適合人眼觀察和 識(shí)別的圖像;二是希望經(jīng)過銳化處理后，目標(biāo)物體的邊緣鮮明，以便于提取目標(biāo)的邊緣、對 圖像進(jìn)行分割、目標(biāo)區(qū)域識(shí)別、區(qū)域形狀提取。
[0046] (4)將預(yù)處理的圖像進(jìn)行圖像二值化，首先二值化要解決的第一個(gè)問題是二值化 值的選取，使用最大類間方差法找到圖片的一個(gè)合適的閾值(threshold)。利用這個(gè)閾值通 常比人為設(shè)定的閾值能更好地把一張灰度圖像轉(zhuǎn)換為二值圖像。采用最大類間方差法找到 圖片的合適的閾值的具體過程是：閾值將原圖象分成前景圖和背景兩個(gè)圖象，前景圖中：用 nl、Csum、ml分別來表示在當(dāng)前閾值下的前景的點(diǎn)數(shù)、質(zhì)量矩、平均灰度;在后景圖中：用n2、 sum-csum、m2來表示在當(dāng)前閾值下的背景的點(diǎn)數(shù)、質(zhì)量矩、平均灰度，記t為前景與背景的分 割閾值，前景點(diǎn)數(shù)占圖像比例為w0,平均灰度為uO;背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為 ul，則圖像的總平均灰度為:u=w0*u0+wl*ul，前景和背景圖象的方差$=￥〇*(11〇-11)*(11〇-u)+wl*(ul-u)*(ul_u) = wO*wl*(u〇-ul)*(u〇-ul)，當(dāng)方差g最大時(shí)，可以認(rèn)為此時(shí)前景和背 景差異最大，也就是此時(shí)的灰度是最佳閾值，從而找到最佳閾值對圖像進(jìn)行二值化。
[0047] (5)在圖像二值處理領(lǐng)域，細(xì)化是很重要的一個(gè)處理環(huán)節(jié)。通過形態(tài)學(xué)細(xì)化，恰巧 將連接成分用線狀結(jié)構(gòu)表征它的特征，對提取到的顏色分量，通過形態(tài)學(xué)細(xì)化，從而得到顏 色分量的處理后的理想結(jié)果。形態(tài)學(xué)化的具體方法是：
[0048] 將研究的連接成分或集合用符號(hào)"Γ來表示，背景用符號(hào)"0"來表示，用改變連接 成分的形狀使符號(hào)"Γ中某些像素由"Γ變成"〇"，迭代這一過程，直到最后一組單個(gè)像素組 成的一組細(xì)線來代表整個(gè)區(qū)域，這組細(xì)線保留了連接成分的連通性和輪廓的幾何特征，這 樣重復(fù)的剝離二值圖像邊緣像素，使之最終將連接成分用線狀結(jié)構(gòu)表征它的特征。
[0049] (6)圖2為B顏色分量處理流程圖。所提取出的顏色分量為藍(lán)色，處理步驟如下首先 將獲取的圖像壓縮，提取顏色分量中的藍(lán)色分量，將獲取的藍(lán)色分量圖像進(jìn)行灰度聚類，濾 波，然后進(jìn)行梯度銳化，預(yù)處理好圖像之后，將圖像二值化，進(jìn)一步對圖像形態(tài)學(xué)細(xì)化。
[0050] (7)圖3為R顏色分量處理流程圖。所提取出的顏色分量為紅色，處理步驟與藍(lán)色分 量有些不同之處，原因是獲取到的圖像中藍(lán)色直線在紅色直線的上方時(shí)，紅色的像素點(diǎn)會(huì) 比藍(lán)色像素點(diǎn)少，將導(dǎo)致紅色分量提取不到。所以在提取紅色分量過程中要做適當(dāng)調(diào)整，步 驟如下：首先將圖像進(jìn)行灰度聚類濾波，然后將圖像進(jìn)行圖像二值化，將圖像分為四個(gè)象 限，投票篩選目標(biāo)象限，黑點(diǎn)最多的部分保留，非目標(biāo)象限像素設(shè)置為1;1代表白色，〇代表 黑色，從而獲取紅色分量，再將圖像進(jìn)行形態(tài)學(xué)細(xì)化。
[0051 ] (8)最后在xOy坐標(biāo)系中將處理好的顏色分量的直線，以P表示直線距離原點(diǎn)的距 離，Θ為該法線與X軸的夾角，可用如下參數(shù)方程來表示該直線:p = x C〇S0+y Sin0。通過霍 夫變換將直角坐標(biāo)系中的直線變換到極坐標(biāo)參數(shù)空間中，則是一個(gè)點(diǎn)(Ρ，θ)。而在xOy坐標(biāo) 系中的共點(diǎn)直線簇，映射到極坐標(biāo)參數(shù)空間中就是一個(gè)點(diǎn)集(P，θ)。在x〇y坐標(biāo)系中，同一直 線上的點(diǎn)映射到極坐標(biāo)參數(shù)空間就成為通過同一點(diǎn)的曲線簇。因此霍夫變換使兩個(gè)不同坐 標(biāo)系中的直線和點(diǎn)建立了一種對應(yīng)關(guān)系。
[0052]將直線坐標(biāo)系中的離散數(shù)據(jù)點(diǎn)變換為極坐標(biāo)參數(shù)空間中的曲線。將P和Θ分成許多 小段，即將(ρ，θ)分成許多小單元，每一個(gè)小單元可設(shè)一累加器。在直角坐標(biāo)系中落在直線 上的每一個(gè)點(diǎn)對應(yīng)極坐標(biāo)參數(shù)空間中一條曲線:Pi = Xi C〇s0i + yi sin0i，分別使Θ等于〇, Δ Θ，2ΔΘ，3ΔΘ，···，便可以求出相應(yīng)p值，并分別計(jì)算落在各小單元中的次數(shù)。當(dāng)全部直角坐 標(biāo)點(diǎn)完成變換后，便可對(XhL)小單元的累加器進(jìn)行檢測，峰值的小單元對應(yīng)于極 坐標(biāo)中的共線點(diǎn)，而這些曲線對應(yīng)直線坐標(biāo)系上的點(diǎn)可以認(rèn)為是共線的。檢測出直線坐標(biāo) 系上的1點(diǎn)之后，將曲線交點(diǎn)(ρ〇，Θ〇)代入:p Q = x cos0Q + y sin0Q，就可以得到逼近義點(diǎn)的直 線方程。由于霍夫變換是在極坐標(biāo)系下完成的，所以在直線坐標(biāo)系中，需要將紅色分量和藍(lán) 色分量求得的角度進(jìn)行如下角度轉(zhuǎn)換W +180 ，最后將獲取的角度相減最終獲 π 得機(jī)器人朝向角度。
[0053]上述實(shí)施例為本發(fā)明較佳的實(shí)施方式，但本發(fā)明的實(shí)施方式并不受上述實(shí)施例的 限制，其他的任何未背離本發(fā)明的精神實(shí)質(zhì)與原理下所作的改變、修飾、替代、組合、簡化， 均應(yīng)為等效的置換方式，都包含在本發(fā)明的保護(hù)范圍之內(nèi)。
【主權(quán)項(xiàng)】
1. 一種基于校對機(jī)器人角度的視覺指北方法，其特征在于，包括下述步驟： (1) 圖像數(shù)據(jù)壓縮:通過圖像采集模塊獲取原始圖像數(shù)據(jù)，對采集的原始圖像數(shù)據(jù)進(jìn)行 圖像數(shù)據(jù)壓縮； (2) 提取顏色分量:在RGB圖像中提取RGB模型中的R和B兩個(gè)顏色分量； (3) 圖像預(yù)處理:將獲取的顏色分量圖像進(jìn)行圖像濾波、灰度聚類W及圖像銳化； (4) 圖像二值化:選取合適闊值，對預(yù)處理后的圖像進(jìn)行二值化操作； (5) 形態(tài)學(xué)細(xì)化:采用形態(tài)學(xué)細(xì)化，將像素點(diǎn)細(xì)化成一條直線； (6) 霍夫變換檢測：將形態(tài)學(xué)細(xì)化后的直線運(yùn)用霍夫變換算法檢測直線并求得顏色分 量的角度。2. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (1) 中，采用全比例縮放的方式對采集到的原始圖像數(shù)據(jù)進(jìn)行圖像數(shù)據(jù)壓縮。3. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (2) 中，獲取的顏色分量當(dāng)中分別有紅色和藍(lán)色兩種顏色，通過過判別顏色分量，確定所獲 取顏色分量的顏色，將該顏色分量進(jìn)行灰度二值化處理，再進(jìn)行灰度歸一化處理，消除噪聲 圖像的干擾，所述灰度二值化處理的處理模型為：所述灰度歸一化處理的處理模型為：4. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (3) 中，如果所提取出的顏色分量為紅色，首先將獲取的圖像壓縮，提取顏色分量中的藍(lán)色 分量，將獲取的藍(lán)色分量圖像進(jìn)行灰度聚類、濾波、然后進(jìn)行梯度銳化，預(yù)處理好圖像之后， 將圖像二值化處理，進(jìn)一步對圖像形態(tài)學(xué)細(xì)化。5. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (3)中，如果所提取出的顏色分量為紅色，首先將圖像進(jìn)行灰度聚類濾波，然后將圖像進(jìn)行 圖像二值化，投票篩選目標(biāo)象限，將圖像分為四部分，黑點(diǎn)最多的部分保留，非目標(biāo)象限像 素設(shè)置為1，1代表白色，0代表黑色，再將圖像進(jìn)行形態(tài)學(xué)細(xì)化。6. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (3) 中，通過梯度法銳化將圖像進(jìn)行銳化處理。7. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，在步驟 (4) 中，圖像二值化過程中，采用最大類間方差法找到圖片的合適的闊值，闊值將原圖象分 成前景圖和背景兩個(gè)圖象，前景圖中：用nl、csum、ml分別來表示在當(dāng)前闊值下的前景的點(diǎn) 數(shù)、質(zhì)量矩、平均灰度;在后景圖中：用n2、sum-csum、m2來表不在當(dāng)前闊值下的背景的點(diǎn)數(shù)、 質(zhì)量矩、平均灰度，記t為前景與背景的分割闊值，前景點(diǎn)數(shù)占圖像比例為wO,平均灰度為 uO;背景點(diǎn)數(shù)占圖像比例為wl，平均灰度為ul，則圖像的總平均灰度為:u = wO*uO+wl*ul，前 景和背景圖象的方差：g = wO*(u〇-u)*(u〇-u)+wl*(ul-u)*(ul-u) =wO*wl*(u〇-ul )*(u〇- ul)，當(dāng)方差g最大時(shí)，可W認(rèn)為此時(shí)前景和背景差異最大，也就是此時(shí)的灰度是最佳闊值， 從而找到最佳闊值對圖像進(jìn)行二值化。8. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (5) 中，將研究的連接成分或集合用符號(hào)"Γ來表示，背景用符號(hào)"0"來表示，用改變連接成 分的形狀使符號(hào)"Γ中某些像素由"Γ變成"0"，迭代運(yùn)一過程，直到最后一組單個(gè)像素組成 的一組細(xì)線來代表整個(gè)區(qū)域，運(yùn)組細(xì)線保留了連接成分的連通性和輪廓的幾何特征，運(yùn)樣 重復(fù)的剝離二值圖像邊緣像素，使之最終將連接成分用線狀結(jié)構(gòu)表征它的特征。9. 根據(jù)權(quán)利要求1所述的基于校對機(jī)器人角度的視覺指北方法，其特征在于，所述步驟 (6) 具體為： (6-1)采用極坐標(biāo)系下的霍夫變換對圖像中的直線進(jìn)行檢測，在xOy坐標(biāo)系中的一條直 線，Wp表示直線距離原點(diǎn)的距離，Θ為該法線與X軸的夾角，則可用如下參數(shù)方程來表示該 直線:P = x cos0+y sin0，通過霍夫變換將直角坐標(biāo)系中的直線變換到極坐標(biāo)參數(shù)空間中， 則是一個(gè)點(diǎn)(Ρ，θ)，使兩個(gè)不同坐標(biāo)系中的直線和點(diǎn)建立了一種對應(yīng)關(guān)系； (6-2)將直線坐標(biāo)系中的離散數(shù)據(jù)點(diǎn)變換為極坐標(biāo)參數(shù)空間中的曲線，將Ρ和Θ分成若 干小段，即將(Ρ，θ)分成若干小單元，每一個(gè)小單元可設(shè)一累加器，在直角坐標(biāo)系中落在直 線上的每一個(gè)點(diǎn)對應(yīng)極坐標(biāo)參數(shù)空間中一條曲線:Pi = XiC〇s目i+yisin目i，分別使Θ等于0, Δ Θ，2ΔΘ，3ΔΘ，···，求出相應(yīng)P值，并分別計(jì)算落在各小單元中的次數(shù)，當(dāng)全部直角坐標(biāo)點(diǎn) (xj，yj)完成變換后，對(xj，yj)小單元的累加器進(jìn)行檢測，峰值的小單元對應(yīng)于極坐標(biāo)中的 共線點(diǎn)，而運(yùn)些曲線對應(yīng)直線坐標(biāo)系上的點(diǎn)可W認(rèn)為是共線的； (6-3)檢測出直線坐標(biāo)系上的N點(diǎn)之后，將曲線交點(diǎn)(P0,目0)代入:po = x cos目o+y sin目0, 得到逼近N點(diǎn)的直線方程；由于霍夫變換是在極坐標(biāo)系下完成的，所W在直線坐標(biāo)系中，需 要將紅色分量和藍(lán)色分量求得的角度進(jìn)行如下角度轉(zhuǎn)換撕Vl棘-的x^^):，最后將獲取 π 的角度相減最終獲得機(jī)器人朝向角度。
【文檔編號(hào)】G06T7/00GK105844614SQ201610146770
【公開日】2016年8月10日
【申請日】2016年3月15日
【發(fā)明人】鐘映春, 謝仁亮, 劉阿明
【申請人】廣東工業(yè)大學(xué)