一种温室智能移动机器人视觉导航路径识别方法
【专利摘要】本发明公开一种温室智能移动机器人视觉导航路径识别方法，将原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图，对H分量信息图去噪处理，用K-means算法对H分量信息图进行聚类分割，获得道路的分割效果图，采用形态学腐蚀方法进行二次去噪处理，对经过腐蚀处理后的图像进行灰度转换，得到完整的道路信息，采用Candy算子边缘检测，提取边缘离散点，转换获取导航离散点，对导航离散点进行拟合获取最终导航路径信息，对最终导航路径信息进行坐标转换，计算出移动机器人的导航角；有效提高了导航路径识别对于光照不均的鲁棒性，有利于后续图像处理操作，并提升整个路径识别系统的实时快速性。
【专利说明】一种温室智能移动机器人视觉导航路径识别方法
【技术领域】
[0001]本发明涉及智能移动机器人视觉系统的应用，尤其涉及针对温室智能作业移动机器人的导航路径识别方法。
【背景技术】
[0002]利用智能移动机器人完成温室自主导航作业，不仅可以大幅度减轻劳动者的体力劳动，也可以避免劳动者在有毒、高温和高湿等恶劣环境中作业时受到人身伤害。导航路径识别技术是实现温室移动机器人自主导航的首要技术之一，温室移动机器人的作业环境与工业机器人相比更为复杂，通常是一种具有离散性、不确定性、多样性和不一致性的非结构化环境，其导航路径识别效果受光照信息影响较大，同时，为提高移动机器人的温室作业效率，移动机器人视觉导航的实时性目前还有待提高。
[0003]文献《基于光照色彩稳定性分析的温室机器人导航信息获取》(袁挺，任永新等.农业机械学报，2012,43 (10):161-166)提出了一种基于光照色彩稳定性的导航信息获取方法，以降低光照信息对路径识别的影响，该方法需要在路面中央铺设红色引导线。文献《基于模糊控制的黄瓜采摘机器人视觉导航》(任永新，谭豫之等.江苏大学学报:自然科学版，2009，30 (4) =343-346)通过改进进行直线拟合的Hough变换方法以提高路径识别算法的快速性。Hough变换鲁棒性强，但检测精度有限，当由图像分割操作得到的道路边缘信息不明确时，或是分割后的图像中存在较多的干扰信息时，采用Hough变换将难以获取准确的导航路径信息，同时将大大增加路径识别系统微处理器的内存占有量，导致路径识别系统难以满足移动机器人导航的实时性要求。
[0004]目前，针对机器视觉导航路径识别问题，较常规的图像处理方法通常是直接选取摄像头获取到的图像信息所在的RGB颜色空间作为处理对象，通过阈值分割对图像进行分割处理操作，最后再应用Hough变换拟合获取导航路径信息。从颜色空间的选取来看，虽然RGB颜色空间具有和多数图像采集、显示设备的色彩方式吻合，颜色值获取方便，便于存储和计算的优点，但由于它的三个颜色分量与光照强度呈递增关系，所以在温室环境变光照条件下，直接在RGB颜色空间对图像进行处理其图像处理算法较难满足对光照不均的鲁棒性要求；另外，图像分割是移动机器人导航路径获取的重要环节，其分割效果不仅直接影响导航路径识别的准确性，同时也决定着整个导航路径识别系统能否满足温室移动机器人自主作业的实时快速性要求。在图像分割方法的选取上，阈值分割因其具有计算简单、运算效率较高、速度快等优点使其成为应用最多的图像分割算法，但对于温室环境，因光照信息对移动机器人自主导航性能的影响不可忽略，所以对于背景信息复杂的温室图像来讲，更是很难确定一个统一的阈值将物体与背景完全分离，这必将会给后续图像处理带来不便，从而影响温室移动机器人自主导航和作业的性能。
[0005]聚类是指将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。在聚类算法中，K-means聚类算法具有简单、快速，处理大数据集时相对可伸缩和高效率，当结果簇密集、簇与簇之间区别明显时，效果突出等优点。目前，K-means聚类算法主要应用于数据挖掘及医学图像处理中。
【发明内容】
[0006]鉴于上述现有机器视觉导航路径识别存在的问题，本发明提出一种能够适应温室环境的移动机器人视觉导航路径识别方法，针对单目视觉温室移动机器人，充分考虑在温室环境下光照条件对温室移动机器人自主导航的影响以及复杂的背景信息对图像分割质量的影响，着重降低光照信息对路径识别效果的影响，改进图像分割算法，确保在变光照和具有复杂背景信息的温室环境下可以准确识别出温室移动机器人导航路径信息，同时确保图形处理算法的鲁棒性，提高温室移动机器人对于光照不均温室环境条件的鲁棒性和视觉导航的实时性，在此基础上提升整个导航路径识别系统的快速性以满足温室移动机器人自主导航作业的实时性要求。
[0007]本发明所采用的技术方案是包括以下步骤:
(I)采集温室环境下的原始图像，将原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图，对其中的H分量信息图采用中值滤波法进行去噪处理。
[0008](2)用K-means算法对去噪处理后的H分量信息图进行聚类分割，选择道路信息作为待获取的图像分割信息，获得道路的分割效果图。
[0009](3)对分割效果图采用形态学腐蚀方法进行二次去噪处理，减少边缘信息总量，得至IJ只剩下白色、黑色和灰色3种灰度值的图像，其中道路信息为白色。
[0010](4)对经过腐蚀处理后的图像进行灰度转换，得到完整的道路信息。
[0011](5)对灰度转换后的道路信息采用Candy算子进行边缘检测，提取边缘离散点。
[0012](6)对提取边缘离散点的图像通过逐行扫描获取图像每一行中2个白色点的位置信息，对其取均值进行转换获取导航离散点。
[0013](7)对导航离散点进行拟合获取最终导航路径信息。
(8)对最终导航路径信息进行坐标转换，得到温室智能移动机器人导航控制参数信息，计算出移动机器人的导航角。
[0014]本发明采用上述技术方案后，具有以下优点和积极效果:
(I)本发明将采集到的图像信息由RGB颜色空间转换到HSI颜色空间，并提取H分量进行后续图像处理，可以有效降低光照信息对导航路径识别的影响，进一步保证温室环境下导航路径提取算法对于光照不均温室环境条件的鲁棒性。
[0015](2)与传统的阈值分割方法相比，本发明引入了 K-means算法的聚类分割方法，替代常规的阈值分割，在温室所特有的图像颜色特征信息环境中，分割效果更加理想，可以将道路信息与背景信息更有效地进行分离，且提取到的道路边界信息更为清晰，获取到与背景完全分离的道路信息，提高温室图像分割质量，有利于后续图像处理操作，进而降低后续算法的计算量以满足温室移动机器人的实时快速性要求，并提升整个路径识别系统的快速性。
【专利附图】
【附图说明】[0016]图1是本发明所述一种温室智能移动机器人视觉导航路径识别方法的流程图；
图2是HSI颜色空间的H、S、I分量图。其中，图2A为H分量图；图28为S分量图；图
2C为I分量图。
[0017]图3是经中值滤波后的H分量图。
[0018]图4是K-means聚类分割效果图。 [0019]图5是形态学腐蚀效果图。
[0020]图6是灰度值转换效果图
图7是Candy算子边缘提取效果图。
[0021]图8是导航离散点效果图。
[0022]图9是Hough变换拟合效果图。
[0023]图10是基于单目视觉移动机器人的路径信息与导航控制参数信息转换示意图。【具体实施方式】
[0024]本发明提供了一种温室移动机器人视觉导航路径识别方法，针对温室环境下的单目视觉移动机器人，为解决温室移动机器人路径识别受光照信息影响严重的问题，提出了将原始图像的RGB颜色空间转换到HSI颜色空间并提取对光照信息影响较小的温室图像中的H分量作为后续图像处理对象以有效降低光照影响的解决方法。另外，为解决目前温室移动机器人导航路径识别实时性差的问题，在图像分割时引入了 K-means算法对图像进行聚类分割处理以代替常规的阈值分割方法，并采用形态学腐蚀方法对聚类分割后的图像进行二次去噪处理，以获取到与背景完全分离的道路信息，再经Hough变换拟合提取导航路径信息，最后通过基于单目视觉的坐标转换方法获取移动机器人导航控制参数。具体步骤如下:
第一、参见图1，通过摄像头获取原始图像。基于一种温室移动机器人，采用单目视觉导航方式，摄像头型号为Logitech (罗技)C600，安装在机器人正前方，距地高度为50cm，角度可任意调节，采集到的图像分辨率为640*480像素，图像格式为JPG。控制移动机器人的微机型号为ThinkPad X220, CPU型号为Intel酷睿i5_2450M，CPU主频为2.5GHz,内存容量为2GB。操作系统为Windows 7 Home Basic。以温室环境下的常规垄间图像为处理对象，采集垄间的原始图像。
[0025]第二、参见图1和图2，将原始图像从RGB颜色空间转换为HSI颜色空间。通过Visual C++ 6.0可视化集成开发工具编制人机交互界面，以C++编程语言结合OpenCV(Intel?开源计算机视觉库)编程实现各模块功能。首先，将采集到的原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图。由于OpenCV中并没有直接定义RGB颜色空间到HSI颜色空间的转换函数，所以其转换过程需通过编程实现，程序编写时采用的转换公式为式(I)-式(4):
【权利要求】
1.一种温室智能移动机器人视觉导航路径识别方法，其特征是包括以下步骤: (1)采集温室环境下的原始图像，将原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图，对其中的H分量信息图采用中值滤波法进行去噪处理； (2)用K-means算法对去噪处理后的H分量信息图进行聚类分割，选择道路信息作为待获取的图像分割信息，获得道路的分割效果图； (3)对分割效果图采用形态学腐蚀方法进行二次去噪处理，减少边缘信息总量，得到只剩下白色、黑色和灰色3种灰度值的图像，其中道路信息为白色； (4)对经过腐蚀处理后的图像进行灰度转换，得到完整的道路信息； (5)对灰度转换后的道路信息采用Candy算子进行边缘检测，提取边缘离散点； (6)对提取边缘离散点的图像通过逐行扫描获取图像每一行中2个白色点的位置信息，对其取均值进行转换获取导航离散点； (7)对导航离散点进行拟合获取最终导航路径信息； (8)对最终导航路径信息进行坐标转换，得到温室智能移动机器人导航控制参数信息，计算出移动机器人的导航角。
2.根据权利要求1所述一种温室智能移动机器人视觉导航路径识别方法，其特征是:步骤(2)中,所述K-means算法步骤如下: 1)选择k=3个 对象作为初始聚类中心； 2)将图像中所有像素点按照最小距离原则分配到最近聚类； 3)重新计算每个聚类的平均值，并用该均值作为新的聚类中心； 4)重复2)、3)，直到每个聚类不再发生变化为止； 5)获取到k个聚类。
3.根据权利要求1所述一种温室智能移动机器人视觉导航路径识别方法，其特征是:步骤(1)中将原始图像信息从RGB颜色空间转换到HSI颜色空间的转换公式是:
4.根据权利要求1所述一种温室智能移动机器人视觉导航路径识别方法，其特征是 步骤(10)中，导航角，的计算公式是
【文档编号】G06K9/54GK103646249SQ201310670524
【公开日】2014年3月19日 申请日期:2013年12月12日 优先权日:2013年12月12日
【发明者】高国琴, 李明 申请人:江苏大学