基于路径识别的移动机器人视觉导航
基于路径识别和跟踪的视觉导航
的直线信 息提取 出来 ，并 计算 出角度偏 差 和距 离偏
差。 ・
图 １中 ，虚线 为带状路径标 示线 的中心线 ，图 像正中 的实线 是机 器人前进 的方 向。 为 机器人 前 进方 向与路 径标 示 线 的夹 角 （ 定 当夹 角 位 于 前 规
径跟 踪所需 的角度偏 差 和距离偏 差 ｅ 。
２ 路径跟踪
『 ｌ ２ 一 一 一］ 『 ｏ １ 一］ ｌ ０ ０ ０ 垂直 Ｉ ０ ２ Ｉ 模板 — 和 ２ １ 分别与 １ ２ １ Ｊ 【 ０ ｌ ｌ 一Ｊ
区域 内 以每个像 素点 为中心的 ３×３邻域进 行卷积 ， 得到 区域 内的直 线边缘 。
加器的值加 １ 。如果图像 中包含直线 ，则对应 的累
加器 会 出现 局部最 大值 ；通过检 测参数 空间 中累加 器 的局 部最 大值 ，可 以确定 与该条 直线对应 的一组 参数 （ ，ｒ ，从 而把直线提取 出来 。 ０ ） 通 过提 取 出的这 组参数 （ ，ｒ 即可计 算 出路基 于路径识 另 和 跟踪 的视 觉导航 Ｉ Ｊ
田 羽 ，董 慧颖 ，沈凤龙 ’ ２
（． １沈阳理工大学 信息科学与工程学院， 辽宁 沈阳 １０６ ； ． １ １８ ２ 辽东学院 机电学院，辽宁 丹东 １８０ ） １０３
摘 要 ：路 径 识别和路 径跟踪是轮 式移动机 器人视 觉 导航 的两个 关键 问题 ，本 文利 用 带状路 径标示线 的 直线信 息对路 径进 行识 别 ，采用模糊控 制 器实现对路 径的跟踪 控制 。通 过仿 真 实验表 明 ，该 方法具有很 高的实时性和很 好 的控制精度 ，能够满足轮 式移 动机 器人 视 觉导航 的需要 。
机器人视觉引导与路径规划
机器人视觉引导与路径规划随着科技的快速发展，机器人技术在各行各业都得到了广泛应用。
机器人的视觉引导与路径规划是其中一个重要的应用领域。
本文将探讨机器人视觉引导与路径规划的原理、方法以及应用。
一、机器人视觉引导的原理与方法机器人视觉引导是指机器人通过摄像头等视觉传感器获取环境信息，根据这些信息来寻找、识别目标物体，并进行引导的过程。
机器人视觉引导的原理主要包括图像采集、图像处理和目标识别三个步骤。
首先，机器人通过摄像头等设备采集周围环境的图像信息。
然后，对这些图像进行处理，包括去噪、边缘检测、特征提取等操作，以提高图像的清晰度和目标的识别率。
最后，通过图像处理算法，机器人能够识别出目标物体，并进行相应的引导动作。
机器人视觉引导的方法有多种，常用的包括颜色识别、形状识别和特征点匹配等。
颜色识别是通过对目标物体的颜色进行分析和比较，来确定目标物体的位置和方向。
形状识别是通过对目标物体的形状进行分析和匹配，来确定目标物体的位置和姿态。
特征点匹配是通过对目标物体的特征点进行提取和匹配，来确定目标物体的位置和方向。
这些方法的选择取决于具体应用场景和机器人的需求。
二、机器人路径规划的原理与方法机器人路径规划是指机器人在给定环境和任意起始点与目标点之后，寻找一条最佳路径的过程。
机器人路径规划的原理主要包括环境建模、路径搜索和路径评估三个步骤。
首先，机器人需要对环境进行建模，将环境转化为机器人能够理解的数据结构，常用的建模方法有栅格地图和几何地图等。
然后，机器人在环境模型上进行路径搜索，根据搜索算法（如A*算法、Dijkstra算法等）寻找到一条满足要求的路径。
最后，机器人对路径进行评估，根据评估指标（如距离、能耗等）选择最佳路径。
机器人路径规划的方法有多种，常用的包括基于图搜索的方法、基于规划的方法和基于学习的方法等。
基于图搜索的方法包括A*算法、Dijkstra算法等，它们通过在环境模型中进行节点的扩展和更新，找到一条最优路径。
机器人视觉导航与路径规划
机器人视觉导航与路径规划引言随着人工智能技术的不断发展，机器人在工业、医疗、军事等领域的应用越来越广泛。
机器人的视觉导航与路径规划是实现自主移动和环境感知的关键技术，它能够使机器人能够在未知环境中感知、理解并规划最优路径以达到目标。
一、机器人视觉导航的原理1.1 机器人的感知系统为了进行视觉导航，机器人需要具备感知环境的能力。
机器人的感知系统通常由摄像头、激光雷达、红外传感器等多种传感器组成，这些传感器能够感知周围环境的物体、障碍物和地标等信息，为机器人提供导航所需的数据。
1.2 机器人的视觉处理机器人通过感知系统获取的传感器数据需要进行处理才能获得实用的信息。
视觉处理是将图像或点云数据转化为机器人可以理解和利用的形式，如边缘检测、目标识别、深度估计等。
这些信息能够帮助机器人建立对环境的认知，并作为导航决策的依据。
1.3 机器人的建图与定位机器人需要通过建立环境地图和了解自身位置与方向来进行导航。
建图是将感知到的环境信息转化为地图，机器人可以通过对地图的分析来更好地了解环境，规划路径。
定位则是机器人确定自身在地图中的位置与方向。
视觉导航中常用的定位方法有里程计定位、视觉里程计和激光SLAM等。
二、机器人路径规划的方法2.1 基于图搜索的路径规划最经典的路径规划方法是基于图搜索的算法，如Dijkstra算法、A*算法和D*算法等。
这些算法通过建立图模型，将环境抽象为图中的节点和边。
机器人在图中搜索可达到目标的最优路径，以最短路径或最优代价为目标。
这种方法适用于静态环境，但在动态环境下效果较差。
2.2 人工势场法人工势场法是一种基于力的路径规划方法，它模拟机器人与目标之间的相互作用力，使机器人能够向目标方向移动，并避开障碍物。
该方法能够在实时环境中进行路径规划，但容易陷入局部最小值，导致路径不够平滑。
2.3 遗传算法遗传算法是一种模拟自然进化的算法，通过基因编码和选择、交叉、变异等操作，不断优化路径解。
基于机器视觉的机器人导航与定位
基于机器视觉的机器人导航与定位在当今科技飞速发展的时代，机器人技术正逐渐渗透到我们生活的方方面面，从工业生产中的自动化装配，到医疗领域的精准手术操作，再到家庭服务中的智能清洁，机器人的身影无处不在。
而在机器人能够实现高效、准确的工作背后，基于机器视觉的导航与定位技术起着至关重要的作用。
机器视觉，简单来说，就是让机器人能够像人类一样通过“眼睛”来获取周围环境的信息，并对这些信息进行分析和理解。
对于机器人而言，这双“眼睛”通常是由摄像头、传感器等设备组成的，它们能够捕捉到图像、深度、颜色等多种信息。
在机器人的导航过程中，机器视觉首先需要对周围环境进行感知。
这就像是我们人类在陌生的地方行走时，会先观察周围的道路、建筑物、标志物等。
机器人通过摄像头获取环境的图像，然后利用图像处理技术，提取出其中的有用信息，比如障碍物的位置、道路的走向、目标物体的特征等。
为了实现准确的感知，图像的质量和获取的频率至关重要。
高质量的图像能够提供更多的细节，而高频率的获取则能够保证机器人对环境变化的及时响应。
有了环境感知的基础，接下来就是定位。
机器人需要知道自己在环境中的准确位置，才能规划出合理的行动路径。
常见的定位方法包括基于特征点的定位和基于地图的定位。
基于特征点的定位，是通过识别环境中的一些独特的特征点，比如墙角、柱子的拐角等，然后与事先建立的模型进行匹配，从而确定机器人的位置。
基于地图的定位，则是将机器人获取的环境信息与预先构建的地图进行对比，来确定自身位置。
在构建地图方面，机器视觉也发挥着重要作用。
地图可以分为栅格地图、特征地图和拓扑地图等。
栅格地图将环境划分为一个个小的栅格，每个栅格标记为可通行或不可通行，这种地图直观但数据量较大。
特征地图则侧重于提取环境中的关键特征，如直线、曲线等，数据量相对较小但可能会丢失一些细节。
拓扑地图则更注重环境中节点和连接关系的描述，适合于大规模环境的表示。
在实际应用中，机器视觉的机器人导航与定位面临着诸多挑战。
基于机器视觉的移动机器人导航与控制系统设计
基于机器视觉的移动机器人导航与控制系统设计导语：移动机器人作为一种重要的机器人形态，广泛应用于Warehouse，医院，工业等领域。
为了使移动机器人能够自主导航并安全运行，基于机器视觉的导航与控制系统设计显得尤为重要。
本文将基于机器视觉的导航与控制系统设计进行详细讨论，包括系统架构、关键技术和实现方法。
一、系统架构基于机器视觉的移动机器人导航与控制系统可以分为四个主要组成部分：感知模块、定位与建图模块、导航规划模块和控制执行模块。
1. 感知模块感知模块是导航与控制系统的基础，用于实时获取环境信息。
主要包括相机传感器、激光雷达、深度相机等传感器技术。
通过感知模块，机器人能够获取到场景中的物体位置、障碍物信息等重要数据，为后续的导航决策提供依据。
2. 定位与建图模块定位与建图模块利用感知模块获取到的传感器数据进行地图建立和机器人定位。
常用的定位与建图算法包括概率定位、滤波算法、SLAM技术等。
通过该模块，机器人能够实时更新自身位置和建立环境地图，为导航规划提供准确的位置信息。
3. 导航规划模块导航规划模块根据定位与建图模块提供的环境地图和机器人位置信息，确定机器人的路径规划。
常用的导航规划算法包括A*算法、Dijkstra算法、模糊逻辑等。
通过该模块，机器人能够快速且安全地规划出到达目标位置的最优路径。
4. 控制执行模块控制执行模块将导航规划模块输出的路径转化为机器人的控制指令，控制机器人执行相应的动作。
常用的控制执行技术包括PID控制、路径跟踪算法、动态阻抗控制等。
通过该模块，机器人能够实现精准的位置控制和运动控制。
二、关键技术基于机器视觉的移动机器人导航与控制系统设计涉及到多个关键技术，以下是其中几个重要技术的介绍：1. 视觉目标识别与跟踪视觉目标识别与跟踪是感知模块的核心。
通过使用深度学习算法，将机器人所需感知的目标进行分类和定位。
常用的目标识别算法包括卷积神经网络（CNN）、特征匹配等。
通过目标跟踪算法，机器人能够实时追踪目标的位置信息，为导航规划提供准确的参考数据。
基于机器视觉的机器人自动定位与导航系统设计
基于机器视觉的机器人自动定位与导航系统设计机器视觉在机器人技术领域中发挥着重要的作用。
通过借助机器视觉技术，机器人能够感知环境、识别物体并进行自动定位与导航。
本文将探讨基于机器视觉的机器人自动定位与导航系统的设计。
一、引言随着人工智能和机器人技术的快速发展，机器人在日常生活中的应用变得越来越普遍。
而机器人的自动定位与导航是实现机器人智能化和自主性的关键技术之一。
机器视觉作为机器人感知环境的重要手段，为机器人自动定位与导航提供了可行的解决方案。
二、机器视觉技术在自动定位与导航中的应用机器视觉技术可以通过获取环境中的图像信息，从而实现机器人的自动定位与导航。
1. 物体识别与定位机器视觉可以通过对环境中的物体进行识别和定位，帮助机器人准确感知环境。
通过对物体进行特征提取和匹配，机器人可以确定自身相对于物体的位置，实现精确的定位。
2. 地标识别与导航地标的识别与导航对于机器人的定位与导航非常重要。
机器视觉可以通过识别地标和环境特征点，为机器人提供导航的参考。
这些地标可以是人为设置的标志物，也可以是环境中的固定特征点，比如墙壁、柱子等。
3. 路径规划与避障机器视觉技术还可以用于机器人的路径规划和避障。
通过对环境中障碍物的检测和分析，机器人可以选择合适的路径，并避免与障碍物碰撞。
这种能力对于机器人在复杂环境中的导航非常关键。
三、基于机器视觉的机器人自动定位与导航系统设计1. 硬件设计基于机器视觉的机器人自动定位与导航系统需要搭载相应的硬件设备。
首先，机器人需要安装高分辨率的摄像头，用于采集环境中的图像数据。
其次，需要将摄像头与处理器或控制器相连，实现图像数据的传输和处理。
最后，还需要搭配合适的传感器，如激光雷达或超声波传感器，用于辅助机器人的实时定位与障碍物检测。
2. 软件设计机器视觉算法在实现机器人自动定位与导航中起到关键作用。
软件设计包括以下几个方面：(1) 物体识别与定位算法：设计合适的算法，实现对环境中物体的识别和定位。
《基于ROS的机器人路径导航系统的设计与实现》
《基于ROS的机器人路径导航系统的设计与实现》一、引言随着科技的飞速发展，机器人技术已经广泛应用于各个领域，如工业制造、医疗护理、军事侦察等。
其中，机器人路径导航系统是机器人技术的重要组成部分。
本文将介绍一种基于ROS （Robot Operating System）的机器人路径导航系统的设计与实现。
二、系统需求分析首先，我们需要明确系统的需求。
机器人路径导航系统需要实现的功能包括：路径规划、环境感知、障碍物识别以及路径修正等。
在ROS框架下，我们要求系统具有实时性、稳定性以及灵活性等特点。
为了满足这些需求，我们需要对硬件设备进行选型和配置，包括传感器、控制器等。
三、系统设计（一）硬件设计1. 传感器选择：根据系统需求，我们选择合适的传感器进行环境感知和障碍物识别。
如使用激光雷达进行距离测量，使用摄像头进行视觉识别等。
2. 控制器选择：选用高性能的控制器，如FPGA或ARM等，以实现快速、准确的路径规划和控制。
（二）软件设计在ROS框架下，我们采用模块化设计思想，将系统分为以下几个模块：环境感知模块、路径规划模块、控制执行模块等。
1. 环境感知模块：通过传感器获取环境信息，包括障碍物的位置、距离等。
2. 路径规划模块：根据环境信息，采用合适的算法进行路径规划，如A算法、Dijkstra算法等。
3. 控制执行模块：根据路径规划结果，控制机器人进行相应的动作，如移动、旋转等。
四、系统实现（一）环境感知实现我们使用ROS提供的传感器驱动程序，将传感器数据读取并发布到ROS话题中。
然后，通过订阅话题的方式，获取环境信息。
对于不同类型的传感器，我们可以使用不同的数据处理方法进行信息提取。
（二）路径规划实现在路径规划模块中，我们采用A算法进行路径规划。
首先，根据环境信息构建地图模型；然后，从起点到终点搜索可行的路径；最后，返回最优的路径规划结果。
在ROS中，我们可以使用navigation模块来实现这一功能。
《基于视觉的移动机械臂自主导航和抓取控制研究》
《基于视觉的移动机械臂自主导航和抓取控制研究》篇一一、引言随着人工智能和机器人技术的快速发展，移动机械臂在工业、医疗、军事、服务等领域的应用越来越广泛。
为了实现移动机械臂的高效、精准和自主操作，自主导航和抓取控制技术成为了研究热点。
其中，基于视觉的导航和抓取控制技术，由于具有高精度、高效率和良好的适应性，备受关注。
本文将就基于视觉的移动机械臂自主导航和抓取控制进行研究。
二、视觉导航技术研究2.1 视觉导航系统概述视觉导航系统利用摄像头等视觉传感器获取环境信息，通过图像处理和计算机视觉技术实现机械臂的自主导航。
该系统主要包括摄像头、图像处理单元和控制系统等部分。
2.2 图像处理技术图像处理技术是视觉导航系统的核心，主要包括图像预处理、特征提取、目标识别和路径规划等步骤。
其中，图像预处理包括去噪、增强和二值化等操作，以改善图像质量；特征提取和目标识别则通过计算机视觉算法实现；路径规划则根据目标和环境信息，规划出最优的机械臂运动轨迹。
2.3 视觉导航算法视觉导航算法主要包括基于特征匹配的导航算法和基于深度学习的导航算法。
前者通过提取环境中的特征点或特征线等特征信息进行匹配，实现机械臂的导航；后者则利用深度学习技术对图像进行语义分割和目标检测，实现更高级别的自主导航。
三、抓取控制技术研究3.1 抓取控制概述抓取控制技术是实现机械臂精准抓取的关键技术。
该技术主要通过控制机械臂的末端执行器，实现对目标物体的精准抓取和放置。
3.2 抓取规划算法抓取规划算法是抓取控制技术的核心，主要包括预抓取规划和实时抓取规划。
预抓取规划根据目标物体的形状、大小和位置等信息，规划出最优的抓取姿势和位置；实时抓取规划则根据实际情况，对抓取过程进行实时调整和优化。
3.3 抓取控制策略抓取控制策略主要包括基于力控制的策略和基于视觉控制的策略。
前者通过控制机械臂末端执行器的力和力矩，实现对目标物体的精准抓取；后者则通过视觉传感器获取目标物体的位置和姿态信息，实现对抓取过程的实时监控和控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第9卷 第7期2004年7月中国图象图形学报Journal of Image and G raphicsV ol.9,N o.7July 2004基金项目:国家“863”计划资助项目(编号:2001AA422200)收稿日期:2004201213;改回日期:2004204206基于路径识别的移动机器人视觉导航张海波 原 魁 周庆瑞(中国科学院自动化研究所高技术创新中心,北京 100080)摘 要 跟随路径导引是自主式移动机器人广泛采用的一种导航方式,其中视觉导航具有其他传感器导航方式所无法比拟的优点,是移动机器人智能导航的主要发展方向。
为了提高移动机器人视觉导航的实时性和准确性,提出了一个基于路径识别的视觉导航系统,其基本思想是首先用基于变分辨率的采样二值化和形态学去噪方法从原始场景图像中提取出目标支持点集,然后用一种改进的哈夫变化检测出场景中的路径,最后由路径跟踪模块分直行和转弯两种情况进行导航计算。
实验结果表明,该视觉导航系统具有较好的实时性和准确性。
关键词 自主式移动机器人 视觉导航 路径识别中图法分类号:TP242.62 文献标识码:A 文章编号:100628961(2004)0720853205Visual N avigation of a Mobile R obot B ased on P ath R ecognitionZH ANG Hai 2bo ,Y UAN K ui ,ZH OU Qing 2rui(Hi 2tech Innovation Centre ,Institute o f Automation ,Chinese Academy o f Sciences ,Beijing 100080)Abctract G uidance using path following is widely applied in the field of autonom ous m obile robots.C om pared with the navigation system without vision ,visual navigation has obvious advantages as rich in formation ,low cost ,quietness ,innocuity ,etc.This pa 2per describes a navigation system which uses the visual in formation provided by guide lines and color signs.In our approach ,the visual navigation is com posed of three main m odules :image 2preprocessing ,path 2recognition and path 2tracking.First ,image 2pre 2processing m odule formulates color m odels of all kinds of objects ,and establishes each object ’s support through adaptive subsam 2pling 2based binarization and mathematical m orphology.Second ,path 2recognition m odule detects the guide lines through an im 2proved H ough trans form alg orithm ,and the detected results including guide lines and color signs integrate the path in formation.Fi 2nally ,calling different functions according to the m ovement of straight 2g oing or turning ,path 2tracking m odule provides required in 2put parameters to m otor controller and steering controller.The experimental results dem onstrate the effectiveness and the robustness of our approach.K eyw ords com puter perception ,autonom ous m obile robot ,visual navigation ,path recognition1 引 言导航技术是移动机器人的一项核心技术,其难度远远超出人们最初的设想,其主要原因有:一是环境的动态变化和不可预测;二是机器人感知手段的不完备,即很多情况下传感器给出的数据是不完全、不连续、不可靠的[1]。
这些原因使得机器人系统在复杂度、成本和可靠性方面很难满足要求。
目前广泛应用的一种导航方式是“跟随路径导引”,即机器人通过对能敏感到的某些外部的连续路径参照线作出相应反应来进行导航[2]。
这种方法和传统的“硬”自动化相比大大增加了系统的灵活性,其具有代表性的系统有:C ontrol Engineering 公司安装的导线引导系统,它是通过检测埋在地下的引导导线来控制行进方向,其线路分岔则通过在导线上加载不同频率的电流来实现[3];Egemin Automation 公司生产的Mailm obile 机器人则安装有主动式紫外光源,并通过3个光电探头来跟随由受激化学物质构成的发光引导路径[4];Macome 公司为自动驾驶车辆则开发了一种磁引导单元,它是通过磁通门传感器检测磁带来进行车辆导航[5]。
从导航的观点来讲,这些引导方法的优点在于不会迷路,但是最大的缺点是功能单一,无法在行进的同时完成目标识别、绕过障碍等其他行为,而且,在安装维护成本、灵活性、抗干扰能力等方面与用户的期望尚有距离,从而限制了机器人产品的推广使用。
视觉方法是近年发展起来的一种先进导航方法,其和非视觉类传感器相比,视觉传感器具无噪声、无有害影响、信息量大等特点。
在实际应用中,只需在路面上画出路径引导线,机器人就可以通过视觉导航系统来控制自身行走。
相对于埋设导线、磁条,安装发光带等方法而言,这种方法进一步增强了系统的灵活性,并且降低了成本。
为识别引导路径,Ishikawa 采用了一种状态转移算法,并利用了系统中事先存储的110种不同的场景模式[6];Beccari 还采用了一组特定的模板来检测不同的转弯路口[7]。
但是这些方法都有以下共同的缺陷:其一是为了提高视觉处理速度,检测方法不同程度依赖于确定的场景模式或模板,这样当机器人在运动过程中出现较大的偏差时,几乎不可能再回到正确路径上来;二是在检测目标时,仅考虑了当前帧场景图像,而没有充分利用以前目标识别的信息,从而在实时性和准确性两方面都会受到影响。
笔者研制开发了一个视觉导航系统,它是通过识别路径引导线和标志信息来为移动机器人提供视觉导航。
由于只采用了单目视觉传感器,因此系统的成本和复杂度都得到了降低。
为了使之真正做到稳健快速,在图像预处理、路径识别和路径跟踪等各个环节都充分考虑到算法的实时性与鲁棒性(见主要算法描述)。
2 软件流程视觉导航系统软件由图像预处理、路径识别和路径跟踪3个主要模块组成,其工作流程如图1所示。
机器人视觉系统的原始输入图像是经图像采集卡A/D (模拟量/数字量)转换之后得到的连续数字图像。
系统工作时,首先,图像预处理模块对原始输入图像以合适的分辨率和分割阈值挑选出对机器人有用的各类目标点(包括路径中的引导线、转弯标图1 视觉导航工作流程图志、目的地标志等),并剔除其中的噪声点,而这些点的集合则构成目标的支持点集(support );然后,路径识别模块根据目标支持点集来检测场景中的引导线和各类标志,而引导线和标志综合起来就可以得到所需的路径信息;最后,路径跟踪模块根据路径识别模块所提供的路径信息,分直行和转弯两类情况调用不同的计算模块来为移动平台的运动控制系统提供输入参数。
3 主要算法描述快速、稳定、准确是移动机器人视觉导航的目标,为实现该目标,本文充分利用了图像序列信息,并且摒弃了过于复杂的处理算法,提出了一种基于路径的改进算法。
改进后的算法在准确理解道路图像的前提下,每帧图像的处理时间不超过40ms ,可以满足系统实时性的要求(25帧/s )。
3.1 图像预处理3.1.1 彩色图像二值化对彩色图像进行二值化处理,不仅可以减少目标识别的计算量,还可以降低识别复杂度。
本系统中原始输入图像为(384×288)像素的Y UV 格式图像[8],显然,如果对所有110592个像素点都进行二值化处理,在运算时间上是一笔不小的开销。
为此,笔者采用了如下一种基于变分辨率的智能采样方法:(1)在初始化阶段,即不具备目标的先验知识时,以一种较低的分辨率对整幅图像中的像素点进行采样,并首先选出N ×M 个像素点作为目标候选采样点;(2)进入目标稳定跟踪阶段后,再根据目标上一时刻在图像中的位置和大小设置搜索子窗口。
由于窗口内采样的分辨率可以随窗口尺寸自动变化,因458中国图象图形学报第9卷此可以在不至于丢失目标的前提下选择足够低的分辨率,以减少处理时间;(3)当目标或者机器人的运动发生突然变化时,则有可能在搜索窗口内丢失目标,这时可以返回步骤1重新进行全局搜索。
上述步骤3虽会降低图像处理的效率,但是由于这种情形出现的概率很小,因此这种采样方法仍然节约了大量的处理时间。
接下来再对采样点进行二值化处理。
由于成像质量的原因,图像中存在很多孤立的噪声点,它们有可能正好被抽取作为目标候选采样点,因此如果直接对这些采样点进行阈值分割,则结果并不理想。
为了减少这类噪声的干扰,对于每一个候选点(i, j),可选取一个2×2的邻域内的4个像素点(i,j)、(i,j+1)、(i+1,j)和(i+1,j+1)分别进行颜色阈值判定,如果在该候选点的邻域中被判定为目标点的像素总数超过某一设定值,则判定该候选点为目标点。
3.1.2 数学形态学去噪多数情况下得到的二值化图像,往往在目标内部有一些噪声孔,并且在目标周围有一些噪声块,而将二值形态学中的开启和闭合算法结合起来则可以构成有效的噪声滤除器[9]。
开启和闭合是膨胀和腐蚀按不同次序的组合运算。