毕业设计（论文）-机器人视觉目标数字图像实时分割研究.doc

前 言 60％--80％的信息是由人的眼睛，即视觉来获得。让机器人具有视觉是人类的一个梦想。长期以来，人类的视觉系统一直是学者们非常感兴趣的领域。人们进行了大量的研究，希望通过某种人工的手段来实现人类的视觉功能。计算机视觉正是在这些研究的基础上逐渐形成的一门新的学科。它包括所有由人类设计并在计算机环境下实现的模拟人的某些视觉功能的技术。计算机视觉是一个相当新且发展于分迅速的研究领域，并成为计算机科学和人工智能的重要研究领域之一。计算机视觉是在20世纪50年代开始的，当时的工作主要集中在二维图像分析和识别上，如光学字符识别、工件表面、显微图片和航空图片的分析和解释等。此时的视觉研究都是基于二维的，而且多数是采用模式识别的方法完成分类工作。 总之，视觉是一种感知周围环境最复杂的手段，也是最有效的手段，随着科学技术的发展，计算机视觉的应用范围日益扩大，无论是生物视觉系统，其最终的目的都是要帮助较大的系统来完成它的职责或生命的生存，这是非常重要的任务。因此视觉系统必须能够从景物图像中提取对完成这些任务十分有用的信息。 机器人视觉的目的，是使用机器人能够像人眼一样对环境进行感知、解释和理解。现代信息社会的发展方向是数字化、网络化和智能化。信息技术的创立和发展的轨迹就是人脑信息处理过程的模仿。我们需要计算机与人之间可以没有障碍的交流沟通，这样才是信息智能化的最大的体现。但是目前人机对话的问题是妨碍信息智能化最大的障碍。计算机的图像识别，语音识别，文字识别等都难以尽如人意。 机器人在对目标进行识别时，首先要对目标进行分割。目标分割对于机器人视觉处理来说有着至关重要的作用。他处于处理系统的最底层，是其他高级应用如目标跟踪、目标识别的基础。只有正确地检测并分割出运动目标才能进行后面的工作，否则就会产生很大的偏差和错误，以致后面的工作无法开展。运动目标的图像分割是当前国内外研究的热门课题，国外许多重要的期刊如optical Engineering，IEEE Transaction on Pattern Analysis and Machine Intelligence以及AD报告等，经常刊登有关该领域的学术论文。国内一些学者也在该领域做了大量的工作，并取得了一些成果，有的己经得到实际应用。图像分割自20世纪70年代起一直受到人们的高度重视,至今已提出上千种分割算法.但因尚无通用的分割理论,现提出的分割算法大都是针对具体问题的,并没有一种适合所有图像的通用分割算法。因此对机器人图像分割研究具有很大的研究价值。 第1章 国外机器人视觉系统应用于很多方面，如用于海洋石油开采，海底勘查的水下机器人;用于医疗外科手术及研究的医用机器人;帮助人类了解宇宙的空间机器人;完成特殊任务的核工业机器人等。虽然我国在机器视觉方面的发展与世界先进水平相比还有一定差距，但机器视觉系统的研制工作也取得了一定的成果。我国视觉机器人应用主要有以下目的:用以代替人类从事危险、有害和恶劣环境、超净环境下的工作;把人从肮脏、繁重的劳动中解放出来;提高劳动生产率，改善产品质量，快速响应市场要求，加强在国际市场的竞争能力。 §1.3 机器人视觉目前存在的主要问题 目前的机器人视觉存在以下一些问题： 1. 如何准确、高速(实时)地识别出目标。 2.如何有效地构造和组织出可靠的识别算法，并且顺利地实现。这期待着高速的阵列处理单元，以及算法(如神经网络法、小波变换等算法)的新突破，这样就可以用极少的计算量高度地并行实现功能。 3.实时性是一个难以解决的重要问题．图像采集速度较低以及图像处理需要较长时间给系统带来明显的时滞，此外视觉信息的引入也明显增大了系统的计算量，例如计算图像雅可比矩阵、估计深度信息等等．图像处理速度是影响视觉系统实时性的主要瓶颈之一。 4.稳定性是所有控制系统首先考虑的问题，对于视觉控制系统，无论是基于位置、基于图像或者混合的视觉伺服方法都面临着如下问题：当初始点远离目标点时，如何保证系统的稳定性，即增大稳定区域和保证全局收敛；为了避免伺服失败，如何保证特征点始终处在视场内。 第2章图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取信息。值得提出的是，没有唯一的标准的分割方法不同类型的图像，有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解§2.1图像的二值化 二值化是最常用的图像阈值分割处理，图像分割是一