基于边缘检测探究移动机器人视觉导航技术.docVIP

基于边缘检测探究移动机器人视觉导航技术 　　摘 要 　　边缘检测则是机器视觉系统处理的第一个阶段，其检测结果的正确与可靠性对机器视觉系统对客观世界的理解具有直接的影响。本文基于边缘检测技术对移动机器人视觉导航技术进行了研究。 　　【关键词】边缘检测 移动机器人 视觉导航技术 　　1 边缘检测技术 　　边缘是图像最基本的特征，位于图像属性区域的交接处，不确定性较强，极易发生突变，由于图像边缘信息最集中，并包含大量的信息，因此边缘检测就十分重要。边缘检测是机器视觉系统处理的第一个阶段，其检测结果的正确与可靠性对机器视觉系统对客观世界的理解具有直接的影响。目前，边缘检测的方法有许多，其中边缘检测的算法包括Prewitt算子、Roberts算子、Sobel算子、Canny算子、Log算子等;边缘检测的新方法包括神经网络法、小波分析法、模糊数学法、数学形态学法、遗传算法、分形理论法、标记二松弛匹配法、自组织聚类法等等。这些新方法在边缘检测细节、连续性、精确程度、抗噪声性能上具有一定的优势，如小波分析法就能够在不同尺度上获得信号的细节，因此能够实现大尺度的抑制噪声，并通过小尺度进行精确的定位，正确可靠的识别边缘，因此也被誉为“数学显微镜”。 　　2 移动机器人视觉导航技术 　　2.1 移动机器人视觉系统 　　机器人能够通过机器视觉感知外部世界，而这种机器视觉是一种通过计算机来模拟生物视觉系统功能的技术和科学，其中运用了大量的图像处理技术。机器视觉系统由两部分组成，即图像采集和图像处理，图像采集部分包括了图像采集卡与摄像设备，通过摄像设备对环境图像进行采集，并由图像采集卡将摄像机输出的全电视信号转化为数字信号。视觉系统根据摄像机的数目分为：单摄像头式、双摄像头式、多摄像头式，其中使用较多的是前面两种。 　　2.2 移动机器人视觉导航技术 　　移动机器人视觉导航技术是移动机器人实现智能化和自主化的一种关键技术。移动机器人通过视觉传感器能够进行多数底层行为控制相关的环境感知，如定位、路径识别与跟踪、测距、躲避障碍物等。定位是指移动机器人二维工作环境中的位置和姿态（相对于全局）;路径识别与跟踪是对自然环境道路可通行方向的判断;而障碍物的躲避与道路识别的原理相似，其重点在于对障碍物位置与范围的描述。移动机器人视觉导航技术的原理即是：图像采集→图像处理→图像识别→导航控制。 　　3 基于边缘检测探究移动机器人视觉导航技术 　　目前，数学形态学在图像边缘检测中获得了较为广泛地应用，该检测方法算法简单，能够较好的保证图像的细节特征，对边缘检测精度与抗噪声性能进行协调。本研究中采用了改进的数学形态学边缘检测方法进行图像边缘检测，并以Hough辅助变换得到导航路径。 　　3.1 改进的数学形态学边缘检测 　　数学形态学的是以二值形态学为基础的，包括膨胀与服饰两个基本变换。当二值图像集合为A、结构元素集合为B，则膨胀运算表达式为： 　　A?B={x|（）xA≠?} （1） 　　式（1）中， 为B关于原点的映射，（）x为 位移x后的集合。该公式反映出B膨胀A的过程是先对B进行关于原点的映射，然后映像平移x，其中A与（）x至少一个元素进行了重叠。 　　数学形态学边缘检测方法实质上是要解决两个基本问题，即形态学运算（边缘检测算子）和提取结构元素。实现数学形态学边缘检测方法的改进主要从这两个方面进行。由于图像的边缘具有多种形式的梯度，因此在数学形态学图像处理中也提出几种形态梯度。根据形态学的膨胀、腐蚀、开和闭的运算定义、扩张性，设f为图像，B为结构元素，当B包括原点时，成立： 　　f?B≥f≥f B 　　f?B≥f≥f B 　　并得到不等式： 　　f?B≥f?B≥f≥f B≥f B 　　构造的基本形态梯度为： 　　膨胀型：E（x，y）=f?B?f; 　　腐蚀型：E（x，y）=f?f B; 　　膨胀腐蚀型E（x，y）=f?B?f B; 　　开操作型：E（x，y）=f?f B; 　　闭操作型：E（x，y）=f?B?f; 　　开闭操作型：E（x，y）=f?B?f B。 　　这些算子都属于非线性的差分算子，检出的边缘与结构元素B有关，因此在一定程度上能够保持边缘细节，但边缘检测效果并不相同。由于前三种算子对噪声敏感，抗造性能差;后三种算子尽管具有较好的抗噪声性能，但是定位不够准确，存在边缘的偏移情况，因此对算子进行改进，获得边缘检测算子： 　　Ed（x，y）=f?B?f?B 　　Ee（x，y）=f B?f B 　　3.2 仿真结果分析 　　采用改进的形态学检测算子对采集到的图像进行仿真实验。结果如图所示（图1、图2）。仿真结果显示，改进的形态学边缘检测算法对图像边缘定位更加准确，与Robe