挖掘机器人铲斗目标图像的改进分水岭分割.pdfVIP

挖掘机器人铲斗目标图像的改进分水岭分割.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
挖掘机器人铲斗目标图像的改进分水岭分割

学兔兔 第 l1卷第 4期 中 国 工 程 机 械 学 报 Vo1.11No.4 2013年 8月 CHINESEJOURNALOFCONSTRUCTIONMACHINERY Aug.2013 挖掘机器人铲斗 目标图像的改进分水岭分割 王福斌 ,张 磊 ,王静波 (1.河北联合大学 电气工程学院,河北 唐山063009;2.河北联合大学 现代技术教育中心电教中心,河北 唐山063009) 摘要:挖掘机器人 自主挖掘 目标的实现过程中,利用视觉信息跟踪、识别挖掘机器人铲斗目标是关键技术之一. 传统的阈值分割方法很难将铲斗从复杂环境中分割出来 ,提出了改进的分水岭铲斗图像 目标分割方法,首先对 铲斗目标图像进行模糊 C一均值(C为预定的类别数 目)聚类分割,再以初步分割后的图像为基础得到梯度图 像,将梯度值与设定的阈值比较得到标记点,最后以标记点作为极小值点进行分水岭分割.实验表明分割效果得 到了改善. 关键词:挖掘机器人;目标图像;模糊 C均值聚类;分水岭分割 中图分类号:TP242.3 文献标志码 :A 文章编号:1672—5581(2013)04—0286—03 Improvedwatershedsegmentation forbucket objectimagesofexcavatorrobots WANG Fu.bin ,ZHANG Lei。,WAN G Jing.bo (1.ElectricalEngineeringCollege,HebeiUnitedUniversity,Tangshan063009,China; 2.Audio-visualCenterofModernTechnologyEducationCenter,HebeiUnitedUniversity,Tangshan063009,China) Abstract:Duringtheimplementationprocessofautonomousobjectexcavationviaexcavatorrobots,the bucketobjectsecuresacriticalposition invisioninformationtracking.Byemployingthetraditional thresholdsegmenattionmethod,itisdifficulttosegmentthebucketfrom thecomplicatedenvironment.As such,theimprovedwatershedsegmentationmethodisproposed.Firstly,thebucketobjectimagesare processedusingthefuzzy C—meansclustering.Then,thegradientimagesareobtainedfrom theinitially— segmented images.Next,the mark points are attained through comparing the gradientvalues and thresholdingvalues.Finally,themarkpointsareusedastheminimum pointsforwatershedsegmentation. Therein,itsisfoundfrom experimenatlresultsthatthesegmentationeffectisimproved. Keywords:excavatorrobot;objectimages;fuzzyC—meansclustering;watershedse

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档