基于模糊识别的视觉系统识别算法.docxVIP

基于模糊识别的视觉系统识别算法 根据应用残疾人服务的实际要求，将视觉系统和步行系统整合到系统中是可以实现残疾人和老年人的内部和外部生活，并考虑到残疾人和老年人的外部手术。 具有视觉的助残机器人系统的抓取操作类似于人眼、手、脑系统.首先, 由视觉摄像机拍摄的数字图像作为视觉系统采集的数据, 经数据压缩算法压缩编码后, 以最少比特流传输给系统的动态数据库, 这一过程相当于人眼的功能.其次, 通过译码提取图像数据, 并由识别算法辩识抓取对象.同时, 将抓取对象的相关位置、距离等数据转换成机器手抓取运动的控制参数, 传输给控制系统, 相当于人脑功能.机器手对抓取对象的抓取过程相当于人手的动作.当然, 对手的抓取运动与运动姿态的控制是脑手合一的过程. 本文考虑到视觉系统在拍摄图像中, 传感器制造的聚焦误差、成像光源的强度变化、成像射线的散射作用及物体边缘的形状误差, 都将引起图像边界模糊, 从而导致视觉系统对抓取对象的识别更为困难.因此, 针对机器手从冰箱抓取物体时的环境约束及抓取对象 (啤酒、矿泉水、盒式牛奶、盒式饮料等) 是规则边缘实体的特点提出模糊识别算法, 能有效降低视觉系统的不确定性对识别的影响, 其算法简单. 1 识别结构 1.1 抓取液的检测 机器手从冰箱里抓取物体, 抓取空间被限制在冰箱以内的范围.因此, 在视觉摄像机拍摄的图片中, 包括冰箱的外壳体、抓取对象 (啤酒、矿泉水、盒式牛奶、盒式饮料等) 、机械手.为使识别算法简化, 特作如下假设:①在抓取空间不存在散装的包装物体;②为避免抓取操作中相邻被抓取物的干涉, 特作限定:被抓取物离散放置, 相邻物体之间有间隙;③每个抓取物的放置朝向一致, 例如:全部竖置或横置, 本文选择全部竖置;④同类物体可以多余一件, 可以不相邻放置. 以上假设不失一般性.对于实际情况与此假设不符时, 只须通过识别实验, 对某些算法参数作一些调整, 尚能适用. 1.2 基于信号滤波、滤波模板滤波的模糊识别算法 识别算法的核心是要认出被抓取物, 同时, 要确定它在抓取空间内的方位.因此, 它是一个分类问题.本文提出的模糊识别算法, 分2个层次, 3个组成部分.第1个层次是低通滤波:由视觉系统拍摄的图像经压缩编码、传输与解码后送给识别算法.由于视觉系统存在聚焦误差、成像光源的强度不确定性、成像射线的散射作用和物体边缘的形状误差等等, 这些误差会对图像产生高频噪音, 使图像模糊.高频噪音会影响识别的准确性, 因此, 在识别之前, 首先通过低通滤波消除高频噪音, 低通滤波采用滤波模板滤波, 这部分工作也被称作识别算法的预处理.第2个层次是模糊识别算法, 它由3部分组成:①结构二分法的区域分割算法;②基于抓取物形体与色彩构造模糊识别特征集;③模糊识别算法. 2 图像区域分割 二分法的区域分割法实际上是一种递归分割的方法, 是将分割集合按照某个尺度依次二分为2个集合, 这个过程不断继续, 直到每个子集合中只包含1个元素为止.根据1.1节的假设, 对于视觉系统的区域二分法, 首先要识别抓取空间的对象数目, 也就是对应于图像中的对象数目.其次, 再将图像分割成只包含单个对象的子空间.同时, 考虑识别算法的实时性要求, 需尽量用少数离散采样点的数据实现图像分割.因此, 围绕着图像的区域分割, 主要解决以下2个问题:①确定分割区域的数目;②结构二分法的区域分割算法. 2.1 区域分割修复 图像分割的目的是将图像分割成只包含单个对象 (物体) 的子空间, 因此, 分割区域数目就是抓取空间 (例如冰箱内的空间) 存在的对象 (物体) 数目.由于抓取物 (啤酒、盒式牛奶, 盒式饮料等) 及机械手都是实体, 其外边界多为规范的线性与曲线边缘.它们的图像灰度值聚类性好, 因此, 利用离散采样点的灰度值与平均色彩值作为区域分割的指标.基本思路是用离散采样点表示分割数目, 通过算法依次删除采样点中的背景采样点和同一物体上的重复采样点, 剩下的采样点就是要被识别的对象数目, 即分割区域数目.具体做法是: 1 采样点满意度值f 用均布间距在图像子区域采样, 获得采样点的灰度值与色彩值: f=[fi]s=[si]i=1,2,?,n}(1) 其中,fi为采样点的灰度值;si为采样点的色彩值, 取三基色的平均值. 2 采样点的选取 由先验知识提供对象的灰度阈值Tf, 色彩阈值Ts, 有 Τf=min[Τf1Τf2?Τfk]Τfi∈ΖfΤs=min[Τs1Τs2?Τsk]Τsi∈Ζs}(2) 其中,Zf和Zs分别为对象集合的灰度集合与色彩集合;Tfi和Tsi为对象集合中的某一物体的灰度值与色彩值, 它是集合中的元素. 采样值依次与阈值比较, 若:fi≥Tf∩si≥Ts, 保留采样点;fiTf∪siTs, 取消采样点. 3 采样区间数的生成