CN102789234A - 基于颜色编码标识的机器人导航方法及系统 - Google Patents

Abstract

本发明公开了一种基于颜色编码标识的机器人导航方法，包括以下步骤：根据采集到的图像数据，提取导航标识线，确定路径方向；识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备；识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。本发明还公开了一种基于颜色编码标识的机器人导航系统。本发明的原理简单，扩展性强，具有良好的视觉感知，能够完成室内服务机器人的定位和导航任务；可以与其他导航系统相结合，提高导航系统的稳定性与实用性；有效解决了目前在机器人导航领域对复杂环境适应性比较薄弱以及导航中误差累计、运算量大、传感器相互干扰等问题。

Description

基于颜色编码标识的机器人导航方法及系统

技术领域

本发明涉及机器人导航控制技术领域，特别是涉及一种基于颜色编码标识的机器人导航方法及系统。

背景技术

现有的机器人导航控制，主要是利用电磁或超声波传感器进行导航，测量得到的数据较直接，对传感器的数据处理能力要求不高，但非视觉传感器会给探测环境带来污染，如微波、超声等，各个传感器之间也会彼此干扰。利用陀螺仪、罗盘等传感器进行惯性导航，通过计算累计的探测数据，得知机器人与初始位置的位移关系，该方法可以获得相对位移信息，但是，其位置估计误差存在累积，会随机器人的不断运动而增大。视觉导航具有探测范围广、获得的信息丰富的优点，但是要区分环境中的目标与背景，从环境中找到特定物体却是其难以克服的缺点。为了将目标从背景中分开，需要很大的图像计算量，导致系统实时性降低，同时其效果与也存在问题，为避免这些问题需要采取各种图像处理方法进行处理。

发明内容

基于此，针对上述问题，本发明提出一种基于颜色编码标识的机器人导航方法及系统，可有效解决目前在机器人导航领域对复杂环境适应性比较薄弱以及导航中误差累计、运算量大、传感器相互干扰等问题。

为解决上述技术问题，本发明提供了一种基于颜色编码标识的机器人导航方法，包括以下步骤：

根据采集到的图像数据，提取导航标识线，确定路径方向；

识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备；

识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。

机器人根据采集到的图像数据，利用图像预处理、图像分割、数学形态学等图像处理方法，提取导航标识线，确定路径方向后，根据导航线方向驱动机器人电机模块进行前行和转向，使机器人沿着特定轨迹运动。在快运动到断点标志的时候，机器人识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备，避免由于速度过快来不及进行解码译码。然后机器人识别设于拐弯处或其他位置的颜色编码色块，机器人通过图像进行译码识别，执行转弯或其他命令。

在其中一个实施例中，在“识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备”之前，还包括以下步骤：调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。目的是起到偏转校正、自动导航的作用，在理想情况下，拟合出的导航线是垂直的，但是实际中，机器人的运动方向与理想情况下总有一个偏转角，要保证机器人的运动方向与垂直方向的夹角在10度以内。在实际的控制当中，是按以下参数控制机器人运动的，当左偏角

>10时，减小机器人右轮的速度，当右偏角

>10时，减小左轮的速度，通过实时的调整机器人的左右轮子的速度，让机器人的运动方向与垂直方向的夹角不超过10度，以实现自动导航。

在其中一个实施例中，在“识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令”之后，还包括以下步骤：当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说。目的是实现语音播报的功能。

在其中一个实施例中，在“根据采集到的图像数据，提取导航标识线，确定路径方向”之前，还包括以下步骤：通过摄像头获取视频信号，并采集图像数据。目的是保证能够准确提取到图像信号。

在其中一个实施例中，在提取导航标识线时，包括图像预处理的步骤，具体包括：

采用OTSU方法计算出一个最佳的全局阈值，将图像二值化；

采用中值滤波方法以及数学形态学方法去除图像中的噪声；

用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界；

分割完成后，采用中值滤波进行去噪处理。

在其中一个实施例中，在图像预处理之后，还包括拟合导航线的步骤，具体包括：

逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；

如果某行的边缘点的个数大于T个，舍去这一行不进行处理，其中T＞0；

对统计到的边缘点求中点，记录坐标；

用 A 和 B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，即A和B的重心；

根据计算出的重心，得出A与B两重心之间的距离。

为解决上述技术问题，本发明还提供了一种基于颜色编码标识的机器人导航系统，包括导航线识别提取模块、断点识别模块和颜色编码识别模块。

其中，导航线识别提取模块，用于根据采集到的图像数据，提取导航标识线，确定路径方向；断点识别模块，用于识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备；颜色编码识别模块，用于识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。

机器人根据采集到的图像数据，利用图像预处理、图像分割、数学形态学等图像处理方法，提取导航标识线，确定路径方向后，根据导航线方向驱动机器人电机模块进行前行和转向，使机器人沿着特定轨迹运动。在快运动到断点标志的时候，机器人识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备，避免由于速度过快来不及进行解码译码。然后机器人识别设于拐弯处或其他位置的颜色编码色块，机器人通过图像进行译码识别，执行转弯或其他命令。

在其中一个实施例中，还包括偏转校正模块，用于调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。目的是起到偏转校正、自动导航的作用，在理想情况下，拟合出的导航线是垂直的，但是实际中，机器人的运动方向与理想情况下总有一个偏转角，要保证机器人的运动方向与垂直方向的夹角在10度以内。在实际的控制当中，是按以下参数控制机器人运动的，当左偏角>10时，减小机器人右轮的速度，当右偏角>10时，减小左轮的速度，通过实时的调整机器人的左右轮子的速度，让机器人的运动方向与垂直方向的夹角不超过10度，以实现自动导航。

在其中一个实施例中，还包括服务解说模块，用于当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说。目的是实现语音播报的功能。

在其中一个实施例中，还包括视频图像采集模块，用于通过摄像头获取视频信号，并采集图像数据。目的是保证能够准确提取到图像信号。

在其中一个实施例中，还包括图像预处理模块，用于采用OTSU方法计算出一个最佳的全局阈值，将图像二值化；采用中值滤波方法以及数学形态学方法去除图像中的噪声；用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界；分割完成后，采用中值滤波进行去噪处理。

在其中一个实施例中，还包括拟合导航线模块，用于逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；如果某行的边缘点的个数大于T个，舍去这一行不进行处理，其中T＞0；对统计到的边缘点求中点，记录坐标；用 A 和 B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，即A和B的重心；根据计算出的重心，得出A与B两重心之间的距离。

本发明的有益效果是：

（1）原理简单，扩展性强，具有良好的视觉感知，能够完成室内服务机器人的定位和导航任务；

（2）可以与其他导航系统相结合，提高导航系统的稳定性与实用性；

（3）有效解决了目前在机器人导航领域对复杂环境适应性比较薄弱以及导航中误差累计、运算量大、传感器相互干扰等问题；

（4）通过摄像头采集视频图像数据，设计了颜色编码色块，能够有效区分环境中的目标与背景，从环境中找到特定物体，从而实现准确导航的目的，非常适于推广和应用。

附图说明

图1为本发明实施例所述导航方法的流程图；

图2为本发明实施例所述机器人导航线偏转校正的示意图；

图3为本发明实施例所述颜色编码的编码方法示意图；

图4为本发明实施例的颜色编码示例；

图5为本发明实施例的简单颜色编码示例；

图6为本发明实施例所述的导航系统的原理方框图；

附图标记说明：

10-视频图像采集模块，20-导航线识别提取模块，30-断点识别模块，40-电机控制模块，50-偏转校正模块，60-服务解说模块，70-颜色编码识别模块。

具体实施方式

下面结合附图对本发明的实施例进行详细说明。

实施例：

如图1所示，一种基于颜色编码标识的机器人导航方法，包括以下步骤：

步骤S101，通过摄像头获取视频信号，并采集图像数据。机器人通过摄像头获取视频信号，数码摄像头是一种数字视频的输入设备，色彩位数一般为24bit，视频捕获速度平均 30 帧/秒。

步骤S102，根据采集到的图像数据，提取导航标识线，确定路径方向。将采集到的图像数据进行图像处理，识别和提取导航线，即将导航线从背景图像中分割出来。通过视觉方法识别地面上铺设的导航标识线，该方法的优点是通用性比较强，不管是在什么样的环境中，只要是有轨线的地方，机器人就能循线运动，而且运算的复杂度也是比较低的。

在直线提取算法中最常用的是Hough变换和最小二乘法，但是在实际图像中提取直线时还存在许多问题，比如 Hough变换的计算量比较大，直线位置信息的获取存在很大困难，在实际的图像中提取的直线特征在Hough变换空间中受干扰线段和噪声簇的影响非常大，由于实际图像中的光照不均匀，有可能出现直线断裂，在一条直线上的点并不是严格的沿直线分布等。最小二乘法计算量比较大，而且要求选取的点必须是近似导航线上的点，容易受干扰点的影响。因此本方法采用的是基于边缘的双质心的导航直线提取方法。具体过程算法如下：

为方便提取图像中的导航线目标，需要图像进行预处理，预处理方法如下：

（1）首先利用OTSU方法计算出一个最佳的全局阈值，将图像二值化。

OTSU于1979年提出，是对灰度图像进行阈值分割的一种方法，依据类间距离的极大准则来确定进行分割的阈值。

对于一副图像，记t为区分前景与背景的阈值。设该图像中共有M个灰度级，图像中共有像素N个，处于某一灰度级i上的像素有n_i个，则有：

，前景点数占图像比例为ω_A，平均灰度为ρ_A；背景点数占图像比例为ω_B，平均灰度为ρ_B。则图像总的平均灰度为：

ρ=ω_Aρ_A+ω_Bρ_B

从图像的最小灰度值到最大灰度值遍历t，当t使得值：

σ²=ρ_A(ω_A-ω)²+ρ_B(ω_B-ω)²

最大时 t 即为分割的最佳阈值：

$t^{*}=\mathrm{Arg}\underset{0<t<M}{\mathrm{Ma}}x[{\mathrm{\&rho;}}_A{({\mathrm{\&omega;}}_A+\mathrm{\&omega;})}^2+{\mathrm{\&rho;}}_B{({\mathrm{\&omega;}}_B+\mathrm{\&omega;})}^2]$

阈值t分割出的前景和背景两部分构成了整幅图像，而前景取值ρ_A，概率为ω_A，背景取值ρ_B，概率为ω_B，总均值为ρ，因方差是灰度分布均匀性的一种度量，方差越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小。因此，使类间方差最大的分割意味着错分概率最小。

通过使用OTSU动态阈值，不需要在每次调试前手动调整阈值来适应环境，并且当环境中的整体亮度提高或降低时，导航线的识别准确性不会受到严重影响，提高了系统的适应性和可靠性，使导航线的识别效果较之前的方法有一定的提升。

（2）利用中值滤波方法以及数学形态学方法去除图像中的噪声。

（3）用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界。

（4）分割完成后，图像中可能还有一些噪声存在，还可继续利用中值滤波去噪。

经过以上预处理，图像中的导航标志线的边缘就已经比较清楚了，下面的工作就是如何拟合导航线了。发明人把此方法定义为双质心法，其中心思想如下：

1）逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；

2）如果此行的边缘点的个数大于T个，说明此行干扰点的个数太多，舍去这一行不进行处理；

3）对统计到的边缘点求中点，记录坐标；

4）用 A 和 B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，也就是A和B的重心；

5）根据步骤4中计算的重心，利用数学上的两点式即可求得导航直线的方程。

步骤S103，电机控制，根据导航线方向驱动机器人电机模块进行前行和转向，使机器人沿着特定轨迹运动。

步骤S104，调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。目的是起到偏转校正、自动导航的作用，在理想情况下，拟合出的导航线是垂直的，但是实际中，机器人的运动方向与理想情况下总有一个偏转角，要保证机器人的运动方向与垂直方向的夹角在10度以内。在实际的控制当中，是按以下参数控制机器人运动的，如图2所示，当左偏角

>10时，减小机器人右轮的速度，当右偏角

>10时，减小左轮的速度，通过实时的调整机器人的左右轮子的速度，让机器人的运动方向与垂直方向的夹角不超过10度，以实现自动导航。

步骤S105，识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备。断点设置，为了让机器人知道它的前面将会出现一个编码，在机器人行走的导航线上设置了一个标志，在遇到此标志之后，机器人才进行编码识别。机器人在识别编码的时候如果速度过快，将会来不及识别而越过编码区域，由此，在编码区域的前方，设置一个断点标志。机器人识别出断点之后，将会减速，调整自身的位姿，以有充分的时间来识别路径上的节点编码。

步骤S106，识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。颜色编码识别，为了使服务机器人在导航过程中执行相应的命令，我们提出一种颜色编码方法，对命令进行编码，包含简单编码和字节编码，编码方法如下：

1）字节编码

所述字节编码方法如图3所示，蓝色色块表示编码区的中心位置，红色色块是编码区方向的标识，蓝色色块周围的八个色块为编码块，用白色和黑色区分。识别模块通过比较红色色块与蓝色色块的相对位置来确定当前编码区的朝向，从而进行相应的编码识别。该方法相对于射频模块识别具有成本低，简单实用的特点。

如图4是字节编码的示例，编码数据是10011010。

2）简单编码

对于机器人左转、右转、停止等简单的动作命令，本方法设计了简单颜色编码方法，编码方式如图5所示。

颜色编码识别的关键在于首先识别颜色模块，即所述的蓝色色块和红色色块，确定编码方向，再进一步进行二进制译码。而本方法中的颜色识别采用HSI颜色模型，因为HSI颜色空间与人类的视觉系统规律比较符合，而且亮度分量与图像彩色信息无关，色调和饱和度分量与人感受颜色方式紧密相连，为了避免颜色受到光照明暗等条件的干扰，故选用HSI色彩空间进行颜色识别。

步骤S107，当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说，实现语音播报的功能。服务解说，机器人在识别特征标识后，调用相应的音频模块，这些音频文件是通过录音设备直接记录的真实声音的二进制采样数据，完成特定的解说和服务任务。

本实施例所述的基于颜色编码标识的机器人导航方法，通过摄像头进行采集环境图像，对采集图像进行一定的预处理操作，主要是去除一些噪声点的干扰，并增强图像的细节；接下来的工作就是对导航标识线和颜色编码色块进行分割了，对导航标识线的分割，发明人采用OTSU方法进行自动阈值分割，将图像分割成黑白二值图像，然后通过对噪声有抑制作用的Sobel边缘检测算子进行道路的边缘分割；对颜色编码色块的分割，发明人将图像转换到HSI颜色空间下，这种颜色空间比较符合人类的视觉规律，而且很大程度上避免了光线明亮的影响。决策模块主要完成机器人的动作指示，包括调整机器人的轮速和服务解说，根据分割出的标识类型，及时地调整机器人的轮速，指导机器人完成直行、左转弯、右转弯和停止四种动作以及相关的命令动作。

如图6所示，根据上述实施例所述的基于颜色编码标识的机器人导航方法，本发明还设计了一种基于颜色编码标识的机器人导航系统，包括视频图像采集模块10、导航线识别提取模块20、电机控制模块40、偏转校正模块50、断点识别模块30、颜色编码识别模块70和服务解说模块60。其中：

导航线识别提取模块20，用于根据采集到的图像数据，提取导航标识线，确定路径方向。

断点识别模块30，用于识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备。

颜色编码识别模块70，用于识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。

电机控制模块40，用于根据导航线方向驱动机器人电机模块进行前行和转向，使机器人沿着特定轨迹运动。

偏转校正模块50，用于调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。目的是起到偏转校正、自动导航的作用，在理想情况下，拟合出的导航线是垂直的，但是实际中，机器人的运动方向与理想情况下总有一个偏转角，要保证机器人的运动方向与垂直方向的夹角在10度以内。在实际的控制当中，是按以下参数控制机器人运动的，当左偏角

>10时，减小机器人右轮的速度，当右偏角

>10时，减小左轮的速度，通过实时的调整机器人的左右轮子的速度，让机器人的运动方向与垂直方向的夹角不超过10度，以实现自动导航。

服务解说模块60，用于当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说。目的是实现语音播报的功能。

视频图像采集模块10，用于通过摄像头获取视频信号，并采集图像数据。目的是保证能够准确提取到图像信号。

在本实施例中，还包括图像预处理模块和拟合导航线模块（图6中未标示出），其中，

图像预处理模块，用于采用OTSU方法计算出一个最佳的全局阈值，将图像二值化；采用中值滤波方法以及数学形态学方法去除图像中的噪声；用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界；分割完成后，采用中值滤波进行去噪处理。

拟合导航线模块，用于逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；如果某行的边缘点的个数大于T个，舍去这一行不进行处理，其中T＞0；对统计到的边缘点求中点，记录坐标；用 A 和B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，即A和B的重心；根据计算出的重心，得出A与B两重心之间的距离。

本实施例所述基于颜色编码标识的机器人导航系统，其工作原理如下：

机器人根据采集到的图像数据，利用图像预处理、图像分割、数学形态学等图像处理方法，提取导航标识线，确定路径方向后，根据导航线方向驱动机器人电机模块进行前行和转向，使机器人沿着特定轨迹运动。在快运动到断点标志的时候，机器人识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备，避免由于速度过快来不及进行解码译码。然后机器人识别设于拐弯处或其他位置的颜色编码色块，机器人通过图像进行译码识别，执行转弯或其他命令。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (12)

1.一种基于颜色编码标识的机器人导航方法，其特征在于，包括以下步骤：

根据采集到的图像数据，提取导航标识线，确定路径方向；

识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备；

识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。

2.根据权利要求1所述的基于颜色编码标识的机器人导航方法，其特征在于，在“识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备”之前，还包括以下步骤：

调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。

3.根据权利要求1或2所述的基于颜色编码标识的机器人导航方法，其特征在于，在“识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令”之后，还包括以下步骤：

当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说。

4.根据权利要求3所述的基于颜色编码标识的机器人导航方法，其特征在于，在“根据采集到的图像数据，提取导航标识线，确定路径方向”之前，还包括以下步骤：

通过摄像头获取视频信号，并采集图像数据。

5.根据权利要求1、2或4所述的基于颜色编码标识的机器人导航方法，其特征在于，在提取导航标识线时，包括图像预处理的步骤，具体包括：

采用OTSU方法计算出一个最佳的全局阈值，将图像二值化；

采用中值滤波方法以及数学形态学方法去除图像中的噪声；

用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界；

分割完成后，采用中值滤波进行去噪处理。

6.根据权利要求5所述的基于颜色编码标识的机器人导航方法，其特征在于，在图像预处理之后，还包括拟合导航线的步骤，具体包括：

逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；

如果某行的边缘点的个数大于T个，舍去这一行不进行处理，其中T＞0；

对统计到的边缘点求中点，记录坐标；

用 A 和 B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，即A和B的重心；

根据计算出的重心，得出A与B两重心之间的距离。

7.一种基于颜色编码标识的机器人导航系统，其特征在于，包括：

导航线识别提取模块，用于根据采集到的图像数据，提取导航标识线，确定路径方向；

断点识别模块，用于识别设于颜色编码标识前方的断点标志，为识别颜色编码做好调节运动轨迹的准备；

颜色编码识别模块，用于识别设于拐弯处或其他位置的颜色编码色块，执行转弯或其他命令。

8.根据权利要求7所述的基于颜色编码标识的机器人导航系统，其特征在于，还包括偏转校正模块，用于调整机器人左轮与右轮分别的速度，控制机器人的运动方向与垂直方向的夹角不超过10度。

9.根据权利要求7或8所述的基于颜色编码标识的机器人导航系统，其特征在于，还包括服务解说模块，用于当机器人行驶于颜色编码色块处时，调用音频模块，完成服务解说。

10.根据权利要求9所述的基于颜色编码标识的机器人导航系统，其特征在于，还包括视频图像采集模块，用于通过摄像头获取视频信号，并采集图像数据。

11.根据权利要求7、8或10所述的基于颜色编码标识的机器人导航系统，其特征在于，还包括图像预处理模块，用于采用OTSU方法计算出一个最佳的全局阈值，将图像二值化；采用中值滤波方法以及数学形态学方法去除图像中的噪声；用Sobel边缘检测算子进行边缘分割，检测出导航标识线的边界；分割完成后，采用中值滤波进行去噪处理。

12.根据权利要求11所述的基于颜色编码标识的机器人导航系统，其特征在于，还包括拟合导航线模块，用于逐行扫描图像，分别统计上、下半幅图像每行边缘点的坐标；如果某行的边缘点的个数大于T个，舍去这一行不进行处理，其中T＞0；对统计到的边缘点求中点，记录坐标；用 A 和 B 表示图像的上下两部分区域，分别计算A区域和B区域的中点的中心，即A和B的重心；根据计算出的重心，得出A与B两重心之间的距离。

Images