CN104008549A - 一种循迹机器人的轨迹动态提取方法及系统 - Google Patents

Abstract

本发明公开了一种循迹机器人的轨迹动态提取方法，其特征在于，所述循迹机器人的轨迹动态提取方包括，根据已进行RGB通道预处理的标本图像重新建立的三个的通道的像素点与对应的通道像素值的函数曲线；根据重新建立的三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；通过RGB通道阈值函数曲线与重新建立的三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域，实现机器人运动状态下，光照变化和有栅格遮拦的情况下彩色图像的实时分割以及轨迹的快速提取。

Description

一种循迹机器人的轨迹动态提取方法及系统

技术领域

本发明涉机器人视觉伺服控制领域，尤其涉及一种循迹机器人的轨迹动态提取方法及系统。

背景技术

图像处理中，图像分割的基础是阈值的选择，因此阈值的自动选取一直是图像研究的重点和热点。已经提出的图像阈值自动选取方法多达数十种，但在实际使用中常用的方法只有直方图波谷法、Otsu法、最大熵方法、矩量保持法、梯度统计法等几种。在基于单摄像头的视觉伺服移动机器人前进领域，由于系统较复杂，对于目标区域的提取主要集中于以下三种方法：

(1)样本直方图统计变量获取阈值，这种方法应用比较广泛，对于此方法，重点是利用直方图波峰和波谷的特点来确定阈值，利用类间最大方差得到分割阈值，该方法可以自动得到统计意义上的最佳分割阈值。其关键技术在于把直方图划分成n个局部区域的准确性以及如何辨别波峰以及伪波峰，利用直方图获取阈值的方案在国防科技大学王祥科的论文《Otsu多阈值快速分割算法及其在彩色图像中的应用》中描述较为详细。利用Otsu完成阈值分割之后，会丢失原图的彩色信息，无法为下一步轨迹辨析提供依据。该方案的缺点是基于直方图的阈值分割是基于简单的二值图像，获得其像素分布直方图。但是彩色图像每一个像素值由三个值耦合而成，包含信息多，无法简单的直接对彩色图像进行处理。

(2)基于YUV色彩空间的固定阈值分割方法，对于(2)中所述的基于YUV色彩空间的固定阈值分割，利用YUV色彩空间的特性，Y表示明亮度，U和V描述图像的色度，和指定像素的颜色。该方法手动给定Y_min，Y_max，U_min，U_max,V_min,V_max作为固定阈值分割图像。该方案在刘斌的《基于颜色的目标跟踪系统在机器人中的应用》中描述的较为详细。本方案受到光照波动的影响较大，目标区域无法实时更新，造成区域分割不准确，同时影响轨迹的辨析。原因在于光照的不确定性，随着光线的变化，其Y值也会产生变化，随机颜色信息也会出现波动，不容易设定一个合理的初始阈值。

(3)基于HSI色彩空间的自适应阈值分割方法。对于(3)中所述的基于HSI色彩空间的自适应阈值分割方法，关键在于感兴趣区域ROI的获取以及阈值动态更新的方法，利用HS的联合直方图统计方法。该方案在南京航空航天大学杨星的研究生学位论文《机器人彩色目标识别与跟踪系统的研究与实现》中描述的较为详细。该方法主要适用于静止不动的图像分割，有一定的局限性，原因在于需要假设机器人处于静止状态，对图像进行实时分割才能取得比较好的效果，在实际应用中，机器人大多处于运动状态。

综上，目前还没有一种很好的方法解决光照变化和有栅格遮拦的情况下彩色图像的实时分割以及轨迹的提取。

发明内容

针对以上问题，本发明提供一种循迹机器人的轨迹动态提取方法，实现机器人运动状态下，光照变化和有栅格遮拦的情况下彩色图像的实时分割以及轨迹的快速提取，该方法包括，

步骤S1，根据已进行RGB通道预处理的标本图像重新建立各像素点对应的R通道像素值，G通道像素值，B通道像素值，此三个的通道的像素点与对应的通道像素值的函数曲线；步骤S2，根据重新建立三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；

步骤S3,通过RGB通道阈值函数曲线与重新建立三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。

进一步地，所述对标本图像进行RGB通道预处理，包括，

步骤S11，对标本图像进行通道分离，分离为R通道图像，G通道图像，B通道图像。

进一步地，所述对标本图像进行RGB通道预处理，包括，

步骤S12，对已分离的R,G,B三个通道图像的各当前行的各像素点所对应的R通道像素值，G通道像素值，B通道像素值进行重新赋值，具体地，

选择一个整数n作为平均像素行参数，以该平均像素行参数的取值来选择连续的行数。

更具体地，当当前第N行不属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，以当前第N行开始计算，对包括当前第N行在内的第N+1行至第N+n-1行的像素值累加后再求平均值，将此平均值重新赋予当前第N行。

当当前第N行属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，排列像素行的倒数n行像素值均以倒数的n行像素值取平均值赋值。

进一步地，所述的一种循迹机器人的轨迹动态提取方法，包括，

步骤S13，在同一坐标系下，根据步骤S12获取的结果，重新建立三个的通道的像素点与对应的通道像素值的函数曲线。

具体地，在同一坐标系下，对任意第N行的像素点与所对应的重新赋值的R通道像素值，建立函数关系曲线，对任意第N行的像素点与所对应的重新赋值的G通道像素值，建立函数关系曲线，对任意第N行的像素点与所对应的重新赋值的B通道像素值建立函数关系曲线。其中坐标系的R通道函数曲线的纵坐标以重新赋值后的R通道的第n行像素值为参考,G通道函数曲线的纵坐标以重新赋值后的G通道的第n行像素值为参考,B通道函数曲线的纵坐标以重新赋值后的B通道的第n行像素值为参考横坐标以原图像像素宽度为参考。

进一步地，所述的一种循迹机器人的轨迹动态提取方法，包括，

步骤S21，对同一横坐标点分别对应的重新赋值后的R通道像素值，G通道像素值，B通道像素值，分别设定权重系数；步骤S22，对重新赋值后的R通道像素值，G通道像素值，B通道像素值分别与所对应的权重系数的乘积的总和求平均值；

进一步地，所述的一种循迹机器人的轨迹动态提取方法，包括，步骤S23，在实验中获取估算值，所述步骤S22中所求的平均值加上估算值，即为RGB通道阈值，以此建立每一个像素点与RGB通道阈值的函数关系曲线。

进一步地，所述的一种循迹机器人的轨迹动态提取方法，RGB通道阈值函数曲线与已进行RGB通道预处理的三个的通道像素函数曲线映射在同一坐标系下。

进一步地，所述的一种循迹机器人的轨迹动态提取方法，包括，

在坐标系的某一段区域内，重新建立三个的通道的像素点与对应的通道像素值的函数曲线中必有某一条曲线函数值大于RGB通道阈值函数曲线的函数值，此段区域即为轨迹区域。

根据本发明的另一方面，还提供一种循迹机器人的轨迹动态提取系统，包括，

预处理模块，对标本图像进行RGB通道预处理，根据已进行RGB通道预处理的标本图像重新建立三个的通道的像素点与对应的通道像素值的函数曲线；

阈值设定模块，通过重新建立三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；

轨迹提取模块，通过RGB通道阈值函数曲线与重新建立三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据本发明的第一实施例的一种循迹机器人的轨迹动态提取方法的流程图；

图2是像素重新赋值示例图；

图3是一种循迹机器人的轨迹动态提取装置模块图；

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

第一实施例

图1是，下面根据图1详细说明本实施例的各个步骤。

步骤S1，根据已进行RGB通道预处理的标本图像重新建立三个的通道的像素点与对应的通道像素值的函数曲线；所述标本图像，指机器人摄像头所拍摄的原始图像素材；包括，

步骤S11，对标本图像进行通道分离，分离为R通道图像，G通道图像，B通道图像；

步骤S12，对已分离的R,G,B三个通道图像的各当前行的各像素点所对应的R通道像素值，G通道像素值，B通道像素值进行重新赋值，具体地，

选择一个整数n作为平均像素行参数，以该平均像素行参数的取值来选择连续的行数。

更具体地，当当前第N行不属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，以当前第N行开始计算，对包括当前第N行在内的第N+1行至第N+n-1行的像素值累加后再求平均值，将此平均值重新赋予当前第N行。

具体地， $\mathrm{Pixel}=\frac{{\mathrm{\Σ}}_{i=N}^{N+n-1}{\mathrm{Pixel}}_i}{n}$

其中Pixel为当前第N行重新赋值的像素，(Pixel_i，i＝N,……N+n-1)

当当前第N行属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，排列像素行的倒数n行像素值均以倒数的n行像素值取平均值赋值。

如附图2所示，本实施例是以n的取值为3来实施的，以平均3行为例，(C0+C1+C2)/3赋值给C0，(A0+A1+A2)/3赋值给A0，从0到480行，第A1行重新赋值后的像素值是(A1+A2+A3)/3；第A478行重新赋值后的像素值是是(A477+A478+A479)/3，第A479行重新赋值后的像素值是是(A477+A478+A479)/3。

步骤S13，在同一坐标系下，对任意第N行的像素点与所对应的重新赋值的R通道像素值，G通道像素值，B通道像素值都建立函数关系曲线，以上步骤中只是以任意第N行为例，实际需要对重新赋值之后的R,G,B各通道的每一行都要按照第N行的例子建立函数关系曲线，如下将具体说明如何建立函数关系曲线。

其中坐标系的R通道函数曲线的纵坐标以重新赋值后的R通道的第n行像素值为参考,G通道函数曲线的纵坐标以重新赋值后的G通道的第n行像素值为参考,B通道函数曲线的纵坐标以重新赋值后的B通道的第n行像素值为参考，横坐标以原图像像素宽度为参考。

在本实施例中，R,G,B通道函数曲线的纵坐标都是是按照实际的纵坐标的像素取值范围再进一步0-1归一化的结果来设定的纵坐标，而横坐标则以原图像素的宽度取值来设定。步骤S2，获取RGB通道阈值函数曲线，包括，

步骤S2，根据重新建立三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；

步骤S21，对同一横坐标点分别对应的重新赋值后的R通道像素值，G通道像素值，B通道像素值，分别设定权重系数；

步骤S22，对重新赋值后的R通道像素值，G通道像素值，B通道像素值分别与所对应的权重系数的乘积的总和求平均值；

步骤S23，在实验中获取估算值，步骤S22中所求的平均值加上估算值，即为RGB通道阈值，以此建立每一个像素点与RGB通道阈值的函数关系曲线。

具体的，Threshold＝(aR+bG+cB)/3+α

其中，R,G,B分别代表对同一横坐标点分别对应的重新赋值后的R通道像素值，G通道像素值，B通道像素值，α是一个估算值，在实验中获取一个合适值。a,b,c,代表一个权重系数，即代表R,G,B三通道的像素值对于阈值选取的影响，RGB色彩模式是通过对R,G,B三个颜色通道的变化以及它们相互之间的叠加来得到，因此这三个值的选定将直接影响图像分割的效果。

步骤S3,通过RGB通道阈值函数曲线与重新建立三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。第二实施例

图3是，下面参照图2对该实施例进行说明。本发明中，主要包括。

预处理模块21，对标本图像进行RGB通道预处理，根据已进行RGB通道预处理的标本图像重新建立三个的通道的像素点与对应的通道像素值的函数曲线；具体地包括，对标本图像进行通道分离，分离为R通道图像，G通道图像，B通道图像；

对已分离的R,G,B三个通道图像的各当前行的各像素点所对应的R通道像素值，G通道像素值，B通道像素值进行重新赋值；

在同一坐标系下，根据步骤S12获取的结果，重新建立三个的通道的像素点与对应的通道像素值的函数曲线。

阈值设定模块22，通过重新建立三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；具体包括，对同一横坐标点分别对应的重新赋值后的R通道像素值，G通道像素值，B通道像素值，分别设定权重系数；对重新赋值后的R通道像素值，G通道像素值，B通道像素值分别与所对应的权重系数的乘积的总和求平均值；在实验中获取估算值，对以上所取得的重新赋值后的R通道像素值，G通道像素值，B通道像素值分别与所对应的权重系数的乘积的总和的平均值再加上估算值，即为RGB通道阈值，以此建立每一个像素点与RGB通道阈值的函数关系曲线。

轨迹提取模块23，轨迹提取模块，通过RGB通道阈值函数曲线与重新建立三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。具体的，在坐标系的某一段区域内，重新建立三个的通道的像素点与对应的通道像素值的函数曲线中必有某一条曲线函数值大于RGB通道阈值函数曲线的函数值，此段区域即为轨迹区域。

本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的单片机装置来实现，这样，本发明不限制于任何特定的硬件和软件结合。

虽然本发明所揭露的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所揭露的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (9)

1.一种循迹机器人的轨迹动态提取方法，其特征在于，所述循迹机器人的轨迹动态提取方包括，

步骤S1，根据已进行RGB通道预处理的标本图像重新建立各像素点对应的R通道像素值，G通道像素值，B通道像素值，此三个的通道的像素点与对应的通道像素值的函数曲线；

步骤S2，根据重新建立的三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；

步骤S3,通过RGB通道阈值函数曲线与重新建立的三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。

2.根据权利要求1所述的一种循迹机器人的轨迹动态提取方法，所述对标本图像进行RGB通道预处理，包括，

步骤S11，对标本图像进行通道分离，分离为R通道图像，G通道图像，B通道图像。

3.根据权利要求2所述的一种循迹机器人的轨迹动态提取方法，所述对标本图像进行RGB通道预处理，包括，

步骤S12，对已分离的R,G,B三个通道图像的各当前行的各像素点所对应的R通道像素值，G通道像素值，B通道像素值进行重新赋值，具体地，

选择一个整数n作为平均像素行参数，以该平均像素行参数的取值来选择连续的行数；

更具体地，当当前第N行不属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，以当前第N行开始计算，对包括当前第N行在内的第N+1行至第N+n-1行的像素值累加后再求平均值，将此平均值重新赋予当前第N行；

当当前第N行属于倒数的排列像素行的平均像素行参数n的取值的行数以内时，排列像素行的倒数n行像素值均以倒数的n行像素值取平均值赋值。

4.根据权利要求3所述的一种循迹机器人的轨迹动态提取方法，包括，

步骤S13，在同一坐标系下，根据步骤S12获取的结果，重新建立三个的通道的像素点与对应的通道像素值的函数曲线。

具体地，在同一坐标系下，对任意第N行的像素点与所对应的重新赋值的R通道像素值，建立函数关系曲线，对任意第N行的像素点与所对应的重新赋值的G通道像素值，建立函数关系曲线，对任意第N行的像素点与所对应的重新赋值的B通道像素值建立函数关系曲线。其中坐标系的R通道函数曲线的纵坐标以重新赋值后的R通道的第n行像素值为参考,G通道函数曲线的纵坐标以重新赋值后的G通道的第n行像素值为参考,B通道函数曲线的纵坐标以重新赋值后的B通道的第n行像素值为参考横坐标以原图像像素宽度为参考。

5.根据权利要求4所述的一种循迹机器人的轨迹动态提取方法，包括，

步骤S21，对同一横坐标点分别对应的重新赋值后的R通道像素值，G通道像素值，B通道像素值，分别设定权重系数；步骤S22，对重新赋值后的R通道像素值，G通道像素值，B通道像素值分别与所对应的权重系数的乘积的总和求平均值。

6.根据权利要求5所述的一种循迹机器人的轨迹动态提取方法，包括，步骤S23，在实验中获取估算值，所述步骤S22中所求的平均值加上估算值，即为RGB通道阈值，以此建立每一个像素点与RGB通道阈值的函数关系曲线。

7.根据权利要求4所述的一种循迹机器人的轨迹动态提取方法，RGB通道阈值函数曲线与已进行RGB通道预处理的三个的通道像素函数曲线映射在同一坐标系下。

8.根据权利要求6所述的一种循迹机器人的轨迹动态提取方法，包括，

在坐标系的某一段区域内，重新建立三个的通道的像素点与对应的通道像素值的函数曲线中必有某一条曲线函数值大于RGB通道阈值函数曲线的函数值，此段区域即为轨迹区域。

9.一种循迹机器人的轨迹动态提取系统，包括，

预处理模块，对标本图像进行RGB通道预处理，根据已进行RGB通道预处理的标本图像重新建立三个的通道的像素点与对应的通道像素值的函数曲线；

阈值设定模块，通过重新建立三个的通道的像素点与对应的通道像素值的函数曲线获取RGB通道阈值函数曲线；

轨迹提取模块，通过RGB通道阈值函数曲线与重新建立三个的通道的像素点与对应的通道像素值的函数曲线进行对比，提取轨迹区域。