CN111062968A - 一种基于边缘扫描与中线提取的机器人路径骨架提取方法 - Google Patents

一种基于边缘扫描与中线提取的机器人路径骨架提取方法 Download PDF

Info

Publication number
CN111062968A
CN111062968A CN201911202608.1A CN201911202608A CN111062968A CN 111062968 A CN111062968 A CN 111062968A CN 201911202608 A CN201911202608 A CN 201911202608A CN 111062968 A CN111062968 A CN 111062968A
Authority
CN
China
Prior art keywords
edge
point
points
scanning
path
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911202608.1A
Other languages
English (en)
Inventor
严锡君
刘旭东
候添琪
刁宏志
蒋悦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN201911202608.1A priority Critical patent/CN111062968A/zh
Publication of CN111062968A publication Critical patent/CN111062968A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于边缘扫描与中线提取的机器人路径骨架提取方法，步骤：采用二维模板，从底行开始逐像素扫描机器人道路图像中的路径，同时实现对竖直和水平路径边界点的边缘扫描；采用边缘点列表方法，按照设定的扫描顺序对新边缘点邻域进行搜索，完成左、右两条边缘线的边缘标识；将左、右两条边缘线上的各点对应起来，实现两条边缘线的边缘对应；求出各组对应点连线的中点，将这些中点连接起来得到机器人路径骨架。本发明可以快速准确地处理直线、直角弯、任意弧度弯等单通道路径的骨架提取任务。

Description

一种基于边缘扫描与中线提取的机器人路径骨架提取方法
技术领域
本发明属于图像处理或机器人控制领域，特别涉及了一种机器人路径骨架提取方法。
背景技术
目前，机器人作为智能技术的一个重要方面，是该领域研究和开发的热点。与之相关的教育机器人的教学与实践活动，在各大、中院校得到了蓬勃发展，起到了指导和引领作用。
在教育机器人中，有一类通过识别模拟路径，控制运动轨迹，以模拟实现实际活动，如模拟医疗服务的实践机器人。通常，这类轮式机器人采用空间、距离、光电等传感器获取地面路径与周围环境信息，控制每个电机的转动速度，以实现机器人的运动及其方向的变化，以及启动、停止，并尽可能快地完成整个运动过程。由于光电传感器只能对实际到达点的路径进行检测，无法提前预知，因此在路径改变方向时，机器人一般采用停止然后改变方向的办法，这样大大地降低了运动速度。
为了提高机器人的运行速度，克服光电传感器检测带来的缺陷，很多研究开发人员将图像处理技术应用于机器人中。用摄像头采集到的图像转换成可以为移动机器人提供方向信息的定量参数，然后进一步处理提取路径。路径提取一般以包括预处理、二值化、后处理、骨架提取等四部分，骨架提取是路径提取中最关键的步骤，骨架可以传达出原图像的结构信息，包括线段的位置、方向和长度等能够表示组成图像的内容。但是现有的骨架提取方法仍不能满足实际需要。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了一种基于边缘扫描与中线提取的机器人路径骨架提取方法。
为了实现上述技术目的，本发明的技术方案为：
一种基于边缘扫描与中线提取的机器人路径骨架提取方法，包括以下步骤：
(1)采用二维模板，从底行开始逐像素扫描机器人道路图像中的路径，同时实现对竖直路径边界点和水平路径边界点的边缘扫描；
(2)采用边缘点列表方法，按照设定的扫描顺序对新边缘点邻域进行搜索，完成左、右两条边缘线的边缘标识；
(3)将左、右两条边缘线上的各点对应起来，实现两条边缘线的边缘对应；
(4)求出步骤(3)中各组对应点连线的中点，将这些中点连接起来得到机器人路径骨架。
进一步地，在步骤(1)中，如果在某像素点的3x3邻域内出现非路径点，则判断此像素点为路径边缘点。
进一步地，在步骤(2)中，从底行开始，先对边缘图像进行扫描，扫描到第一个边缘点，在左边缘点列表中记录该点位置；继续扫描到第二个边缘点时，在右边缘点列表中记录该点位置，将这两个点作为左、右边缘点的种子点；之后分别对左、右边缘点列表中最新的点按照预设顺序对其邻域进行搜索，搜索到的第一个边缘点，且该点不在边缘点列表中，则将它加入对应一侧的边缘点列表中，直至无新点添加即完成边缘点的分类，从而区分左、右两条边缘线。
进一步地，在步骤(3)中，将左、右两边缘的起点、终点分别对应起来，然后将边缘点按其与起点的路程长度分为等长的N组，将左、右两边缘每组中的第一个点对应起来，N为正整数。
进一步地，在步骤(1)之前，需要对机器人道路图像进行预处理，预处理过程依次包括灰度化、二值化、腐蚀和膨胀。
采用上述技术方案带来的有益效果：
本发明针对路径提取中的骨架提取这个重要环节，提出一种基于边缘扫描与中线提取的骨架提取方法，可以快速准确地处理直线、直角弯、任意弧度弯等单通道路径的骨架提取任务，提前检测路径的变化情况，并使机器人仍能快速通过方向变化的路径，可较大地减少整个运动过程的时间。
附图说明
图1是为本发明的方法流程图；
图2是边缘提取后的路径图；
图3是边缘点检查顺序图；
图4是边缘标识图；
图5是左右边缘点连接示意图；
图6是路径骨架提取结果示意图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种基于边缘扫描与中线提取的机器人路径骨架提取方法，如图1所示，包括以下步骤：
步骤1、边缘扫描：采用二维模板，从底行开始逐像素扫描机器人道路图像中的路径，同时实现对竖直路径边界点和水平路径边界点的边缘扫描；
步骤2、边缘标识：采用边缘点列表方法，按照设定的扫描顺序对新边缘点邻域进行搜索，完成左、右两条边缘线的边缘标识；
步骤3、边缘对应：将左、右两条边缘线上的各点对应起来，实现两条边缘线的边缘对应；
步骤4、中点连线：求出步骤3中各组对应点连线的中点，将这些中点连接起来得到机器人路径骨架。
一、实现
1)边缘扫描
如图2为边缘提取后的路径图像。图像中路径部分为连续区块，其边缘都是连续的非路径部分。从底行开始逐像素扫描图像中的路径部分，如果在3x3邻域内出现非路径点，则判断此像素点为路径边缘。由于检查模板为二维模板，避免了仅在行或列扫描，而无法同时扫描竖直和水平路径的边界点。
2)边缘标识
考虑到要将提取到的边缘点分段后取中线，需要区分左右两侧边缘线。从底行开始，先对边缘图像进行扫描，扫描到第一个边缘点，在左边缘线列表中记录该点位置；继续扫描到第二个边缘点时，则在右边缘点列表中记录该点位置。这两个点作为左右边缘点的“种子”，之后分别对左右边缘列表最新的点如图3所示的顺序对其邻域进行搜索。搜索到的第一个边缘点，且该点不在边缘列表中，则将它加入对应一侧的边缘点列表，直至无新点添加即完成边缘点的分类。
完成这一步骤,就能将图像中两条边缘线区分。为了说明将左边缘以红色、右边缘以蓝色区分，如图4所示为本发明的边缘标识图。
3)边缘对应
边缘对应就从所提取到的全部左边缘点和右边缘点选择其中部分点一一对起来。我们将两边缘的起点、终点分别对应起来，然后将边缘点按其与起点路程长度分为等长的N组，将每个组中的第一个点一一对应。例如，左边缘有61个点，右边缘共有41个点，当N等于10时，左边缘1号点对应右边缘1号点，左边缘7号点对应右边缘5号点(即右边缘第2组中的第一个点)，依次类推。当然，为了增加对应，也可将每个组中的中间点和最后一个点一一对应。我们将对应关系用线连线表示出来，如图5所示为本发明的左右边缘点连接示意图。
4)中点连线
在实际图像处理中不会进行连接线操作，只需将对应两点的中点求出，作为中线的组成点，如图6所示为本发明的路径骨架提取结果示意图。至此，将路径的骨架提取为中点序列，其排列顺序为由近及远排列。这种数据结构可以方便获取路径的某段斜率信息和路径偏移信息。当N为最长路径点数量时，可以获得连续稠密的路径骨架。
三、实验
整个路径提取算法包括路径灰度化、二值化、腐蚀、膨胀、骨架提取等五个步骤，本发明主要是针对骨架提取展开研究与实验，同时为了完成整个任务，也对其余四个步骤进行了实验。本实验主要针对路径中的直线和直角弯进行了实验，实验结果如表1所示。
表1
Figure BDA0002296236050000051
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (5)

1.一种基于边缘扫描与中线提取的机器人路径骨架提取方法，其特征在于，包括以下步骤：
(1)采用二维模板，从底行开始逐像素扫描机器人道路图像中的路径，同时实现对竖直路径边界点和水平路径边界点的边缘扫描；
(2)采用边缘点列表方法，按照设定的扫描顺序对新边缘点邻域进行搜索，完成左、右两条边缘线的边缘标识；
(3)将左、右两条边缘线上的各点对应起来，实现两条边缘线的边缘对应；
(4)求出步骤(3)中各组对应点连线的中点，将这些中点连接起来得到机器人路径骨架。
2.根据权利要求1所述基于边缘扫描与中线提取的机器人路径骨架提取方法，其特征在于，在步骤(1)中，如果在某像素点的3x3邻域内出现非路径点，则判断此像素点为路径边缘点。
3.根据权利要求1所述基于边缘扫描与中线提取的机器人路径骨架提取方法，其特征在于，在步骤(2)中，从底行开始，先对边缘图像进行扫描，扫描到第一个边缘点，在左边缘点列表中记录该点位置；继续扫描到第二个边缘点时，在右边缘点列表中记录该点位置，将这两个点作为左、右边缘点的种子点；之后分别对左、右边缘点列表中最新的点按照预设顺序对其邻域进行搜索，搜索到的第一个边缘点，且该点不在边缘点列表中，则将它加入对应一侧的边缘点列表中，直至无新点添加即完成边缘点的分类，从而区分左、右两条边缘线。
4.根据权利要求1所述基于边缘扫描与中线提取的机器人路径骨架提取方法，其特征在于，在步骤(3)中，将左、右两边缘的起点、终点分别对应起来，然后将边缘点按其与起点的路程长度分为等长的N组，将左、右两边缘每组中的第一个点对应起来，N为正整数。
5.根据权利要求1所述基于边缘扫描与中线提取的机器人路径骨架提取方法，其特征在于，在步骤(1)之前，需要对机器人道路图像进行预处理，预处理过程依次包括灰度化、二值化、腐蚀和膨胀。
CN201911202608.1A 2019-11-29 2019-11-29 一种基于边缘扫描与中线提取的机器人路径骨架提取方法 Pending CN111062968A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911202608.1A CN111062968A (zh) 2019-11-29 2019-11-29 一种基于边缘扫描与中线提取的机器人路径骨架提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911202608.1A CN111062968A (zh) 2019-11-29 2019-11-29 一种基于边缘扫描与中线提取的机器人路径骨架提取方法

Publications (1)

Publication Number Publication Date
CN111062968A true CN111062968A (zh) 2020-04-24

Family

ID=70299384

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911202608.1A Pending CN111062968A (zh) 2019-11-29 2019-11-29 一种基于边缘扫描与中线提取的机器人路径骨架提取方法

Country Status (1)

Country Link
CN (1) CN111062968A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108181897A (zh) * 2017-12-11 2018-06-19 华侨大学 一种双足机器人自动循迹的方法
CN111821021A (zh) * 2020-06-19 2020-10-27 湖州市中心医院 一种基于人工智能的肠镜最优路径计算方法和系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5081689A (en) * 1989-03-27 1992-01-14 Hughes Aircraft Company Apparatus and method for extracting edges and lines
CN101620732A (zh) * 2009-07-17 2010-01-06 南京航空航天大学 道路行驶线的视觉检测方法
CN105893961A (zh) * 2016-03-30 2016-08-24 广东中冶地理信息股份有限公司 一种道路中线提取方法
CN106971144A (zh) * 2017-02-28 2017-07-21 北京航空航天大学 一种应用Visual Graph算法提取道路中线的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5081689A (en) * 1989-03-27 1992-01-14 Hughes Aircraft Company Apparatus and method for extracting edges and lines
CN101620732A (zh) * 2009-07-17 2010-01-06 南京航空航天大学 道路行驶线的视觉检测方法
CN105893961A (zh) * 2016-03-30 2016-08-24 广东中冶地理信息股份有限公司 一种道路中线提取方法
CN106971144A (zh) * 2017-02-28 2017-07-21 北京航空航天大学 一种应用Visual Graph算法提取道路中线的方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108181897A (zh) * 2017-12-11 2018-06-19 华侨大学 一种双足机器人自动循迹的方法
CN111821021A (zh) * 2020-06-19 2020-10-27 湖州市中心医院 一种基于人工智能的肠镜最优路径计算方法和系统

Similar Documents

Publication Publication Date Title
CN109800689B (zh) 一种基于时空特征融合学习的目标跟踪方法
CN101887586B (zh) 基于图像轮廓尖锐度的自适应角点检测方法
CN103279765B (zh) 基于图像匹配的钢丝绳表面损伤检测方法
CN109753949B (zh) 一种基于深度学习的多视窗交通标志检测方法
CN103886325B (zh) 一种分块的循环矩阵视频跟踪方法
CN104615986B (zh) 利用多检测器对场景变化的视频图像进行行人检测的方法
CN106127780A (zh) 一种曲面表面缺陷自动检测方法及其装置
CN107014294A (zh) 一种基于红外图像的接触网几何参数检测方法及系统
CN111598952B (zh) 一种多尺度合作靶标设计与在线检测识别方法及系统
CN102867311A (zh) 目标跟踪方法和目标跟踪设备
CN107784291A (zh) 基于红外视频的目标检测跟踪方法和装置
CN106446894A (zh) 一种基于轮廓识别球型目标物位置的方法
CN105957105A (zh) 基于行为学习的多目标跟踪方法及系统
CN101799968A (zh) 基于视频图像智能分析的油井入侵检测方法及装置
CN108229587A (zh) 一种基于飞行器悬停状态的输电杆塔自主扫描方法
CN111967313A (zh) 一种深度学习目标检测算法辅助的无人机图像标注方法
CN109711242A (zh) 车道线的修正方法、装置和存储介质
CN113223068A (zh) 一种基于深度全局特征的多模态图像配准方法及系统
CN111062968A (zh) 一种基于边缘扫描与中线提取的机器人路径骨架提取方法
CN106204633A (zh) 一种基于计算机视觉的学生跟踪方法和装置
CN109740609A (zh) 一种轨距检测方法及装置
CN112085037A (zh) 一种变电设备红外热故障特征提取及数字化表达方法
CN104103069A (zh) 图像处理装置、图像处理方法及程序
CN107808524A (zh) 一种基于无人机的道路交叉口车辆检测方法
CN114663473A (zh) 基于多视角信息融合的人员目标定位与追踪方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424

RJ01 Rejection of invention patent application after publication