CN114518116A - 一种基于跟踪导引线的视觉导航方法 - Google Patents
一种基于跟踪导引线的视觉导航方法 Download PDFInfo
- Publication number
- CN114518116A CN114518116A CN202210148184.0A CN202210148184A CN114518116A CN 114518116 A CN114518116 A CN 114518116A CN 202210148184 A CN202210148184 A CN 202210148184A CN 114518116 A CN114518116 A CN 114518116A
- Authority
- CN
- China
- Prior art keywords
- visual navigation
- tracking
- guide line
- image
- image information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000007 visual effect Effects 0.000 title claims abstract description 20
- 238000003709 image segmentation Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000003044 adaptive effect Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011426 transformation method Methods 0.000 claims description 2
- 230000004075 alteration Effects 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及视觉导航技术领域,且公开了一种基于跟踪导引线的视觉导航方法,包括步骤:S1、通过摄像头采集图像信息,将采集的RGB模型图像信息转换为HIS模型图像信息;S2、通过欧氏距离判断颜色相似性进行图像分割,之后利用数学形态学分析图像形状的算法进行图像滤波处理;S3、采用基于最小二乘法的曲线拟合算法进行导引线检测;S4、基于模糊自适应PID控制进行导引线跟踪。本发明基于HSI彩色坐标的颜色相似度进行图像分割,相比于传统的图像分割方法,通过此方法可以减少图像分割时产生的颜色色差、失真等问题,从机器视觉的领域出发,提供了一种成本低廉且稳定性较高、能满足生活生产需求的导航技术方法。
Description
技术领域
本发明涉及视觉导航技术领域,具体为一种基于跟踪导引线的视觉导航方法。
背景技术
目前,常见的导航方法主要有磁导轨导航、GPS导航、激光雷达导航、视觉导航等方法。磁导轨导航有引导线隐蔽、不易污染等优点,但铺设以及改造成本高;GPS导航容易受外界因素影响且民用GPS误差较大;激光雷达导航由于激光雷达成本较高而造成该方案整体成本较高;视觉导航常见的做法有视觉SLAM(同步定位和建图),但该方法存在计算量大、稳定性差等问题。
因此,需要寻找一种成本低廉且稳定性较高导航技术以适用生活生产需求。
发明内容
本发明的目的在于提供了一种基于跟踪导引线的视觉导航方法,达到解决上述背景技术中提出的问题的目的。
为实现上述目的,本发明提供如下技术方案:一种基于跟踪导引线的视觉导航方法,包括以下步骤:
S1:通过摄像头采集图像信息,将采集的RGB模型图像信息转换为HIS模型图像信息;
S2:通过欧氏距离判断颜色相似性进行图像分割,之后利用数学形态学分析图像形状的算法进行图像滤波处理;
S3:采用基于最小二乘法的曲线拟合算法进行导引线检测;
S4:基于模糊自适应PID控制进行导引线跟踪。
优选的,所述对应关系准确的坐标系变换法进行RGB-HIS的颜色模型转换,具体转换公式如下:
式中
优选的,所述其中H为色调(Hue)分量,S为饱和度(Saturation)分量,I为亮度(Intensity)分量。
优选的,所述由于亮度产生的色差会对图像分割过程造成影响,所以我们不考虑亮度I,只计算色调H和饱和度S。
优选的,所述欧式距离计算公式如下:
优选的,所述设需要拟合的曲线为:p(x)=a0+a1x+a2x2。
优选的,所述作为近似拟合曲线,均方误差为:
拟合过程中要使均方误差Q最小。
优选的,所述由求极值的方法可得到下列方程:
由此可以求得拟合系数:a0,a1,a2。
本发明提供了一种基于跟踪导引线的视觉导航方法。具备以下有益效果:
(1)、本发明相对磁导轨导航、GPS导航、激光雷达导航、视觉SLAM等导航技术和方法,本发明具有成本低廉且稳定性较高的显著优点。
(2)、本发明基于HSI彩色坐标的颜色相似度进行图像分割,相比于传统的图像分割方法,通过此方法可以减少图像分割时产生的颜色色差、失真等问题。
(3)、本发明采用基于最小二乘法的线条拟合算法进行引导线的检测,相对于其它算法,最小二乘法最有运算速度快的优点,能大大提高导航的实时性,通过基于模糊自适应PID控制算法对导引线进行跟踪,能够提高系统的鲁棒性和机器人导航移动过程中稳定性。
附图说明
图1为本发明方法的流程图;
图2为模糊自适应PID控制流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
如图1-2所示,本发明提供一种技术方案:一种基于跟踪导引线的视觉导航方法,包括以下步骤:
S1:通过摄像头采集图像信息,将采集的RGB模型图像信息转换为HIS模型图像信息;
由于摄像头采集得到的图像信息为RGB模型图像,这种模型的图像不易于直接处理,因此需要对摄像头采集的RGB模型图像进行转换,变为易处理和分析的HIS颜色模型。
对应关系准确的坐标系变换法进行RGB-HIS的颜色模型转换,具体转换公式如下:
式中
其中H为色调(Hue)分量,S为饱和度(Saturation)分量,I为亮度(Intensity)分量,由于亮度产生的色差会对图像分割过程造成影响,所以我们不考虑亮度I,只计算色调H和饱和度S
S2:通过欧氏距离判断颜色相似性进行图像分割,之后利用数学形态学分析图像形状的算法进行图像滤波处理;
对图像上的所有像素点进行HIS坐标变换后,统计HIS变换后所有的点的H和S分量,找到所有的峰值,取其中最大的两个峰值作为聚类中心,采用欧氏距离计算每种颜色和聚类中心的相似性,进行图像分割,
采用欧式距离计算公式如下:
图像分割后能够把引导线提取出来,但是由于天气环境等客观因素,在图像分割时有时也会把一些不属于引导线的部分提取出来,因此需要我们进行图像滤波处理,因为导引线一般为较为规则的数学图形,所以利用数学形态学分析图像形状的算法提取这些形状进行滤波。
S3:采用基于最小二乘法的曲线拟合算法进行导引线检测;
经过图像分割和图像滤波处理的图像信息需要进一步检测引导线,以便机器能够识别出正确的导引线,便于用于后续的导引线跟踪,因此在这一步使用基于最小二乘法的曲线拟合算法进行引导线的检测,该方法相对于其它算法就有运算速度快的优点,大大提高了导航的实时性,
设有n个离散的数据点:{(x1,y1),(x2,y2),...,(xn,yn)},通过下述公式我们可以进行最小二乘法的线条拟合。
设需要拟合的曲线为:p(x)=a0+a1x+a2x2。
优选的,所述作为近似拟合曲线,均方误差为:
拟合过程中要使均方误差Q最小。
优选的,所述由求极值的方法可得到下列方程:
由此可以求得拟合系数:a0,a1,a2。
S4:基于模糊自适应PID控制进行导引线跟踪。
完成上述步骤后需要根据检测结果实时调整和改变导航机器人的运动姿态,通过模糊自适应PID控制进行导引线的跟踪能够克服传统PID控制器无法及时调整PID参数的缺点,提高系统的鲁棒性以及机器人行驶过程中的稳定性。
模糊自适应PID控制流程如图2所示,具体过程如下:将运行中的误差E和误差变化率Ec根据给定的模糊规则进行模糊推理,然后对模糊参数进行解模糊,最终转换成ΔKp、ΔKi、ΔKd三个PID控制量去调整PID控制器中的比例单元参数Kp、积分单元参数Ki以及微分单元参数Kd。
综上可得,尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于跟踪导引线的视觉导航方法,其特征在于,包括以下步骤:
S1:通过摄像头采集图像信息,将采集的RGB模型图像信息转换为HIS模型图像信息;
S2:通过欧氏距离判断颜色相似性进行图像分割,之后利用数学形态学分析图像形状的算法进行图像滤波处理;
S3:采用基于最小二乘法的曲线拟合算法进行导引线检测;
S4:基于模糊自适应PID控制进行导引线跟踪。
3.根据权利要求2所述的一种基于跟踪导引线的视觉导航方法,其特征在于:其中H为色调(Hue)分量,S为饱和度(Saturation)分量,I为亮度(Intensity)分量。
4.根据权利要求3所述的一种基于跟踪导引线的视觉导航方法,其特征在于:所述由于亮度产生的色差会对图像分割过程造成影响,所以我们不考虑亮度I,只计算色调H和饱和度S。
6.根据权利要求1所述的一种基于跟踪导引线的视觉导航方法,其特征在于:所述设需要拟合的曲线为:p(x)=a0+a1x+a2x2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148184.0A CN114518116A (zh) | 2022-02-17 | 2022-02-17 | 一种基于跟踪导引线的视觉导航方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210148184.0A CN114518116A (zh) | 2022-02-17 | 2022-02-17 | 一种基于跟踪导引线的视觉导航方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114518116A true CN114518116A (zh) | 2022-05-20 |
Family
ID=81598636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210148184.0A Pending CN114518116A (zh) | 2022-02-17 | 2022-02-17 | 一种基于跟踪导引线的视觉导航方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114518116A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587591A (zh) * | 2009-05-27 | 2009-11-25 | 北京航空航天大学 | 基于双参数阈值分割的视觉精确跟踪技术 |
CN101619984A (zh) * | 2009-07-28 | 2010-01-06 | 重庆邮电大学 | 一种基于颜色路标的移动机器人视觉导航方法 |
CN102013021A (zh) * | 2010-08-19 | 2011-04-13 | 汪建 | 基于颜色和区域生长的茶叶嫩芽分割和识别方法 |
CN103544484A (zh) * | 2013-10-30 | 2014-01-29 | 广东工业大学 | 一种基于surf的交通标志识别方法及系统 |
CN103646249A (zh) * | 2013-12-12 | 2014-03-19 | 江苏大学 | 一种温室智能移动机器人视觉导航路径识别方法 |
CN104504721A (zh) * | 2015-01-08 | 2015-04-08 | 中国科学院合肥物质科学研究院 | 一种基于Gabor小波变换纹理描述的非结构化道路检测方法 |
CN107133565A (zh) * | 2017-03-31 | 2017-09-05 | 大连理工大学 | 基于线激光的激光刻型线特征提取方法 |
CN108710840A (zh) * | 2018-05-10 | 2018-10-26 | 江苏大学 | 一种农田喷药机器人视觉导航路径识别方法 |
CN112327836A (zh) * | 2020-10-27 | 2021-02-05 | 南宁市第一人民医院 | 基于5g技术的轮椅自动驾驶控制方法及自动驾驶轮椅 |
CN113569655A (zh) * | 2021-07-02 | 2021-10-29 | 广州大学 | 基于眼部色彩监控的红眼病患者识别系统 |
-
2022
- 2022-02-17 CN CN202210148184.0A patent/CN114518116A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587591A (zh) * | 2009-05-27 | 2009-11-25 | 北京航空航天大学 | 基于双参数阈值分割的视觉精确跟踪技术 |
CN101619984A (zh) * | 2009-07-28 | 2010-01-06 | 重庆邮电大学 | 一种基于颜色路标的移动机器人视觉导航方法 |
CN102013021A (zh) * | 2010-08-19 | 2011-04-13 | 汪建 | 基于颜色和区域生长的茶叶嫩芽分割和识别方法 |
CN103544484A (zh) * | 2013-10-30 | 2014-01-29 | 广东工业大学 | 一种基于surf的交通标志识别方法及系统 |
CN103646249A (zh) * | 2013-12-12 | 2014-03-19 | 江苏大学 | 一种温室智能移动机器人视觉导航路径识别方法 |
CN104504721A (zh) * | 2015-01-08 | 2015-04-08 | 中国科学院合肥物质科学研究院 | 一种基于Gabor小波变换纹理描述的非结构化道路检测方法 |
CN107133565A (zh) * | 2017-03-31 | 2017-09-05 | 大连理工大学 | 基于线激光的激光刻型线特征提取方法 |
CN108710840A (zh) * | 2018-05-10 | 2018-10-26 | 江苏大学 | 一种农田喷药机器人视觉导航路径识别方法 |
CN112327836A (zh) * | 2020-10-27 | 2021-02-05 | 南宁市第一人民医院 | 基于5g技术的轮椅自动驾驶控制方法及自动驾驶轮椅 |
CN113569655A (zh) * | 2021-07-02 | 2021-10-29 | 广州大学 | 基于眼部色彩监控的红眼病患者识别系统 |
Non-Patent Citations (3)
Title |
---|
李宁等: "基于HSI色彩坐标相似度的彩色图像分割方法", 现代电子技术, vol. 40, no. 2, pages 11 - 14 * |
李岩松: "全国大学生职能车竞赛-基础与入门宝典", vol. 1, 31 July 2018, 哈尔滨工业大学出版社, pages: 6 - 25 * |
王晓峰等: "《数值逼近》", 河南大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109949375B (zh) | 一种基于深度图感兴趣区域的移动机器人目标跟踪方法 | |
CN111681279B (zh) | 基于改进李群非线性优化的行车吊臂空间位姿测量方法 | |
CN113538486B (zh) | 一种提高汽车钣金工件的识别与定位精度的方法 | |
CN113042863B (zh) | 一种基于激光视觉传感器的焊缝实时跟踪方法 | |
CN111311618A (zh) | 一种基于高精度几何基元提取的圆弧工件匹配与定位方法 | |
CN111860501B (zh) | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 | |
CN109708658B (zh) | 一种基于卷积神经网络的视觉里程计方法 | |
TW201516969A (zh) | 視訊物件追蹤方法 | |
CN110838145B (zh) | 一种室内动态场景的视觉定位与建图方法 | |
CN113570631B (zh) | 一种基于图像的指针式仪表智能识别方法及设备 | |
CN109359604A (zh) | 面向巡检机器人的阴影干扰下仪表识别方法 | |
CN109949344B (zh) | 一种基于颜色概率目标建议窗口的核相关滤波跟踪方法 | |
CN111914832B (zh) | 一种rgb-d相机在动态场景下的slam方法 | |
CN114518116A (zh) | 一种基于跟踪导引线的视觉导航方法 | |
CN110992402B (zh) | 基于特征融合的相关滤波目标跟踪方法 | |
CN110991233B (zh) | 指针式压力表的自动读数方法 | |
CN106934395A (zh) | 一种采用surf特征和颜色特征相融合的刚体目标跟踪方法 | |
CN116665097A (zh) | 一种结合上下文感知的自适应目标跟踪方法 | |
Xiong et al. | Local deformable template matching in robotic deburring | |
CN110825080B (zh) | 基于模糊控制算法的果园路径视觉导航方法、系统和介质 | |
CN105718897A (zh) | 一种基于视觉特征的数控车床 | |
CN110298799A (zh) | 一种pcb图像定位校正方法 | |
CN112348853A (zh) | 基于红外显著性特征融合的粒子滤波跟踪的方法 | |
CN115239657B (zh) | 一种基于深度学习目标分割的工业零件增量识别方法 | |
CN116912312B (zh) | 一种面向复杂曲面构件的三维孔类定位方法 |
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 |