CN115147712A - 基于图像识别非工作区域的方法及系统 - Google Patents
基于图像识别非工作区域的方法及系统 Download PDFInfo
- Publication number
- CN115147712A CN115147712A CN202110275606.6A CN202110275606A CN115147712A CN 115147712 A CN115147712 A CN 115147712A CN 202110275606 A CN202110275606 A CN 202110275606A CN 115147712 A CN115147712 A CN 115147712A
- Authority
- CN
- China
- Prior art keywords
- working area
- contour
- image
- contours
- similar
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D34/00—Mowers; Mowing apparatus of harvesters
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01D—HARVESTING; MOWING
- A01D75/00—Accessories for harvesters or mowers
- A01D75/18—Safety devices for parts of the machines
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像识别非工作区域的方法及系统,所述方法包括:获取原始图像;自原始图像中分离出H通道图像;对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。本发明可通过图像识别精确识别非工作区域,节约成本,提升机器人的使用性能。
Description
技术领域
本发明涉及智能控制领域,尤其涉及一种基于图像识别非工作区域的方法及系统。
背景技术
低重复率、高覆盖率是遍历式机器人如吸尘、割草及泳池清洗等移动机器人追求的目标。以移动机器人为智能割草机器人为例,割草机器人以边界围住的草坪为工作区域以进行割草作业,草坪之外定义为非工作区域。
现有技术中,通常采用埋设边界线的方式对草坪工作区域的边界进行标定,该种方式需要花费很多的人力和物力,提高移动机器人的使用成本;而且该种方式对布线具有一定要求,例如:拐角的角度不能小于90度,因此一定程度上限制了草坪工作区域的形状。
发明内容
为解决上述技术问题,本发明的目的在于提供一种基于图像识别非工作区域的方法及系统。
为了实现上述发明目的之一,本发明一实施方式提供一种基于图像识别非工作区域的方法,所述方法包括:获取原始图像;
自原始图像中分离出H通道图像;
对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;
根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
通过上述方法,可通过图像识别精确判断机器人的前方是否存在非工作区域,节约成本,提升机器人的使用性能。
作为本发明一实施方式的进一步改进,根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
以所述二值化图像为基础,分别获取围合二值化图像中每一预判非工作区域、且为最小的矩形轮廓;
基于所述二值化图像获取表征每一矩形轮廓大小的属性参数值,所述属性参数值包括:每一矩形轮廓对应的面积、对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一;
统计属性参数值大于预设参数阈值的矩形轮廓,并以第一轮廓表示;
根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,判断当前图像中是否存在相似轮廓。
通过上述较佳实施方式,缩小做相似轮廓比对的区域的范围,降低计算量,提升精度。
作为本发明一实施方式的进一步改进,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
分别获取每一第一轮廓包覆的所述预判非工作区域所对应的色度值,所述色度值为所述预判非工作区域对应在H通道上的平均色度值;
遍历每一第一轮廓,若任两个第一轮廓包覆的所述预判非工作区域所对应的色度值差值小于预设色度阈值,则确认当前图像中存在相似轮廓。
通过上述较佳实施方式,详细描述相似轮廓确认,提升计算精度。
作为本发明一实施方式的进一步改进,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
以当前的第一轮廓为基础轮廓,依次判断其他每一第一轮廓包覆的所述预判非工作区域的色度值与当前基础轮廓包覆的所述预判非工作区域的色度值的差值是否小于预设色度阈值,
若是,将当前比对的两个第一轮廓标记为相似轮廓,累加基础轮廓所对应的相似轮廓的总数量,且对已确认的相似轮廓以及作为基础轮廓遍历的第一轮廓不做重复遍历;
若否,继续以下一第一轮廓作为基础轮廓进行相似轮廓确认,直至所有第一轮廓判断完成;
当对所有第一轮廓做相似轮廓确认完成时,若确认未标识相似轮廓的第一轮廓的数量与第一轮廓的总数量不相同,则确认当前图像中存在相似轮廓。
通过上述较佳实施方式,详细描述相似轮廓确认,提升计算精度。
作为本发明一实施方式的进一步改进,若确认当前图像中存在相似轮廓,则所述方法还包括:
获取形成相似轮廓的所有第一轮廓,若任一第一轮廓的坐标参数值大于预设坐标值,则驱动机器人执行避障逻辑。
上述实施方式,通过图像识别确认机器人遇到障碍物,进行避障操作,提升工作效率。
为了实现上述发明目的之一,本发明一实施方式提供一种基于图像识别非工作区域的系统,所述系统包括:获取模块,用于获取原始图像;
转换模块,用于自原始图像中分离出H通道图像;
对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;
解析模块,用于根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
通过上述系统,可通过图像识别精确判断机器人的前方是否存在非工作区域,节约成本,提升机器人的使用性能。
作为本发明一实施方式的进一步改进,解析模块用于:
以所述二值化图像为基础,分别获取围合二值化图像中每一预判非工作区域、且为最小的矩形轮廓;
基于所述二值化图像获取表征每一矩形轮廓大小的属性参数值,所述属性参数值包括:每一矩形轮廓对应的面积、对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一;
统计属性参数值大于预设参数阈值的矩形轮廓,并以第一轮廓表示;
根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,判断当前图像中是否存在相似轮廓。
通过上述系统,缩小做相似轮廓比对的区域的范围,降低计算量,提升精度。
作为本发明一实施方式的进一步改进,解析模块用于:分别获取每一第一轮廓包覆的所述预判非工作区域所对应的色度值,所述色度值为所述预判非工作区域对应在H通道上的平均色度值;
遍历每一第一轮廓,若任两个第一轮廓包覆的所述预判非工作区域所对应的色度值差值小于预设色度阈值,则确认当前图像中存在相似轮廓。
通过上述系统,详细描述相似轮廓确认,提升计算精度。
作为本发明一实施方式的进一步改进,解析模块用于:以当前的第一轮廓为基础轮廓,依次判断其他每一第一轮廓包覆的所述预判非工作区域的色度值与当前基础轮廓包覆的所述预判非工作区域的色度值的差值是否小于预设色度阈值,
若是,将当前比对的两个第一轮廓标记为相似轮廓,累加基础轮廓所对应的相似轮廓的总数量,且对已确认的相似轮廓以及作为基础轮廓遍历的第一轮廓不做重复遍历;
若否,继续以下一第一轮廓作为基础轮廓进行相似轮廓确认,直至所有第一轮廓判断完成;
当对所有第一轮廓做相似轮廓确认完成时,若确认未标识相似轮廓的第一轮廓的数量与第一轮廓的总数量不相同,则确认当前图像中存在相似轮廓。
通过上述系统,详细描述相似轮廓确认,提升计算精度。
作为本发明一实施方式的进一步改进,若确认当前图像中存在相似轮廓,则解析模块还用于:获取形成相似轮廓的所有第一轮廓,若任一第一轮廓的坐标参数值大于预设坐标值,则驱动机器人执行避障逻辑。
上述系统通过图像识别确认机器人遇到障碍物,进行避障操作,提升工作效率。
与现有技术相比,本发明的基于图像识别非工作区域的方法及系统,可通过图像识别精确识别非工作区域,节约成本,提升机器人的使用性能。
附图说明
图1是本发明提供的割草机器人系统的结构示意图;
图2是本发明第一实施方式提供的基于图像识别非工作区域的方法的流程示意图;
图3是本发明提供的基于图像识别非工作区域的系统的模块示意图。
具体实施方式
以下将结合附图所示的各实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
本发明的机器人系统可以是割草机器人系统,扫地机器人系统、扫雪机系统、吸叶机系统,高尔夫球场拾球机系统等,各个系统可以自动行走于工作区域并进行相对应的工作,本发明具体示例中,以机器人系统为割草机器人系统为例做具体说明,相应的,所述工作区域可为草坪。
如图1所示,本发明的割草机器人系统包括:割草机器人(RM)。
所述割草机器人包括:本体10,设置于本体10上的行走单元、图像获取单元及控制单元。所述行走单元包括:主动轮111、被动轮113以及用于驱动主动轮111的电机;所述电机可为带减速箱和带霍尔传感器的无刷电机;电机启动后,可通过减速箱带动主动轮111行走,并通过控制两个轮的速度、方向便可以实现前进与后退直线运行、原地转弯及圆弧运行等行驶动作;所述被动轮113可为万向轮,其通常设置为1个或者2个,其主要起支撑平衡的作用。
所述图像获取单元用于在一定范围内获取其视角范围内的场景,在本发明具体实施方式中为摄像机12,该摄像机12安装于本体10的上部,与水平方向成一定夹角,可以拍摄到割草机器人一定范围内的场景;该摄像机12通常拍摄割草机器人前部一定范围内的场景。
控制单元为进行图像处理的主控制器13,例如:MCU或DSP等。
进一步的,所述割草机器人还包括:用于工作的工作机构,及供电电源14;在本实施例中,工作机构为割草刀盘,用于感应行走机器人的行走状态的各种传感器,例如:倾倒、离地、碰撞传感器、地磁、陀螺仪等,在此未一一具体赘述。
如图2所示,本发明第一实施提供的基于图像识别工作位置(非工作区域)的方法,所述方法包括以下步骤:
S1、获取原始图像;
S2、自原始图像中分离出H通道图像;
对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;
S3、根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
本发明具体实施方式中,对于步骤S1,通过割草机器人上安装的摄像机实时拍摄机器人前方的场景,形成原始图像;所述场景为机器人前进方向上的地面图像;进一步的,当所述主控制器接收到原始图像后,对原始图像进行解析;从而可通过原始图像判断机器人获取的机器人拍摄原始图像的工作位置,以下内容中会详细描述。在该具体示例中,原始图像的格式不做具体限定,例如为:RGB格式、HSV格式的彩色图像。
对于步骤S2,若原始图像为RGB格式,则对RGB格式的原始图像进行格式转换形成HSV图像,若原始图像为HSV格式图像,则不需要转换,直接自HSV图像中分离出H通道图像;该实现方式均为现有技术,其实现方式具有多种,在此不做赘述。
对原始图像进行二值化处理形成第一二值化图像;可知的:所述二值化图像为:图像中像素点仅具有两种灰度值,例如:两种灰度值分别为0和255,二值化处理过程为将整个原始图像呈现出明显的黑白效果的过程。
对原始图像进行二值化处理形成第一二值化图像的实现方式较多,本发明具体实施方式中,P1、对原始图像进行图像分割得到色度分割阈值[lowValue,highValue],将原始图像中处于该分割阈值内的像素点转换为同一像素,将处于分割阈值外的像素点转换为另一像素,形成第一二值化图像,在该第一二值化图像中,一种像素值代表工作区域,另一种像素值代表非工作区域。
所述图像分割方法例如:颜色动态分割方法,边缘纹理分割方法,固定阈值法分割方法、大津阈值法分割方法等。
所述阈值匹配的方式即通过阈值范围的设定对各个像素点进行变换,本发明具体示例中,将处于阈值范围内的像素点的像素值调整为255,即工作区域调整为白色;将处于阈值范围外的像素点的像素值调整为0,即非工作区域调整为黑色。
P2、依次对所述第一二值化图像做取开、闭、取反处理操作后形成本发明步骤S1所述二值化图像,这里的调整后的二值化图像,工作区域为黑色,非工作区域为白色。
所述开、闭、取反操作均为常规的图像处理方式,其也为现有技术,在此不做进一步的赘述,在这里可知:对第一二值化图像开、闭、取反处理后,其形成的二值化图像中的工作区域和第一二值化图像中的非工作区域并不完全相同。
对于步骤S3,本发明一较佳实施方式中,以所述二值化图像为基础,分别获取围合二值化图像中每一预判非工作区域、且为最小的矩形轮廓;
基于所述二值化图像获取表征每一矩形轮廓大小的属性参数值,所述属性参数值包括:每一矩形轮廓对应的面积、对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一;
统计属性参数值大于预设参数阈值的矩形轮廓,并以第一轮廓表示;
根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,判断当前图像中是否存在相似轮廓。
在这里,当属性参数值为矩形轮廓对应的面积时,所述预设参数阈值也为对应的面积阈值;相应的,当属性参数值为对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一时,所述预设参数阈值也随之改变,具体的,所述预设参数阈值为对角线长度阈值,矩形轮廓宽度阈值、矩形轮廓高度阈值、矩形轮廓中预判非工作区域的像素点数量阈值其中之一;
本发明具体示例中,配置面积阈值为1%*原始图像的面积,对角线长度阈值为10%*原始图像的对角线长度,矩形轮廓中预判非工作区域的像素点数量阈值为1%*原始图像中像素点数量;矩形轮廓宽度阈值为0.8*原始图像的宽度,矩形轮廓高度为0.6%原始图像的高度。
相应的,以属性参数值为矩形轮廓对应的面积为例,当任一矩形轮廓的面积大于1%*原始图像的面积时,将当前矩形轮廓标记为第一轮廓;以属性参数值为矩形轮廓宽度和矩形轮廓高度为例,当任一矩形轮廓的同时满足:宽度大于0.8*原始图像的宽度,高度大于0.6%原始图像的高度,将当前矩形轮廓标记为第一轮廓。
进一步的,对于步骤S3,本发明第一实施方式中,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
分别获取每一第一轮廓包覆的所述预判非工作区域所对应的色度值,所述色度值为所述预判非工作区域对应在H通道上的平均色度值;
遍历每一第一轮廓,若任两个第一轮廓包覆的所述预判非工作区域所对应的色度值差值小于预设色度阈值,则确认当前图像中存在相似轮廓。
本发明第二实施方式中,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
以当前的第一轮廓为基础轮廓,依次判断其他每一第一轮廓包覆的所述预判非工作区域的色度值与当前基础轮廓包覆的所述预判非工作区域的色度值的差值是否小于预设色度阈值,若是,将当前比对的两个第一轮廓标记为相似轮廓,累加基础轮廓所对应的相似轮廓的总数量,且对已确认的相似轮廓以及作为基础轮廓遍历的第一轮廓不做重复遍历;若否,继续以下一第一轮廓作为基础轮廓进行相似轮廓确认,直至所有第一轮廓判断完成;
当对所有第一轮廓做相似轮廓确认完成时,若确认未标识相似轮廓的第一轮廓的数量与第一轮廓的总数量不相同,则确认当前图像中存在相似轮廓。
以一具体示例为例,若第一轮廓的数量为N个,其序号以i表示,i∈(1,2……N),遍历过程中,以第i个第一轮廓为基础轮廓为例,分别判断其与N-1个第一轮廓的色度值差值是否小于预设色度阈值,若是,将第i个第一轮廓对应的相似轮廓累加1,这里,第i个第一轮廓对应的相似轮廓数量(包括第i个第一轮廓)记为HSi,遍历所有第一轮廓,被标记为相似轮廓的第一轮廓不重复标记;遍历结束后,可获取未被标记相似轮廓的第一轮廓的总数量HD,HD=N-(HS1+…+HSi);此时,若HD=N,则表示当前图像中不存在相似轮廓,若HD≠N,确认当前图像中存在相似轮廓,进而确认机器人前方存在真实的非工作区域。
较佳的,HD≠N时,若HD<N,则确认当前图像中存在相似轮廓,若HD>N,则程序出错,可以设定报警机制,在此不做赘述。
进一步的,在步骤S3后,若确认当前图像中存在相似轮廓,则所述方法还包括:获取形成相似轮廓的所有第一轮廓,若任一第一轮廓的坐标参数值大于预设坐标值,则驱动机器人执行避障逻辑。
所述避障逻辑例如:后退转向,在此不做赘述。
这里,坐标参数值可以为矩形轮廓右下角的y轴坐标,也可以是矩形轮廓的中心位置坐标,也可以是第一轮廓中像素坐标Y值的平均值等,在此不做进一步的赘述。
结合图3所示,提供一种基于图像识别非工作区域的系统,所述系统包括:获取模块100,转换模块200以及解析模块300。
获取模块100用于获取原始图像;转换模块200用于自原始图像中分离出H通道图像;对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;解析模块300用于根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
具体的,获取模块100用于实现步骤S1;转换模块200用于实现步骤S2;解析模块300用于实现步骤S3,以及执行驱动机器人执行避障逻辑的计算;所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
综上所述,本发明的基于图像识别非工作区域的方法及系统,可通过图像识别精确识别非工作区域,节约成本,提升机器人的使用性能。
在本申请所提供的几个实施方式中,应该理解到,所揭露的模块,系统和方法,均可以通过其它的方式实现。以上所描述的系统实施方式仅仅是示意性的,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上,可以根据实际的需要选择其中的部分或者全部模块来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能模块可以集成在一个解析模块中,也可以是各个模块单独物理存在,也可以2个或2个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
最后应说明的是:以上实施方式仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施方式对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施方式技术方案的精神和范围。
Claims (10)
1.一种基于图像识别非工作区域的方法,其特征在于,所述方法包括:
获取原始图像;
自原始图像中分离出H通道图像;
对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;
根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
2.根据权利要求1所述的基于图像识别非工作区域的方法,其特征在于,根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
以所述二值化图像为基础,分别获取围合二值化图像中每一预判非工作区域、且为最小的矩形轮廓;
基于所述二值化图像获取表征每一矩形轮廓大小的属性参数值,所述属性参数值包括:每一矩形轮廓对应的面积、对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一;
统计属性参数值大于预设参数阈值的矩形轮廓,并以第一轮廓表示;
根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,判断当前图像中是否存在相似轮廓。
3.根据权利要求2所述的基于图像识别非工作区域的方法,其特征在于,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
分别获取每一第一轮廓包覆的所述预判非工作区域所对应的色度值,所述色度值为所述预判非工作区域对应在H通道上的平均色度值;
遍历每一第一轮廓,若任两个第一轮廓包覆的所述预判非工作区域所对应的色度值差值小于预设色度阈值,则确认当前图像中存在相似轮廓。
4.根据权利要求2所述的基于图像识别非工作区域的方法,其特征在于,根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓包括:
以当前的第一轮廓为基础轮廓,依次判断其他每一第一轮廓包覆的所述预判非工作区域的色度值与当前基础轮廓包覆的所述预判非工作区域的色度值的差值是否小于预设色度阈值,
若是,将当前比对的两个第一轮廓标记为相似轮廓,累加基础轮廓所对应的相似轮廓的总数量,且对已确认的相似轮廓以及作为基础轮廓遍历的第一轮廓不做重复遍历;
若否,继续以下一第一轮廓作为基础轮廓进行相似轮廓确认,直至所有第一轮廓判断完成;
当对所有第一轮廓做相似轮廓确认完成时,若确认未标识相似轮廓的第一轮廓的数量与第一轮廓的总数量不相同,则确认当前图像中存在相似轮廓。
5.根据权利要求2至4任一项所述的基于图像识别非工作区域的方法,其特征在于,若确认当前图像中存在相似轮廓,则所述方法还包括:
获取形成相似轮廓的所有第一轮廓,若任一第一轮廓的坐标参数值大于预设坐标值,则驱动机器人执行避障逻辑。
6.一种基于图像识别非工作区域的系统,其特征在于,所述系统包括:
获取模块,用于获取原始图像;
转换模块,用于自原始图像中分离出H通道图像;
对所述原始图像进行二值化处理形成二值化图像;所述二值化图像包括具有第一像素值的至少一个预判工作区域和/或包括具有第二像素值的至少一个预判非工作区域;
解析模块,用于根据各个所述预判非工作区域对应在H通道上的色度相似程度,确认当前图像中是否存在相似轮廓,并在确认存在相似轮廓时,确认机器人前方存在真实的非工作区域。
7.根据权利要求6所述的基于图像识别非工作区域的系统,其特征在于,解析模块用于:
以所述二值化图像为基础,分别获取围合二值化图像中每一预判非工作区域、且为最小的矩形轮廓;
基于所述二值化图像获取表征每一矩形轮廓大小的属性参数值,所述属性参数值包括:每一矩形轮廓对应的面积、对角线长度、矩形轮廓宽度、矩形轮廓高度、矩形轮廓中预判非工作区域的像素点数量至少其中之一;
统计属性参数值大于预设参数阈值的矩形轮廓,并以第一轮廓表示;
根据各个第一轮廓分别包覆的所述预判非工作区域对应在H通道上的色度相似程度,判断当前图像中是否存在相似轮廓。
8.根据权利要求7所述的基于图像识别非工作区域的系统,其特征在于,解析模块用于:分别获取每一第一轮廓包覆的所述预判非工作区域所对应的色度值,所述色度值为所述预判非工作区域对应在H通道上的平均色度值;
遍历每一第一轮廓,若任两个第一轮廓包覆的所述预判非工作区域所对应的色度值差值小于预设色度阈值,则确认当前图像中存在相似轮廓。
9.根据权利要求7所述的基于图像识别非工作区域的系统,其特征在于,解析模块用于:以当前的第一轮廓为基础轮廓,依次判断其他每一第一轮廓包覆的所述预判非工作区域的色度值与当前基础轮廓包覆的所述预判非工作区域的色度值的差值是否小于预设色度阈值,
若是,将当前比对的两个第一轮廓标记为相似轮廓,累加基础轮廓所对应的相似轮廓的总数量,且对已确认的相似轮廓以及作为基础轮廓遍历的第一轮廓不做重复遍历;
若否,继续以下一第一轮廓作为基础轮廓进行相似轮廓确认,直至所有第一轮廓判断完成;
当对所有第一轮廓做相似轮廓确认完成时,若确认未标识相似轮廓的第一轮廓的数量与第一轮廓的总数量不相同,则确认当前图像中存在相似轮廓。
10.根据权利要求7至9任一项所述的基于图像识别非工作区域的系统,其特征在于,若确认当前图像中存在相似轮廓,则解析模块还用于:获取形成相似轮廓的所有第一轮廓,若任一第一轮廓的坐标参数值大于预设坐标值,则驱动机器人执行避障逻辑。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110275606.6A CN115147712A (zh) | 2021-03-15 | 2021-03-15 | 基于图像识别非工作区域的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110275606.6A CN115147712A (zh) | 2021-03-15 | 2021-03-15 | 基于图像识别非工作区域的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115147712A true CN115147712A (zh) | 2022-10-04 |
Family
ID=83404208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110275606.6A Pending CN115147712A (zh) | 2021-03-15 | 2021-03-15 | 基于图像识别非工作区域的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115147712A (zh) |
-
2021
- 2021-03-15 CN CN202110275606.6A patent/CN115147712A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063575B (zh) | 一种基于单目视觉的智能割草机自主有序割草方法 | |
CN113761970B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
CN114821114B (zh) | 一种基于视觉系统的坡口切割机器人图像处理方法 | |
CN111353431B (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
US20240071094A1 (en) | Obstacle recongnition method applied to automatic traveling device and automatic traveling device | |
CN113822095B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
CN109159137B (zh) | 一种可视频评估洗地效果的洗地机器人 | |
CN113805571B (zh) | 机器人行走控制方法、系统,机器人及可读存储介质 | |
CN111339961A (zh) | 自动工作系统、自动行走设备及其控制方法及计算机可读存储介质 | |
CN113822094B (zh) | 基于图像识别工作位置的方法、系统,机器人及存储介质 | |
CN114047753A (zh) | 一种基于深度视觉的扫地机器人障碍物识别和避障方法 | |
CN115147712A (zh) | 基于图像识别非工作区域的方法及系统 | |
CN114494842A (zh) | 基于图像识别工作区域的方法、系统及机器人 | |
CN113807118B (zh) | 机器人沿边工作方法、系统,机器人及可读存储介质 | |
EP4242910A1 (en) | Obstacle recognition method, apparatus and device, medium, and weeding robot | |
US20240087321A1 (en) | Obstacle recognition method and apparatus, and device, medium and weeding robot | |
CN115147714A (zh) | 基于图像识别非工作区域的方法及系统 | |
EP4123406A1 (en) | Automatic working system, automatic walking device and method for controlling same, and computer-readable storage medium | |
CN115147713A (zh) | 基于图像识别非工作区域的方法、系统、设备及介质 | |
EP4242908A1 (en) | Obstacle recognition method and apparatus, device, medium and weeding robot | |
CN113848872B (zh) | 自动行走设备及其控制方法及可读存储介质 | |
CN112991417B (zh) | 基于rgb点云的平整柏油路面rgb信息的修正方法 | |
CN117274949A (zh) | 基于摄像头的障碍物、边界检测方法及自动行走设备 | |
Huang et al. | Research on Extraction Method of Navigation Line of Substation Wheeled Inspection Robot Based on Machine Vision |
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 |