（控制理论与控制工程专业论文）基于视觉的移动机器人定位.pdf

摘要 在移动枧器人导航中，实现移动机器人自身_ 的准确定位是一项最基本、最重 要的功能，也是移动机器人研究中备受关注、富有挑战性的一个重要研究主题。 本文在分析总结了国内外移动机器人的各种识别、定位方法的基础上，首先研究 了经典的图像边缘检测方法，线性滤波技术及其在图像边缘检测中的应用，并通 过理论分析以及仿真计算，比较了各种算法在图像边缘检测中的优缺点。其次实 现了基于颜色特征的图像分割技术来对移动机器人定位。该系统通过彩色摄像 机、图像采集卡完成视频图像的采集，通过运行图像处理程序来完成对目标移动 机器人的定位，并把结果在计算机上实对显示。 本文采用基于颜色特征的阈值分割技术来进行移动机器人的定位，选择h s i 颜色空间中的色调分量h 和饱和度分量s 共同作为提取目标移动机器人的颜色 特征分量；为了提高目标识别的准确度，采用二次搜索的方法来确定目标的位置， 并且使用前面己处理的帧中目标机器人的位置信息来对后续帧中目标机器人的 位置进行预测；为了提高系统运行的实时性，本文采用了隔两个像素点进行像素 信息与设定的阈值进行比较。由于本系统摄像机所拍摄的图片中主要存在透视失 真，本文给出了一种基于几何映射关系的摄像机标定方法，将在图像坐标系下获 得的目标机器人的位置信息转换到实际坐标系中。 本系统的软件部分由两部分组成：移动机器人识别的图像处理软件和基于图 像采集卡应用程序接口库的应用系统软件。前者主要完成目标测试图像的性能分 析，后者则是进行整个系统软、硬件的调度，实现对目标移动机器人的定位和结 果的显示。 关键词：移动机器入；计算机视觉；边缘检测：颜色空闯：图像分割；摄像机标 定 哈尔滨_ t 程大学硕+ 学位论文 a b s t r a c t a c c u r a t ep o s i t i o n i n gf o rt h em o b i l er o b o ti t s e l fi sab a s i ca n di m p o r t a n t f u n c t i o ni nm o b i l er o b o tn a v i g a t i o n ，a t t r a c t i n gg r e a ta t t e n t i o na r o u n dt h ew o r l d a s u m m a r yo ft e c h n o l o g i e si nr e c o g n i t i o n ，p o s i t i o n i n gi sm a d ea sp r e p a r a t i o na n d o nt h eb a s i so fw h i c hc l a s s i ci m a g ee d g ed e t e c t i o nm e t h o d s ，l i n e a rf i l t e r i n g t e c h n o l o g ya n di t sa p p l i c a t i o ni ni m a g ee d g ed e t e c t i o na r ea n a l y z e df i r s t l y t h e n v a r i o u sa l g o r i t h m sa r ei m p l e m e n t e di ne d g ed e t e c t i o nt od r a wac o m p a r i s o n t h r o u g ht h e o r ya n a l y s i sa n ds i m u l a t i o n a tl a s t ，am o b i l er o b o tp o s i t i o n i n gs y s t e m u t i l i z i n gc o l o r - b a s e di m a g es e g m e n t a t i o nt e c h n o l o g yi sp r o p o s e d c o l o rc a m e r a a n di m a g ea c q u i s i t i o nc a r da r eu s e dt o a c q u i r ev i d e oi m a g ew h i c ha r et h e n c o n v e r t e di n t od i g i t a ls i g n a lf o rc o m p u t e rp r o c e s s i o n i m a g ep r o c e s s i n gp r o g r a m i sr u nt or e a l i z er o b o tt r a c k i n ga n dp o s i t i o n i n g ，t h er e s u l t so fw h i c ha r ed i s p l a y e d i nt h ec o m p u t e ri nr e a lt i m e t h r e s h o l ds e g m e n t a t i o nt e c h n o l o g yb a s e do nc o l o rf e a t u r e sw h i c hi n c l u d e h u ec o m p o n e n tha n ds a t u r a t i o nc o m p o n e n tso fh s ic o l o rs p a c ei sa d o p t e di n r o b o tp o s i t i o n i n g r o b o tp o s i t i o ni sd e t e r m i n e db yt w i c es e a r c h i n gm e t h o da n d p r e d i c t e db yp r i o rl o c a t i o ni n f o r m a t i o nt oi m p r o v ep r e c i s i o n 。i n f o r m a t i o nf o r e v e r yt w op i x e lp o i n t si sc o m p a r e dw i 血t h es e tt h r e s h o l dt oi m p r o v er e a l - t i m e a b i l i t y c o n s i d e r i n gp e r s p e c t i v ed i s t o r t i o no c c u r r i n gi nt h ei m a g e st a k e nb yt h e c a m e r a ，ak i n do fc a n l e r ac a l i b r a t i o nm e t h o db a s e do ng e o m e t r i cm a p p i n g r e l a t i o n s h i pi sp u tf o r w a r dt oc o n v e r tt h er o b o tp o s i t i o ni n f o r m a t i o nu n d e ri m a g e c o o r d i n a t es y s t e mi n t or e a lc o o r d i n a t es y s t e m s o f t w a r ep a r to ft h es y s t e mi sc o m p o s e do ft w oc o m p o n e n t sw h i c ha r e i m a g ep r o c e s s i n gs o f t w a r ea n da p p l i c a t i o ns y s t e m a t i cs o f t w a r eb a s e do ni m a g e a c q u i s i t i o nc a r da p p l i c a t i o ni n t e r f a c el i b r a r y t h ef o r m e ri s t o a n a l y z e t h e p e r f o r m a n c eo ft a r g e tt e s t i n gi m a g ew h i l et h el a t t e ri st od i s p a t c ht h eo v e r a l l s y s t e m ss o f t w a r ea n dh a r d w a r et or e a l i z ep o s i t i o n i n ga n dr e s u l t sd i s p l a yf o r m o b i l er o b o t 哈尔滨t 程大学硕士学位论文 k e yw o r d s ：m o b i l er o b o t ；c o m p u t e rv i s u a l ；e d g ed e t e c t i o n ；c o l o rs p a c e ；i m a g e s e g m e n t a t i o n ；c a m e r ac a l i b r a t i o n 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用已在 文中指出，并与参考文献相对应。除文中己注明引用的内容外， 本论文不包含任何其他个人或集体己经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均己在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承坦。阜 作者( 签字) ：布裘 日期：加唧年争月力日 。 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文( 赡授予学位后即可口在授予学位1 2 个月后 口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者( 签字) ：苍案 导师( 签字) ：。毛牡 日期：拇? 年1 月砼日如f ) 年动。日 哈尔滨t 程大学硕十学何论文 第1 章绪论 1 1 本文的研究目的和意义 机器人视觉系统是当今机器人技术的一个重要的发展方向，是一门融合 了多种新兴技术的综合性学科。 机器人视觉在移动机器人领域的应用不仅仅是用来获取外界信息，还包 括从获取的外界大量信息中提取稳定可靠的数据供使用者分析利用、进行决 策。本文所研究的移动机器人的定位问题是机器人视觉应用中的一个重要方 向，广泛的应用于各个领域之中。例如大家都熟悉的机器人足球比赛，双方 队员主要通过悬挂在比赛场地上方的摄像机获取比赛情况并执行相应的决 策，只有快速准确的确定机器人队员、对方队员足球和球门的位置信息，才 能够做出正确的决策【1 2 】。在工业、国防等各种移动机器人的应用系统中，移 动机器人的定位系统的性能的好坏也是决定机器人能否按要求完成任务的关 键。只有快速准确的确定机器人的位置，才一能够保证其后续执行操作的正 确性，特别是对实时性要求严格的系统，这一点尤为重要。 本文的目的就是设计一种性能稳定、实时性好的移动机器人定位系统， 充分利用摄像机采集到的外界环境信息，应用数字图像处理技术，完成对轮 式移动机器人小车的识别、定位。图像分割方法及特征分量的选取是本文的 关键，这两个方面共同决定了对目标移动机器人定位的准确性和实时性。本 文所讲述的系统实现方法是基于h s i 颜色空间中的色调分量h 和饱和度分量 s 进行的，分割方法选择了阈值分割，实验证明该方法具有良好的实时性和 适应性。 本文的研究成果可以广泛应用于机器人足球比赛、工业生产和国防中移 动机器人定位跟踪、智能交通监控等领域，改善原有方法中存在的实时性差、 处理算法烦琐、抗干扰能力差等方面的不足，能够推动各个相关行业的发展， 创造更大的经济效益。 哈尔滨1 ：程大学硕十学位论文 1 2 移动机器人发展历程与发展趋势概述 1 1 1 移动机器人的发展历程 在机器人发展过程中，移动机器人因其结构简单、使用性强而应用吸引 着众多研究者的注意力。对移动机器人的研究开始于上个世纪6 0 年代末期， 1 9 7 2 年美国斯坦福研究院的n i l sn i l s s e n ，c h a r l e sr o s e n 等人研制了名为 s h a k e y 的自主移动机器人，实现了人工智能技术在复杂环境下的应用。上世 纪7 0 年代末，随着计算机的应用和传感器技术的发展，移动机器人又有了新 的进展。从8 0 年代开始，美国国防高级研究计划局专门立项，制定了地面无 人作战平台的战略计划。从此，在全世界揭开了全面研究室外移动机器人的 序幕。进入上世纪9 0 年代，以研制高水平的环境信息传感器和信息处理技术， 高适应性的移动机器人控制技术，真实环境下的规划技术为标志，展开了移 动机器人更高层次的研究。 移动机器人主要完成的任务是根据传感器获取的外界信息完成自主推 理、路径规划和控制。由于移动机器人是要通过对外界环境的感知来获取信 息，所以在对其研究的过程中，外界信息的获取是对移动机器人控制成功与 否的关键步骤。实用的机器人技术出现于上个世纪五十年代，是二十世纪人 类最伟大的发明之一。在过去的几十年中随着计算机技术和各种加工工艺的 不断的发展，机器人技术也随之突飞猛进的发展。机器人技术的发展是与计 算机技术和自动化技术紧密结合在一起的，从1 9 5 4 年美国设计制造的第一台 机器人实验装置开始，到六、七十年代机器人产业蓬勃兴起，机器人技术逐 渐成为了专门的学科。 在机器人技术的发展历程中，首先兴起的是工业机器人，该项技术的兴 起极大的促进了对机器人的各项研究；到了上个世纪七十年代，机器人作为 工程对象已经被大家接受；从八十年代开始，机器人技术已经实现了实用化， 成功的应用于生产制造、资源勘探、卫生医疗等众多领域；到了九十年代以后， 随着世界信息化速度的加快，与此相关的各个产业都进入了高速发展期，具 有各种特殊功能的新机器人也层出不穷，智能化也在程度不断提高；进入二 十一世纪以后，人们更注重机器人对外界环境的感知能力和自主能力，新的 机器人技术必然向着智能化方向发展，以满足不同使用者个性化的需要【2 】。 2 哈尔滨j 【程大学硕十学位论文 早期对移动机器人的研究中曾使用了超声波、红外线、接触开关等传感 器来获取环境信息，这些方法虽然能够实现信息获取，但是效果并不理想。 很多情况下无法满足实际的需要，只能实现移动机器人的局部粗糙定位，不 适合于精确要求较高的场合。我们知道人主要通过视觉来获取外部信息，对 于机器人来说，要使得机器人能够拥有类似于人的智能和灵活，那么必须要 依靠视觉来获取外界的信息。不仅精确可靠而且信息量大，现在越来越多的 研究都将视觉作为移动机器人技术的主要研究对象，大量的研究结果也证明 了基于视觉的移动机器人技术在精度和实时性等方面都取得很好的结果1 4 j 。 1 1 2 移动机器人的发展趋势 步入2 1 世纪，随着电子技术的飞速发展，机器人用传感器的不断研制、 计算机运算速度显著提高和机器人应用领域的进一步扩大，移动机器人技术 将逐渐地得到完善和发展。移动机器人技术的研究与发展的趋势主要包括以 下几个方面： 多传感器融合 多传感器信息融合是指对不同知识源和传感器采集的数据进行融合以 实现对观测现象更好的理解。多传感器融合系统可以有效地解决单传感器的 模糊点，更精确地观察和解释环境。多传感器系统采得的信息将大大增加， 但是这些信息在时间、空间、可信度和表达方式上不尽相同，侧重点和用途 也不同，这对信息处理和管理工作造成了难度。在研究多传感器信息融合有 关理论的基础上，对信息融合中的拓扑结构、融合层次等问题进行探讨以提 高机器人的感知能力是研究的重点之一1 4 。 移动机器人的网络控制及人机交互技术 随着网络技术的发展，网络技术已经逐渐渗透到控制的各个领域。利用 现代网络技术对机器人系统进行远程控制与操作，已成为最新的机器人研究 方向之一。所谓网络机器人技术就是经过i n t e m e t 等网络对机器人进行研究、 开发操作和试验，以实现高度的资源共享和技术交流。网络的传输速率、时 间迟延、数据丢失等是基于网络的机器人控制所面临的问题，一些有效的处 理方法和控制方案已经被应用到基于网络的机器人遥操作中。互联网的飞速 发展进一步促进了网络技术在机器人控制领域的应用。基于网络的机器人控 哈尔滨t 程大学硕十学何论文 i i 制技术也从初期的遥操作机器人的应用逐渐扩展到自主移动机器人和分布式 机器人系统等研究领域。通过因特网对机器人实施实时控制是一项具有挑战 性的工作，这一技术的应用将进一步丰富机器人远程控制手段，具有良好的 发展趋势和广阔的应用前景。 移动机器人的仿生学研究 仿生算法主要是模拟生物进化和生物群体的智能化方法，它们在并行性、 随机性、自适应性、鲁棒性、非线性复杂问题的搜索能力等方面表现出了显 著的特点并且容易与其他算法融合，对随机出现的扰动及意外情况能及时做 出反应，具有良好的控制效果。近年来，越来越多的研究机构都开展了仿生 学的研究工作。在生态学基础上，研究昆虫、爬行动物等自然界生物的各种 生存策略与形态，如蚂蚁的群体协作、觅食、路线跟踪与搜索和信息传递等 策略，蜜蜂的定位和采粉策略，蛇的爬行动作等，并将各种生物的特长再现 于机器人上。仿生学研究不但为移动机器人的结构设计提供了灵感，同时也 为机器人的智能化研究提供了新的思路。 多机器人系统 移动机器入的多机协调，从策略角度共同完成分配的任务一直是研究的 热点。由于同时有多个相互协作机器人的参与，这就对创建地图、定位和多 机器人协调控制提出了更高的要求。目前多机器人系统的研究尚处于理论研 究阶段，多机器人系统体系结构与协作机制、信息交互以及冲突消除等方面 将是多机器人系统的进一步研究方向。 1 3 移动机器人定位技术的发展现状 由于自主移动机器人在军事、航天、工业等诸多领域以及日常生活中越 来越广泛的应用，人们对机器人的智能程度要求越来越高，机器人的工作环 境从单纯的室内环境变成了今天的各种环境，包括天上、地下、水下、越野 等各种复杂的环境。机器人被应用到各种人类不能执行或难以执行的任务， 同时帮助人们做苦力工作或重复性的工作；提高安全性及辅助生产( 监视或监 护) ，提高产量( 农业与采矿) 以及在教育和休闲方面得到应用。在所有这些 应用中，自主导航是一个最基本的需求i l5 1 。 移动机器人导航是指移动机器人按照预先给出的任务命令，根据已知信 4 哈尔滨t 稗火学硕十学何论文 息做出路径规划，并在行进过程中，不断感知周围的局部环境信息，自主地 做出决策，调整自身位姿，引导自身安全行驶或跟踪己知路径达到目标位置。 这其中包括两个主要内容：定位和路径规划。l e o n a r d 和d u r r a n d t w h y t e 提 出，导航问题就是回答“w h e r ea l t li ? ”，“w h e r ed o1w a n tt og o ? 和“h o wd o ig e tt h e r e ? 。这第一个问题就是移动机器人的定位问题，它的解决是其他两 个问题的前提和基础，因为只有明确了自身位置，目标点才有意义，也才能 在此基础上做出路径规划【l 们。 定位是指确定移动机器人在工作环境中相对于坐标的位置及其本身的 姿态，是移动机器人导航的基本环节。定位方法根据机器人工作环境复杂性， 配备传感器的种类和数量等不同有多种方法。概括起来主要有惯性定位、陆 标定位、味觉定位、声音定位、视觉定位和环境感知定位等： 惯性定位 在移动机器人的车轮上装有光电编码器，通过对车轮转动的记录来粗略 地确定位置和姿态。该方法虽然简单，但是由于车轮与地面存在打滑现象。 产生的累积误差随路径的增加而增大，定位误差会逐渐累积，引起更大的误 差。例如y a m a u c h i 使用推测航行法和证据栅格来实现动态环境中的机器人 位置。该方法把在不同时段建立的证据栅格匹配起来，使用一种爬山算法搜 索可能的平移与转动空间，来消除推测航行法的误差累积。 声音定位 这种移动机器人装有一个实时声音定位系统和一个用来探测障碍物的 声纳系统，用于物体超出视野之外或光线很暗时，视觉导航和定位失效的情 况之下。基于声音的无方向性和时间分辨率高等优点，采用最大似然法、时 空梯度法和m u s i c 法等方法可实现机器人的精确定位。 味觉定位 味觉定位是通过机器人配备的化学传感器感知气味，根据气味浓度和气 流方向来控制机器人运动。由于气味传感器具有灵敏度高、响应速度快以及 鲁棒性好等优点，吸引了众多研究人员，但该项技术能够真正应用到实际环 境中的却很少。 路标定位 在移动机器人工作的环境里，人为设置一些坐标己知的路标，如超声波 哈尔滨丁二程入学硕士学何论文 发射器、激光反射板等，通过对路标的探测来确定自身的位姿。三角测量法 是路标定位常用的方法，机器人在同一点探测到三个路标，并通过三角几何 运算，可确定机器人在工作环境中的坐标。路标定位是普遍采用的方法，可 获得较高的定位精度且计算量小，可用于实际的生产中。但该法需要对环境 作一些改造，不太符合真正意义的自主导航。 视觉定位 视觉定位是近年来发展起来的一种定位方法。其原理是通过摄像机获取 的周围景物的图像，利用景物中一些自然的或者是人造的特征，通过图像处 理方法得到周围环境模型来实现位置确定。这种定位方法累积误差小，但计 算量很大，对外界条件( 特别是光照条件) 和路标有一定的要求。传感器视场 的大小是这类定位系统需要解决的一个关键问题。 视觉是人类获取外部信息的最主要通道，人类对外界信息的获取大约有 6 0 7 0 来自于视觉系统。机器人视觉系统是指通过图像传感器从外界环境 中获取信息，并借助计算机进行描述和解释，实现人的视觉功能。典型的机 器人视觉系统由光学成像系统、图像采集数字化系统、图像处理和决策系统 几部分组成。 机器人视觉是一门集成了数字图像处理技术、模式识别技术和人工智能 等多种前沿的科学技术的新兴学科，通过对外界环境的感知和对图像信息的 自主分析来指导机器人的行为决策【l 引。 目前对移动机器人视觉系统的研究中，大多都利用彩色图像信息，通过 图像分割等技术识别出目标。很多研究成果己经证明了将颜色作为图像分割 的依据是切实可行的，不仅可以弥补基于形状和灰度进行分割的不足，而且 更能抓住目标提取过程中的本质信息。尽管彩色图像分割已经成为目前移动 机器人视觉系统的获取外界环境信息的主要方法f l 】，但该方法仍然存在一些 需要解决的问题：主要是颜色特征空间的选取，目前还没有哪一种颜色特征 空间适合于所有的应用场合。因此，将彩色图像分割技术应用于移动机器入 视觉定位系统时，下面的两个问题是需要研究解决的： 选择合适的颜色空间。 选择合适的图像处理方法。 目前对这两个方面的研究都还未形成统一的理论，如何使机器人具有类 6 哈尔滨t 稃人学硕十学位论文 似人的视觉能力，仍是一个需要长期研究的问题l 拶j 。 1 4 本文的主要内容和工作 本文主要研究内容为目标机器人定位问题。 第一，在分析系统实际要求的情况下，选择目前图像处理领域中比较流 行的c c d 摄像机和图像采集卡作为图像采集设备 3 1 ，搭建了系统的硬件平 台。本系统由计算机作为图像信息处理单元，并完成定位结果的显示。 第二，编写的图像处理软件对实际拍摄的标准测试图像进行r g b 和h s i 颜色空间直方图特性详细分析，通过以上分析决定选择h s i 颜色空间中的分 量h 和s 作为进行目标提取的特征分量，实验证明这两个分量是所有颜色分 量中最稳定、最能表现颜色特征的分量，在此基础上完成识别定位方法设计。 第三，本文对移动机器人识别中常用到的各种图像处理技术进行了研究， 解决了环境光照条件变化、存在相似颜色干扰等常见问题的解决方法。不仅 成功的实现了基于分量h 和s 的图像分割，而且对边缘提取等图像处理方法 进行了相应的仿真，这些方法均能够应用于目标识别和定位系统中，具有良 好的使用效果。 第四，本文分别介绍了边缘检测的基本方法，经典的边缘检测算子，线 性滤波边缘检测的方法。并且分别对经典边缘检测方法和线性滤波边缘检测 的方法进行了实际图像的m a t l a b 仿真，比较了各种方法的优缺点。 第五，针对移动机器人定位系统设计的要求，在图像处理软件中编写了 相应的功能模块，进行识别定位算法验证。将在图像处理软件中调试好的图 像处理算法移植到图像采集卡应用程序系统中，实现移动机器人的定位跟踪 的实时处理，实验结果通过搭建的硬件平台予以验证。给出了一种基于几何 映射关系的摄像机标定方法，完成从图像坐标系到实际坐标系的转换。 最后，通过对试验结果的分析证明了所选择方法的正确性，通过对比实 验结果图片，阐述了噪声干扰对系统性能的影响。在实践应用中，本系统能 够实现移动机器人在光照变化条件下的定位，具有很强的抗干扰能力。 本文各章节的安排如下： 第一章，绪论部分介绍了移动机器人的发展历程和发展趋势概况，同时 介绍了移动机器人定位系统的发展现状、本文研究的目的和意义、本文的主 7 哈尔滨丁程大学硕十学 ! 7 ：论文 要内容等。 第二章，介绍了数字图像处理理论的基本概念：主要阐述了移动机器人 定位系统设计过程中用到的各种图像处理技术的基本理论、各种颜色空间之 间的相互转化等基本知识。同时介绍了经典的边缘检测的基本方法，线性滤 波边缘检测的方法。并且分别对经典边缘检测方法和线性滤波边缘检测的方 法进行了实际图像的m a t l a b 仿真，比较了各种方法的优缺点。 第三章，给出了移动机器人定位系统的硬件连接图，介绍了系统中的主 要图像采集设备c c d 摄像机和图像采集卡的工作原理、工作环境和主要的 参数指标。 第四章，首先介绍了摄像机标定方法的分类和测试点信息的获取，为了 能够将图像处理得到的图像坐标系下目标机器人的位置信息转化为实际坐标 系的位置信息，结合本系统的实际情况，给出了一种基于几何映射关系的摄 像机标定方法。 第五章，给出了移动机器人定位系统软件部分组成、系统的软件功能、 算法设计的依据等相关内容。在对比了r g b 颜色空间和h s i 颜色空间的颜 色特征的基础上，选取分量h 和s 作为特征分量。然后，结合实际的分析结 果给出了系统目标提取、定位的图像处理算法，并对图像处理过程中所涉及 的各种算法进行了详细的阐述。最后，通过系统的实验结果，分析了噪声干 扰对系统功能的影响。 最后对全文进行了总结，并指出了基于视觉的移动机器人定位系统设计 工作中还需改进的内容。 8 哈尔滨t 程大学硕十学位论文 第2 章边缘检测的基本方法 人类通过眼、耳、鼻、舌、身体感知外界信息，其中视觉信息占绝大部 分，所以作为传递信息的重要媒体和手段之一图像信息是十分重要的。本章 将介绍数字图像处理的相关概念和本文图像处理的相关实现方法。 2 1 数字图像处理概况 数字图像处理( d i g i t a li m a g ep r o c e s s i n g ) 是指使用数字计算机对图像进 行加工与处理。数字图像处理技术起源于2 0 世纪2 0 年代，当时通过海底电 缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片，用来改 善图像的质量。一直到2 0 世纪5 0 年代，随着大型数字计算机和太空科学研 究计划的出现，人们才注意到图像处理的潜力。1 9 6 4 年在美国航空总署的喷 气推进实验室开始用计算机技术改善从太空探测器获得的图像。当时利用计 算机技术处理由太空船“旅行者7 号 发回的月球照片，以校正电视摄影机 所存在的几何失真或响应失真，这是数字图像处理技术的一个重要的里程碑， 标志着第二代计算机问世后数字图像处理开始得到普遍应用。其后数字图像 处理发展迅速，到了2 0 世纪7 0 年代初，数字图像处理已经形成了较完善的 学科体系，并成为- - f - j 独立的新科学。 完整的数字图像工程可以分为以下几个方面：图像信息的获取、图像信 息的存储、图像信息的传送、图像信息的处理和图像信息的输出、显示，其 中本文主要是针对第四部分进行研究的，概括起来图像信息的处理主要包括 以下八个方面： 几何处理和算术处理 图像增强 图像复原 图像变换 图像编码 图像分析和特征提取 图像分割 9 哈尔滨t 程大学硕十学位论文 模式识别 2 2 数字图像处理的基本概念 2 2 1 颜色空间及其之间的转换 根据人眼的结果，所有颜色都可以看作是3 个基本颜色一红( r ) 、绿( g ) 、 蓝( b ) 的不同组合。通常情况下，使用三种基本特性量：亮度、色调和饱 和度对颜色进行区分。其中，色调和饱和度合起来称为色度，颜色可以用亮 度和色度共同表示。 目前，在数字图像处理领域常用的颜色空间主要有三个，分别是r g b 颜色空间、h s i 颜色空间和y u v 颜色空间。 ( i ) r g b 颜色空间 r g b 颜色空间是最常见的颜色空间，是从物理学角度出发来对颜色进行 描述的。对于r g b 颜色空间来说，每一个像素的颜色是由r 、g 、b 三原色 的分量按照不同的比例混合得到的。 一般情况下，可以用r g b 颜色空间坐标系为基础描述其他的颜色空间， 也可以将其他颜色空间坐标系的基色描述为r g b 三原色的线性或者非线性 函数。 ( 2 ) h s i 颜色空间 与r g b 颜色空间不同，h s i 颜色是从人眼的主观感觉出发来对颜色进行 描述的，包括色调分量h 、饱和度分量s 和亮度分量i 。其中色调分量h 是 从物体反射或透过物体传播的颜色；饱和度有时候也称为彩度，指颜色的强 度或纯度，饱和度标识色调中灰成分所占的比例；亮度是颜色的相对明暗程 度，通常采用r 、g 、b 三个基色的平均值进行表示。 ( 3 ) v 颜色空间 y u v 颜色空间也称为y c b c r 颜色空间，是一种流行而高效的表示颜色 的空间，广泛被欧洲电视系统所采用，它将颜色的三维分量分解为亮度和色 差信号。 下面给出一组彩色图像在不同颜色空间各个分量特性的例子，通过这个 例子我们可以更好的了解以上三种颜色空间表示颜色的方法。其中图2 1 为 l o 哈尔滨工程大学硕士学位论文 原彩色图像，是一幅在图像处理中常常用到的f a e e g i r l 图像。 图2 4f a c e g i r l 的y 、u 、v 分量 哈尔滨工稗大学硕十学位论文 由于数字图像处理技术的特殊性，目前还没有哪一种颜色空间可以满足 所有处理情况的要求。因此，在实际应用中经常要根据实际问题的需要来选 择合适的颜色空间来表示颜色信息，那么各个颜色空间之间的转化就是一个 无法避免的问题。在这里只介绍h s i 颜色空间和r g b 颜色空间之间的转换。 在转换的过程中，为了计算方便，先将r 、g 、b 三个分量的值进行归一 化，将其变换到【o ，1 】空间。同样由此计算出的h s i 颜色空间中的s 分量和1 分量也是在o ，1 1 空间内的。如果在实际的应用中需要选择其他的区域范围， 则可以根据需要自行变换。 首先给出由r g b 颜色空间向h s i 颜色空间的转化： i = 妄( r + g + b ) ( 2 - 1 ) 肚卜南 疵( r ，g , b ) 3 ( 2 - 2 ) ir + g + b l l 、。 日 p 3 6 0 一乡b b 主g g c 2 - 3 ， 日 ( 2 - 3 ) l一乡 、7 s 高老l ( r g ) 2 + ( r g ) ( g b ) 经 ( 2 - 4 ) 信息，因此我们要根据其取值的不同，给出不同的转换公式。 f f th t 在i o 。，1 2 0 。 之间： b = i ( 1 - s ) ( 2 5 ) 叫- + 端 p 6 ， g = i - ( r + b ) ( 2 7 ) 当日在 1 2 0 。，2 4 0 。 1 2 h = h 一1 2 0 0 ( 2 8 ) r = i ( 1 - s ) ( 2 - 9 ) 删 + 尚 p 呐 b = 1 一( 尺+ g ) ( 2 1 1 ) 当日在 2 4 0 。，3 6 0 。 h = h - 2 4 0 0 ( 2 - 1 2 ) g = i ( 1 - s ) ( 2 - 1 3 ) 纠【茹尚j 亿 r = l 一( g + b ) ( 2 - 1 5 ) 2 2 2 图像直方图和去噪声 直方图是数字图像处理中的一个简单而实用的工具，通过直方图我们可 以发现的图像中的一些特征可以用于数字图像的各种处理中。在这里以灰度 图像的直方图为例对其进行介绍，灰度图像的直方图的概念可以延伸到彩色 图像中使用。 一般的狄度图像有2 5 6 个灰度级，所谓的灰度直方图就是灰度级的函数， 描述的是是图像中具有该灰度级的像素的个数，也可以根据实际情况进行折 算。其横坐标是灰度级，纵坐标是该灰度出现的频率( 像素的个数) 。 下面给出灰度直方图的实例，对于下面给出的一幅灰度图像图2 5 ，其对 应的灰度直方图如图2 6 所示。 哈尔滨工程大学硕士学位论文 慨 图2 5l e n a 灰度图像图2 6l e n a 图像的直方图 同样，直方图的概念也可以扩展到颜色空间。下面我们以r g b 颜色空间 为例，给出各个颜色分量的直方图。图片使用f a c e g i r l 。 图2 8f a c e g i r l 图像r 分量直方图图2 9f a c e g i t l 图像g 分量直方图 图2 1 0f a c e g i r l 图像b 分量直方图 哈尔滨工程大学硕士学位论文 从上图中我们可以看出在f a c e g i f l 图像中，r 、g 、b 各个颜色分量的分 布情况，从直方图的分析中我们可以得到一些反映图像特征的有用信息，指 导以后的图像处理工作。 去噪声处理属于图像增强的范畴，是图像平滑技术的一种。在数字图像 处理技术中，如何去除噪声的干扰而又尽量保持图像的细节信息是去噪声所 要解决的主要问题。一般情况下，噪声的能量主要集中在整幅图像能量的高 频部分。去噪声处理可以在空域和频域中进行，在这里只介绍空域法中的中 值滤波去噪声。 中值滤波法属于非线性的图像平滑方法，它对一个滑动窗1 3 内的各个像 素按照灰度进行排序，用其中值来代替窗口中心位置像素原来的灰度。由于 中值滤波不是简单的像素灰度的平均，因此这种方法在去除孤立噪声点的同 时，保持了图像的边缘信息，大大减少了边缘模糊的现象。但是，当窗口内 的噪声点的数目大于窗口宽度的一半的时候，中值滤波的效果不是很好。因 此，正确选择窗口尺寸的大小是用好中值滤波的重要环节。 下面给出对于测试图像采用中值滤波方法去噪声的结果，通过对比就可 以很清楚看出其滤波的效果。 图2 1 1 原图像图2 1 2 中值滤波的结果 中值滤波去噪声不仅可以对灰度图像进行滤波去噪声处理，对于彩色分 量也可以对其中的某个分量进行类似的去噪声处理，但是必须保证其他的两 个分量也要随之进行变化，否则很难得到期望的结果。 2 2 3 图像分割和边缘检测 图像分割技术是数字图像处理技术中十分重要的一部分内容，绝大多数 哈尔滨t 程大学硕十学位论文 的数字图像处理技术的应用目的都是为了提取出目标，这个过程必然要用到 图像分割理论，因此在这一部分我们对图像分割技术的各种算法和相关理论 进行介绍f l o 】。 ( 1 ) 图像分割的定义 定义：对一幅图像g ( x ，j ，) ( o x 觚，0 y y m 。) 进行分割就是将图像 划分为满足如下四个条件的个子区域 c u g ，( x ，y ) = g ( x ，y ) ，即由所有子区域组成整幅图像； i 芝l g j ( x ，y ) 是连通的区域，连通性是指在该区域内存在连接任意两点的路 径； 吕( x ，y ) n g ，( x ，y ) = 矽( f ，= 1 ，2 ，n ，f ) ，即任意两个子区域不存在 公共元素； 区域g ，( x ，y ) 满足一定的均匀性条件，所谓均匀性是指区域内所有像素 点满足灰度、纹理、颜色等特征的某种相似性准则。 上述的条件不仅定义了分割，对进行分割也具有一定的指导作用。在实 际应用中图像分割不仅要把一幅图像分成满足以上四个条件的各具特征的区 域而且需要把其中感兴趣的目标区域提取出来。 ( 2 ) 图像分割的方法 按照分割方法和结果的不同，图像分割技术可以分为以下四个部分：并 行边界分割技术、串行边界分割技术、并行区域分割技术和串行区域分割技 术【1 4 1 。 由于本论文所要解决的移动机器人定位系统设计所要求的是整个目标 区域的位置，而不是精确的边界信息，在这一部分主要对阈值分割的相关理 论进行介绍。 阈值化分割算法属于并行区域分割技术的一种，经过几十年的发展，己 经涌现了很多不同的方法。简单说来，对灰度图像的阈值分割就是将图像中 各个像素的灰度值与事先确定的阈值进行比较，并根据比较结果将对应的像 素( 分割) 划为两类：像素的灰度值大于阈值的为一类；像素的灰度值小于 阈值的为另一类( 灰度值等于阈值的像素可归人这两类之一) ，这两类像素分 别属于目标和背景。 1 6 哈尔滨t 程大学硕十学位论文 由此可见，阈值化分割算法主要有以下三个步骤： 确定阈值。 将分割阈值与像素值进行比较。 按照比较的结果将像素归类。 以上步骤中，确定阈值是分割的关键，如果能确定一个合适的闽值就能 够得到预期的分割结果。 图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特 征的不连续性，是图像中灰度变化比较剧烈的地方，也即我们通常所说的信 号发生奇异变化的地方。图像强度的不连续可分为： 阶跃不连续：即图像强度在不连续处的两边的像素灰度值有着显著的 差异； 线条不连续：即图像强度突然从一个值变化到另一个值，保持一个较 小的行程后又返回到原来的值。在实际中，阶跃和线条边缘图像是很少见的， 由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡型边缘，线条边 缘变成屋顶形边缘，其中的强度变化不是瞬间的，而是跨越一定的距离。在 数学上可利用灰度的导数来刻画边缘点的变化，对阶跃状边缘、屋项状边缘 分别求其一阶、二阶导数。 在讨论边缘检测算法之前，首先给出一些术语的定义： 边缘点：图像中具有坐标 f ，】且处在强度显著变化的位置上的点； 边缘段：对应于边缘点坐标f f ，门及其方位9 ，边缘的方位可能是梯度 角； 边缘检测器：从图像中抽取边缘( 边缘点和边缘段) 集合的算法： 轮廓：边缘列表，或是一条表示边缘列表的拟合曲线； 边缘连接：从无序边缘表形成有序边缘表的过程。 边缘跟踪：一个用来确定轮廓的图像( 指滤波后的图像) 搜索过程。 2 3 经典边缘检测的方法和算子 我们知道，边缘检测的实质是采用某种算法来提取出图像中对象与背景 间的交界线。我们将边缘定义为图像中灰度发生急剧变化的区域边界。图像 灰度的变化情况可以用图像灰度分布的梯度来反映，因此我们可以用局部图 1 7 哈尔滨工程大学硕十学位论文 像微分技术来获得边缘检测算子。 边缘检测算法有如下四个步骤( 其过程如图2 1 3 所示) ： 梯度或 l 原始图像h 平滑图像卜 含过零 一边缘点b 边缘位 置、方向 点图像 图2 1 3 图像边缘检测流程 滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的 计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的 性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失， 因此，增强边缘和降低噪声之间需要折中。 增强：增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可 以将邻域( 或局部) 强度值有显著变化的点突显出来。边缘增强一般是通过 计算梯度幅值来完成的。 检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领 域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的 边缘检测判据是梯度幅值阈值判据。 定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素 分辨率上来估计，边缘的方位也可以被估计出来。 在边缘检测算法中，前二个步骤用得十分普遍。这是因为大多数场合下， 仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指 出边缘的精确位置或方向。 边缘检测是检测图像局部显著变化的最基本运算。在一维情况下，阶跃 边缘同图像的一阶导数局部峰值有关。梯度是函数变化的一种度量，而一幅 图像可以看作是图像强度连续函数的取样点阵列。因此，同一维情况类似， 图像灰度值的显著变化可用梯度的离散逼近函数来检测。梯度是一阶导数的 二维等效式，定义为向量 哈尔滨下程大学硕+ 学位论文 吣= 阱 对 舐 可 砂 ( 2 1 6 ) 有以下重要的性质与梯度有关：向量g ( x ，y ) 的方向就是函数厂( x ，y ) 增 大时的最大变化率方向；梯度的幅值由下式给出【5 0 】： i g ( x ，y ) l = q 2 + q 2 ( 2 1 7 ) 在实际应用中，通常用绝对值来近似梯度幅值： i g ( x ，y ) l - - g 。+ i q l 或i g ( x ，y ) | m a x ( g ，l ，i q l ) ( 2 - 1 8 ) 在实际边缘检测中可以设定一个阈值f ，如果i g ( x ，y ) i f ，则认为( x ，y ) 为边界点。 由向量分析可知，梯度的方向定义为：口( 毛j ，) = a r c t a n ( 乞) ，其中口角 是相对x 轴的角度。 注意梯度的幅值实际上于边缘的方向无关，这样的算子称为各向同性算 子。 对于数字图像，方程2 1 的倒数可以用差分来近似。最简单的梯度近似 表达式为： q g j =