（信号与信息处理专业论文）室内清扫机器人视觉导航关键技术研究.pdf

学位论文的主要创新点 一、为了提高地板区域分割的准确性，本文利用人工参与的方法获取少量标 记好的样本，提出了一种有监督的地板区域图像分割算法。 二、为了提高机器人跟踪算法的性能和降低算法设计的复杂度，本文基于设 置人工标记物的方法设计了一种适用于室内清扫机器人视觉导航的跟踪算法。 三、为了使机器人能够有序的清扫整个地板区域，设计了遍历整个地板区域 的路径规划算法。 摘要 随着科学技术的飞速发展，室内清扫机器人的自动化和智能化程度也在不断 的提高。导航技术作为清扫机器人的核心技术之一对系统的移动性、工作效率以 及实用性都具有十分重要的作用。视觉导航以其引导柔性，信息量大等优点，已 成为导航技术主要的发展方向。 本文首先介绍了室内清扫机器人常用的碰撞式导航方法，并对其优缺点进行 分析。为了克服碰撞式导航方法存在的不足，设计了一种基于视觉方法的室内清 扫机器人导航方案，并对其中的关键技术进行研究，主要包括三个方面：( 1 ) 提 取机器人可以行走的地板区域；( 2 ) 机器人跟踪定位；( 3 ) 机器人路径规划。 为了解决清扫机器人在工作时的避障问题，本文采用摄像头与机器人相分离 的图像采集方法来获取室内地面的全局图像，然后把地板区域分割出来作为允许 机器人行走的区域，从而实现障碍物躲避。为了提高地板区域分割的准确性，本 文利用人工参与的方法获取少量标记好的样本，提出了一种有监督的地板区域图 像分割算法。在机器人工作时，需要实时的得到机器人的位置信息，对它进行跟 踪定位，以便对其进行导航控制。为了提高机器人跟踪算法的性能，降低算法设 计的复杂度，本文基于设置人工标记物的方法提出了一种适用于室内清扫机器人 视觉导航的跟踪算法。为了使机器人能够有序的清扫整个地板区域，提出了遍历 整个地板区域的路径规划算法。本文最后基于w i r o b o t 机器人、p c 机、无线路 由器、摄像头所建立的实验平台对算法进行验证。通过实验验证了本文提出的算 法能够完成清扫机器人所需要的导航任务。 本文对该导航方法中的关键问题进行了研究，对室内清扫机器人视觉导航技 术的实用化具有重要的理论意义。 关键词：视觉导航，图像分割，跟踪算法，路径规划，清扫机器人 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y , t h ei n d o o rm o b i l er o b o t i st r e n dt ob em o r ea u t o m a t i ca n di n t e l l i g e n t t h en a v i g a t i o nt e c h n o l o g yo fi n d o o r m o b i l er o b o tp l a y sav e r yi m p o r t a n tp a r ti nt h ew h o l ep e r f o r m a n c eo f t h em o b i l er o b o t a sa ni m p o r t a n tw a yo fn a v i g a t i o n , i ta f f e c t st h em o b i l i t ya n dw o r k i n ge f f i c i e n c yo f t h em o b i l er o b o td i r e c t l y t h ev i s i o n b a s e dn a v i g a t i o nt e c h n o l o g y 、析t 1 1g u i d i n g f l e x i b i l i t ya n de n o r m o u si n f o r m a t i o nh a sb e c o m ea ni m p o r t a n td e v e l o p m e n td i r e c t i o n o fn a v i g a t i o nt e c h n o l o g y 硼1 ed i s s e r t a t i o ni n t r o d u c e sac o l l i s i o n s t y l en a v i g a t i o nm e t h o df o rt h ei n d o o r c l e a n i n gr o b o t , a n da n a l y z e sa d v a n t a g e sa n dd i s a d v a n t a g e so ft h em e t h o d t o o v e r c o m et h es h o r t c o m i n g so ft h ec o l l i s i o n - s t y l en a v i g a t i o nm e t h o d , as c h e m eb a s e d o nv i s u a ln a v i g a t i o nm e t h o df o ri n d o o rc l e a n i n gr o b o ti sd e s i g n e d , a n dt h ek e y t e c h n o l o g yi sr e s e a r c h e d 1 1 托k e yt e c h n o l o g yo ft h en a v i g a t i o np r o g r a mi n c l u d e s t h r e ea s p e c t s ：( 1 ) h o wt oe x t r a c tt h ef l o o ra r e aw h i c ht h er o b o tc a nw a l k ( 2 ) h o w d o e st h er o b o tt r a c ka n dl o c a t e ( 3 ) h o wt og i v et h ed e t a i l so f t h ep a t hp l a n n i n g i no r d e rt os o l v et h eo b s t a c l ea v o i d a n c ep r o b l e mw h e nt h ec l e a n i n gr o b o ti s c l e a n i n gt h ef l o o r , w eo b t a i nt h eg l o b a li m a g eo ft h ef l o o rb yt h ei m a g ea c q u i s i t i o n m e t h o d , a n dt h e ns e g m e n to u tt h ef l o o rr e g i o nt oa l l o wt h er o b o tt ow a l ki no r d e rt o a c h i e v eo b s t a c l ea v o i d a n c e i no r d e rt oi m p r o v et h ea c c u r a c yo ft h ef l o o rr c g i o n s e g m e n t a t i o n ，t h em e t h o dt og e tas m a l l a m o u n to fg o o ds a m p l e sb yh u m a n i n t e r v e n t i o ni su s e d a na l g o r i t h ma b o u tf l o o rs e g m e n t a t i o ni sp r o p o s e d a tw o r k , y o u n e e dt og e tr e a l - t i m el o c a t i o ni n f o r m a t i o no ft h er o b o t ，t r a c ka n dc o n t r o lt h er o b o t s m o v e m e n t i no r d e rt oi m p r o v et h ep e r f o r m a n c eo ft h er o b o tt r a c k i n ga l g o r i t h ma n d r e d u c et h ec o m p l e x i t yo ft h ea l g o r i t h m ，at r a c k i n ga l g o r i t h mb a s e do na r t i f i c i a l m a r k e r sf o ri n d o o rc l e a n i n gr o b o ti sp r o p o s e s f o rm a k i n gt h ec l e a n i n gr o b o tt oc l e a n t h ee n t i r ef l o o ra r e ao r d e r l y ，ap a t hp l a n n i n ga l g o r i t h mt r a v e r s i n gt h ee n t i r ef l o o ra r e a i s p r o p o s e d f i n a l l y , t h ew h o l ea l g o r i t h mb a s e do ne x p e r i m e n tp l a t f o r m w i t h w i r o b o t , p c ，w i r e l e s sr o u t e ra n dc a m e r ai sv e i l f i e d e x p e r i m e n t a lr e s u l t s d e m o n s t r a t et h a tt h ep r o p o s e da l g o r i t h mc a l lm a k et h er o b o tc o m p l e t et h et a s kw e l l 1 1 地s t u d yo fv i s u a ln a v i g a t i o nt e c h n o l o g yf o ri n d o o rc l e a n i n gr o b o ti nt h i s d i s s e r t a t i o nh a st h e o r e t i c a ls i g n i f i c a n c et ot h ep r a c t i c a b i l i t yo f n a v i g a t i o nt e c h n o l o g y k e yw o r d s ：v i s u a ln a v i g a t i o n ，i m a g es e g m e n t a t i o n ，t r a c k i n ga l g o r i t h m ，p a t hp l a n n i n g ， c l e a n i n gr o b o t 目录 第一章绪论1 1 1 研究背景及意义。1 1 2 国内外清扫机器人的研究现状。2 1 3 清扫机器人导航技术研究现状3 1 4 本文的主要研究内容4 第二章室内清扫机器人导航方案设计7 2 1 存在的问题。7 2 2 基于视觉的导航方式7 2 3 视觉导航方案。9 2 4 关键技术分析1 0 第三章提取地板区域算法设计1 3 3 1 现有算法分析1 3 3 1 1 算法描述。1 3 3 1 2 算法的性能分析。1 5 3 2 有监督的分割算法1 6 3 2 1 提取颜色特征l7 3 2 2 获取样本18 3 2 3 地板区域分割。1 8 3 - 3 两种算法比较l9 第四章跟踪算法设计2 5 4 1 运动物体跟踪方法分析2 5 4 2 基于背景差分的跟踪算法2 5 4 3 基于标记物的跟踪算法。2 8 4 3 1 算法描述。2 8 4 3 2 实验结果。3 0 第五章室内清扫机器人路径规划算法设计。3 3 5 1 路径规划概述3 3 5 2 两点之间路径规划算法3 3 5 2 1 算法描述3 4 5 2 2 实验结果3 5 第一章绪论 1 i 研究背景及意义 第一章绪论 移动机器人是一种在复杂环境下工作的具有自规划、自组织、自适应能力的 机器人。在对移动机器人的相关技术研究中，导航技术是其核心技术，也是实现 真正智能化和完全自主移动的关键技术。导航研究的目标是在没有人干预的情况 下使机器人完成特定任务。机器人导航技术的发展使人类的生产方式从机械化、 自动化、跨入了“智能化”的新时代，使机器人在社会事务、海洋开发、宇宙空间 作业、矿山和军事领域都有广泛的应用，在那些人们无法工作的特殊环境下代替 人完成作业任务，扩展了人类生产和研究活动的范围，提高了人类创造性劳动的 能力【旧。 近年来移动机器人系统开始应用在服务行业中，开辟了机器人自主服务的新 领域，室内服务机器人的出现使人们摆脱了令人烦恼枯燥的重复性工作，如家务 劳动、照料病人等等，在服务机器人系统中，自主导航是一项核心技术，是服务 机器人研究领域的重点和难点问题。在导航过程中，常常面临不可预测的或动态 的环境，服务机器人感知环境的手段通常是不完备的，传感器给出的数据是不完 全、不可靠的。因此，解决服务机器人自主导航是一项迫不及待但又十分艰巨的 任务【3 - 6 。 随着计算机视觉理论及算法的发展，视觉导航成为导航技术中一个重要发展 方向。视觉导航定位系统的工作原理就是对周围环境进行光学处理，先用摄像头 进行图像采集，然后对图像进行压缩，再将其反馈到由图像处理、分析，模式识 别等算法构成的信息处理子系统中，把图像信息与实际位置信息联系起来，完成 自主导航定位。通常，机器人首先利用装配的摄像机对周围环境进行拍摄，然后 通过图像处理技术，如特征识别、距离估计等，实现对机器人的定位并对下一步 动作进行规划。视觉导航系统具有独立性、准确性、可靠性以及信息完整性等优 势，使得视觉导航成为移动机器人的主要发展方向之一【7 】。室内机器人采用视觉 导航方法，使机器人能够提前获取局部环境信息，甚至全局环境信息，更有利于 实现目标识别、障碍物回避及路径规划等功能【8 】。 随着科学技术的不断发展，清扫机器人将吸尘器技术和移动机器人技术有机 融合，实现对环境的自主和半自主清扫，解脱了人们繁重的清扫工作，近年来已 效地打扫，采取了螺旋式的行走方式，打扫开始后，首先，机器人在房间里转一 圈，测算出应该打扫的面积，然后转着小圈躲避障碍物。公司还打算在清扫机器 人上安装c c d 相机，这样就可以用手机通过家用电脑浏览清扫机器人的c c d 图 像，实现远程监视 1 5 , 1 6 。 目前，国内也已开始有对清扫机器人的研究开发工作，特别是在对清扫机器 人的路径规划与控制方面取得一定的成就，为研究清扫机器人奠定了技术基础。 香港中文大学与哈尔滨工业大学合作研制了全方位移动清扫机器人，并由海尔公 司制造出产品。该机器人可以遥控操作，也可以自主操作，并具有智能性的电源 管理功能，增加了运行时间，提高了对移动动力资源的利用率。它的吸尘机构可 以对吸尘腔路进行自主转换，提高了吸尘效率，同时采用万向轮可以向任意方向 移动，能够对狭窄区域进行清扫。一些大学如东南大学、上海交通大学、华南理 2 第一章绪论 工大学等都对清扫机器人相关的技术进行了研究，但是没有成品形成。总之，虽 然对清扫机器人的研究取得了很大的进步，并且进入了实用阶段，但是在工作效 率、自主能力上还不理想，需要解决传感器技术、定位和环境建模技术的问题， 在此基础上使清扫机器人向着多功能集成、低成本、高智能化的方向发展【l7 1 。 目前对机器人研究的多数成果都停留在实验室研究阶段，最成功的商业化清 扫机器人产品是美国i r o b o t 公司生产的室内地板清洁机器人r o o m b a ( 如图1 1 ) ， 它是目前全球唯一成功走入市场化的服务型机器人，它能够自主驱动，在无人指 挥的情况下主动清扫房间，目前销售量已经超过2 5 0 万个，售价仅1 2 0 美元。 1 3 清扫机器人导航技术研究现状 以最成功的商业化清扫机器人r o o m b a 为例对室内清扫机器人常用的导航 方法进行介绍。该机器人主要采用碰撞传感器进行导航，其主要原理是：r o o m b a 启动之后会依照一个特定的螺旋状路线运动，以渐渐扩大的螺旋形运转方式来遍 历清扫空间。如果在运动的路径上存在障碍物，机器人会与之发生碰撞。发生碰 撞后机器人利用碰撞传感器获取前方存在障碍物的信息，并自动旋转一个角度再 向前方运动，从而达到障碍物避让的目的。 此外，r o o m b a 清扫机器人上还有红外传感器，并附带有“虚拟墙”装置( 如图 1 2 ) 。虚拟墙为机器人的活动限定了一个范围，从而可以避免机器人碰撞易碎物 品、跌下楼梯等危险。 3 天津工业大学硕士学位论文 图l - 2 附带“虚拟墙”装置的机器人 1 4 本文的主要研究内容 本文主要研究基于视觉方法的室内清扫机器人导航关键技术。针对室内工作 环境的特点，采用一种把摄像头与机器人相分离的方法，并设计了一种适用于室 内清扫机器人的视觉导航方案。 第一章：绪论。介绍了本课题的研究背景及意义，清扫机器人及其导航技术 的研究现状，最后介绍了本论文的研究内容和论文结构。 第二章：室内清扫机器人导航方案设计。本章对商业化清扫机器人所采用的 碰撞式导航方法的缺点进行分析，设计了适用于清扫机器人的视觉导航方案，并 对实现该方案所需的关键技术进行了分析。 第三章：地板区域提取算法设计。本章首先对现有地板区域提取算法进行了 研究，分析了其中存在的问题。为了提高算法的分割精度，在有人参与的情况下 预先获取图像中的少量标记过的样本，提出一种有监督的地板区域分割算法。最 后对算法的性能进行了比较。 第四章：对清扫机器人跟踪定位的算法设计。本章首先介绍了一种基于背景 差分的跟踪算法，分析该算法存在的问题，为了提高机器人跟踪算法的性能，降 低算法设计的复杂度，本文基于设置人工标记物的方法提出了一种适用于室内清 扫机器人视觉导航的跟踪算法。 第五章：室内清扫机器人路径规划的算法设计。本课题的路径规划算法主要 包括两部分。( 1 ) 两点之间的路径规划。清扫机器人在实际清扫地面的过程中， 会被指点到达某个位置。例如，遇到电量不足的情况时，要给机器人设定一条最 优路径到达充电地点。( 2 ) 遍历整个地板区域的路径规划。使机器人能够有序的 完成对整个地板区域的清扫，同时能够避开障碍物。该部分提出了两种方法，并 4 第一章绪论 对两种算法的优缺点进行分析比较，最后基于两种算法的优点对算法结合。 第六章：清扫机器人导航方案的实验验证。本章首先建立实验平台，对机器 人运动控制进行介绍，最后通过p c 机与机器人的无线通信，完成对导航关键技 术的算法的验证。 第七章：工作总结与展望。总结全文，并阐述了下一步的工作方向。 5 第二章室内清扫机器人导航方案设计 第二章室内清扫机器人导航方案设计 本章对商业化清扫机器人r o o m b a 所采用的导航方法进行分析，指出其中存 在的不足，并针对这些不足设计了一种适用于清扫机器人的视觉导航方案，并对 实现该方案所需的关键技术进行分析。 2 1 存在的问题 当前最成功的商业化清扫机器人产品是美国i r o b o t 公司生产的r o o m b a 清扫 机器人，它采用的是基于碰撞传感器的接触式导航方法。由于必须发生碰撞后才 能感知前方存在障碍物，这种导航方法存在如下问题： ( 1 ) 与易碎等物体发生碰撞，从而发生危险或造成损失； ( 2 ) 难以建立全局地图，从而降低清扫效率，即有些区域多次重复清扫，而 另外一些区域无法清扫到。 为了克服上述不足，需要设计一种非接触式的室内清扫机器人导航方案。随 着计算机视觉技术的发展，视觉导航以其引导柔性，信息量大等优点，已成为导 航技术主要的发展方向。本文拟设计一种基于视觉方法的室内清扫机器人导航方 案，以解决目前采用的导航方法存在的不足。 2 2 基于视觉的导航方式 基于视觉的导航方式具有独立性、准确性、可靠性以及信息完整性等优势， 使得视觉导航成为移动机器人的主要发展方向之一。目前基于视觉的导航方式有 两种情况：一种是摄像头安装在机器人身上进行导航；另一种是摄像头与机器人 分离进行导航。下面分别对这两种情况进行介绍。 ( 1 ) 摄像头安装在机器人身上的导航方式。室内机器人使用的视觉导航方法 多数会利用一些有特征的物体作为导航路标，在设计工作在室内环境中的视觉导 航系统时，室内的一些特有特征，例如地板，灯具、踢脚线等【1 8 。2 0 】，往往被用来 简化导航过程设计。以台湾交通大学的吴智仁阱】所采用的方法为例进行介绍，该 方法通过安装在车项上的全景摄像头来捕捉固定在屋顶上的圆形标志，实现对机 器人的导航，其导航方法示意图如图2 1 所示，地面上的机器人顶部安装有摄像 7 天津工业大学硕士学位论文 头，用来采集屋顶图像，屋顶上放置有特殊的圆形物体作为路标，由于摄像头与 圆形物体之间存在一定的角度，因此在采集到的图像中呈现为椭圆形，伴随着机 器人的移动，椭圆的形状也会发生相应的变化，机器人根据此变化，通过计算可 以得出自己的相对位置，然后通过捕捉圆形标记物在屋顶上的形状和位置来实现 导航。 图2 1 导航方法示意图 该设计方式的特点是：利用摄像头捕捉天花板上的标记物，摄像头视野受到 阻挡的可能性较小，这样更有利于机器人找到标记物并实现导航。 上述这种视觉导航方法，摄像头和计算设备都安装在机器人车顶上，图像识 别、路径规划等高层决策都由车载计算机完成，依据卢韶芳【2 2 】等提出的观点，这 种车载计算机的计算量较大，会有延时问题产生。 ( 2 ) 摄像头与机器人分离的导航方式。天津工业大学的张博【2 3 】提出了一种导 航方法，把摄像头安装在天花板上并向下俯视。 其方法的示意图如图2 - 2 所示。 8 第二章室内清扫机器人导航方案设计 摄像头 ， ，7 摄像头视野 机器人 图2 - 2 导航模型示意图 在该室内视觉导航方法中，摄像头被安装在天花板上，能够拍摄到整个房问 的全局图像，需要机器人在摄像头的视野范围内活动。在该导航方法中机器人和 图像采集设备不再一起运动，当机器人运动时，图像采集设备相对于地面是静止 的，因此相对于地面静止的物体在所采集的图像序列中也呈静止状态，这在很大 程度上简化了对导航地图的建立和对机器人定位等算法的设计。该方法有效的避 免了障碍物对摄像头视野的阻挡，更便于获取场景中的全局信息，并且，机器人 车体与摄像头分离，大大减小了计算量。 2 3 视觉导航方案 通过对上述导航方法进行分析，本文拟采用摄像头与机器人相分离的视觉导 航方式来设计室内清扫机器人的导航方案。为了满足室内环境中清扫机器人的导 航需求，导航系统主要包括图像采集、图像分析、路径规划、无线指令以及运动 控制等功能模块，图2 3 所示。 9 的全局 境的导 利用导 器人发 ( 1 ) 提取机器人可以行走的地板区域。清扫机器人在清扫地面时，需要把机 器人的活动范围限制在地板区域，这样既可以实现障碍物的自动躲避，也可以避 免一些潜在的危险。因此需要研究地板区域图像分割方法，把分割出来的地板区 域作为允许机器人行走的区域。 ( 2 ) 机器人跟踪定位。在机器人工作时，需要实时的得到机器人的位置信息， 对它进行跟踪定位，以便对其进行导航控制。 ( 3 ) 对机器人的行走路径进行规划。路径规划包括两方面的内容：一方面是 两点之间的路径规划，例如，当机器人电量不足需要充电时，需要给机器人设计 1 0 第二章室内清扫机器人导航方案设计 一个最短并且能够避开障碍物的最优路径移动到指定位置进行充电；另一方面是 使机器人遍历整个地面的路径规划，使机器人能够有序的、高效的完成地面清扫 任务。 第三章提取地板区域算法设计 第三章提取地板区域算法设计 在本文采用的导航方法中，摄像头被安装在天花板上，其视野范围能够覆盖 允许机器人行走的全部区域。假定机器人在室内地板区域中运动，我们首先从图 像中提取了地板区域，并限定这些区域为机器人可以行走的区域，从而避免了对 障碍物的检测，实现机器人对障碍物的自动躲避。 本章首先对现有提取地板区域的算法进行实现，分析现有算法的缺点，并提 出一种监督式的算法，最后将两种算法进行比较。 3 1 现有算法分析 天津工业大学的张博等人提出了一种算法，该算法假定摄像头获取的俯视图 像中，地板区域所占的比例最大，并且该区域具有致的颜色特征，采用聚类算 法来提取地板区域。依据聚类算法的特点，在这些被统计出来的具有相同颜色特 征的像素点的所有分类中，像素点数目最多的那一类对应地板区域。下面对该算 法进行描述，并对算法性能进行分析。 3 1 1 算法描述 该算法的设计思路如图3 1 中所示，首先将原始图像转换为y c b c r 色彩空间， 进行颜色特征提取，然后利用聚类算法进行分析，把特征样本点分为刀类。最后， 分析这些类别中样本点的个数，把含有样本点数目最多的那一类确定为地板区 域。 嚣ht 剖h h h 图3 - 1 地板区域自适应分割算法步骤图 把地板区域所在类的像素点标记为黑色，其它各类一律归为非可行走区域， 把像素点标记为白色。这样，根据像素点在图像中的位置，将图像分割为两部分。 在提取地板区域以后，为了使分割效果更好，还要利用数学形态学对图像进 1 3 块为单位，用矩形块内所有像素点的平均值代表每一个矩形块的像素值。然后， 把每一个小的矩形块作为一个像素点，来参与聚类运算。 该算法利用颜色信息进行聚类运算，在进行聚类运算之前提取以刀像素点的 平均像素值作为特征值参与聚类运算。 ( 3 ) 地板区域分割 经过聚类算法后，在所有分类中像素点最多的那一类就为地板区域所在的 类，其他像素点按照聚类最近原则归到各类中。把地板区域所在类的像素点标记 1 4 第三章提取地板区域算法设计 为黑色，其它各类一律归为非可行走区域，把像素点标记为白色。这样，根据像 素点在图像中的位置，提取出地板区域。 3 1 2 算法的性能分析 果。 图3 。2 ( a ) 为用摄像头采集的图像，图3 - 2 ( b ) 为用该算法对图3 2 ( a ) 处理的结 影 。”矿獬繁 t ” ： 善 ： j - - i ； 篆 f ili 9 锡 羹 ” 睡 爹 滚 ? ：。自 ：，； 沥黝盛 戮。-l 缓苏貔毖貔黝 比较严 以上的 效果很 地板样 和红色 记地板 m 集 n 集 当判断而点归为哪一区域时，用如下方法： 分别计算五与m 集和n 集中各元素的欧氏距离d ( 五，啊) ，d ( 五，m 2 ) ， d ( 五，鸭) ，d ( 而，m 4 ) ，d ( 毛，啊) ，d ( x a ，n 2 ) ，j ( 五，n 3 ) ，d ( 五，n 4 ) ，求出其中的最小 值，从图可以看出，而与m 集里某元素的距离最近，所以而归为m 集的样本点 所在的区域，即归为地板区域。 同样可以得出，而应归为n 集样本点所在的区域，即归为物体区域。采用 此方法可以判断原图像中各单位区域属于地板区域还是物体区域。 该算法的流程图如图3 5 所示。 1 6 。 3 2 1 提取颜色特征 图3 5 算法流程图 在对原图像进行特征提取的过程中，首先对图像进行分块处理，本算法将相 邻的像素以一个力刀的像素块为单位，用像素块内所有像素点的平均值代表每一 个像素块的像素值，然后，把每一个像素块作为一个像素点，来参与后面的运算。 对于地板各样本区域和物体各样本区域的颜色特征的提取，也是采用这种分 块处理的方法，并以该区域各像素块中所有像素的均值作为该样本区域的颜色特 征值。 1 7 天津工业大学硕士学位论文 3 2 2 获取样本 假设除了地板的其它部分都为物体，分别选取地板样本和物体样本。本文采 用做标记的方法来获取样本。如图3 - 6 所示。用红色环形物体标记物体，用绿色 环形物体标记地板。在选取样本的时候，要特意选取一块或几块受阴影或光照影 响比较严重的区域为样本，这样处理的效果会更好。 图3 - 6 标记后的图像 获取样本区域的步骤是：首先根据颜色特征设定阈值分别获取图3 - 6 中的绿 色和红色环形区域；然后利用霍夫变换检测出圆形并计算出圆心位置；再以该圆 心位置为中心，取一个矩形区域，该矩形区域就为获取的样本区域。算法的设计 步骤如图3 - 7 所示。 分别获取绿色、红 卜、霍夫变换检测圆，卜以圆为中心取矩形a分别获取物体、地 色环形区域 并求圆心 区域 面样本区域 3 2 3 地板区域分割 图3 7 获取样本算法步骤图 用欧氏距离判断后，把图像中归为地板区域的像素点标记为黑色，物体所在 区域的像素点标记为白色，这样，根据像素点在图像中的位置，将图像分割为两 部分。其中黑色区域就是地板区域。图3 - 3 ( a ) 处理后的结果，如图3 - 8 所示。 第三章提取地板区域算法设计 图3 - 8 提取地板区域结果 从图3 8 可以看出有监督的算法能够很好的把地板区域提取出来。 3 3 两种算法比较 为了比较两种地板区域分割算法对于不同地板的分割能力和正确率，本文选 取了八种不同的地板环境，并在每种地板环境条件下拍摄十幅图像分别进行处理 ( 如图3 9 ) 。 ( a ) 第一组 c o ) 第三组 ( b ) 第_ 组 1 9 ( d ) 第四组 啦豸 气 、 。：j ， 一。鼍 。孽 ，。 7 i _ 旒 表3 - 1 地板区域正确分割率对比表 第一种算法正确分割率第二种算法正确分割率 第一组 7 2 2 9 6 1 第二组 5 6 5 9 5 2 第三组8 7 6 9 3 3 第四组8 9 1 9 5 7 第五组 8 8 2 9 4 1 第六组 8 1 4 9 3 5 第七组8 7 2 9 7 1 第八组8 4 1 9 3 3 第三章提取地板区域算法设计 从表3 1 可以看出，第二种算法的正确分割率远大于第一种算法的正确分割 率，并且第二种算法比较稳定，所以，第二种有监督的地板区域分割算法对于不 同的地板环境都有比较理想的分割效果。 下面选取几组地板环境的图像对实验结果进行分析，尤其对第一种算法分割 效果较差的原因进行分析，从而比较出第二种算法的优势。 从图3 1 0 中可以看出该图用第一种分割算法处理后，凳子后面有一小块区 域没有很好的分割出来，被误判为障碍物，主要原因是因为该区域受阴影影响比 较严重，因此阴影的影响会对第一种算法的分割效果造成一定的影响。用第二种 有监督的分割算法，即使有阴影的影响也可以得到较好的分割效果。 7 澎鳓 t 蓁 f ； l l ； 萋f - l i 磊 ； ”!麓 1 i 觋猡 睡 琵纛缓绷甾霪氢缓纽磁缓燃 硕士学位论文 ( a ) 原图像 ( c ) 第一种算法 o ) 手工分割 第二组 ( d ) 第二种算法 ( b ) 手工分割 图3 1 2 第三组 ( d ) 第二种算法 第三章提取地板区域算法设计 从图3 1 2 可以看出该图用第一种分割算法处理后，小车部分没有得到较好 的分割效果，主要原因是因为小车部分的颜色和周围地板环境的颜色比较接近， 这样利用颜色特征对地板进行分割时，很容易把小车部分的颜色特征和地板的颜 色特征归为一类。用第二种有监督的分割算法，能够得到较好的分割效果。 ( a ) 原图像 ( c ) 第一种算法 ( b ) 手工分割 图3 1 3 第四组 ( 由第二种算法 从图3 1 3 可以看出该图用第一种分割算法处理后，没有较大的区域造成误 判，只是角落里受阴影影响比较严重的区域没有得到较好的分割效果，主要原因 是因为该区域受阴影影响比较严重，用第二种有监督的分割算法，即使有阴影的 影响也可以得到较好的分割效果。 通过对以上的结果进行统计分析，可以看出第一种算法容易受阴影、光照等 外界环境的影响，第二种有监督的分割算法比第一种算法的鲁棒性好的多，正确 分割率高，也比较稳定。 第四章跟踪算法设计 第四章跟踪算法设计 在清扫地面时，需要实时的得到机器人的位置信息，以便对其进行控制，完 成指定的任务。本章主要研究室内清扫机器人视觉导航中机器人跟踪与定位的问 题。首先介绍一种基于背景差分的跟踪算法，分析该算法的缺点，并提出一种基 于标记物的跟踪算法。 4 1 运动物体跟踪方法分析 一般来讲，根据相机和物体的运动状态，可以把视频分为以下几种：( 1 ) 相 机运动，被跟踪物体静止。( 2 ) 相机静止，被跟踪物体运动。( 3 ) 相机和被跟踪物 体都在运动。( 4 ) 相机静止，被跟踪物体静止。本设计属于第二种情况，在该情 况下，常用的运动目标跟踪算法有背景差分、时域差分、光流分析技术等瞄z 丌。 背景差分法是采用当前图像和背景图像之间的差分来检测运动区域的一种 方法。该方法将每一帧的图像和之前存储的背景图像相减，如果差值大于某一阈 值，就判定为运动目标，实时计算物体的位置，实现跟踪【2 8 捌。 时域差分法是将前后的两帧图像相减，如果差值大于某一阈值，就判为运动 目标。时域差分检测法对动态环境具有比较强的自适应性，可以适应各种动态的 环境，但是一般不能完全提取出所有的相关特征像素点，这样在运动实体内部容 易发生空洞现象。 光流分析法是通过对视频图像的光流进行分析，在摄像机运动的情况下检测 出运动目标，计算较复杂，实时性较差，并且不适用于本设计的情况【硎。 通过对上述方法的分析并针对静态背景下只有一个被跟踪物体的情况，我们 采用背景差分法实现该算法。 4 2 基于背景差分的跟踪算法 首先在没有运动物体时，获取背景图像；然后通过摄像头实时获取室内机器 人运动的图像，并与背景图像做差分，设定阈值，得到的是一系列的二值图像； 为了得到更好的处理效果，用数学形态学对图像进一步处理，如用开闭运算等算 法去除噪声点，最后通过计算图像内所有像素点横、纵坐标的均值，确定机器人 根据公 进行区 标，并 认为该区域就是目标区域范围。 d j ( 工，y ) = i 五( x ，y ) - b k ( x , y ) i ( 4 q ) 其中以( 工，y ) ，玩( 工，y ) ，分别为当前帧图像和背景图像； d 。( 工，y ) 为背景差分得到的差分图像。 ) ：j 1 f o r e g r o u n r d d k ( x ，y ) t 卜1ob a c k 鲫d 蕞罱t 2 ) 其中t 是目标分割时设定的阈值。选择阈值t 的方法是利用灰度直方图求 双峰或多峰，选择两峰之间谷底处的灰度值作为阈值，即最大类间方差法。 阈值t 选择的是否准确直接影响到图像二值化后的质量。如果阈值t 取的 太高，二值中判定为运动目标的区域会发生碎化现象；相反，如果取的太低，又 会产生大量的噪声。背景图像如图4 - 2 ( a ) 所示，图4 2 ( b ) 所示为我们从视频序列 中选取的第k 帧的图像，其背景差分后的结果如图4 3 所示。 ( a ) 背景图像 图4 - 2 拍摄图像 ( b ) 第k 帧图像 会 位 易 ( c ) 第二幅图 图4 4 采集图像及定位结果 2 7 ( d ) 定位结果 天津工业大学硕士学位论文 4 3 基于标记物的跟踪算法 为了解决上述问题，本文提出一种新的算法，为了使定位过程简单，- 人为设 置一个标记物，以简化定位算法。 人工标记物的选取原则： ( 1 ) 标记物的颜色要与周围环境的颜色分开； ( 2 ) 标记物要易于检测。 本文以图4 - 5 所示的标记物为例进行说明。圆形红色物体放在圆形绿色物体 的上面，红色物体的边界和绿色物体的边界组成一同心圆，绿色物体的面积要大 于红色物体的面积，然后把它们放在机器人的项上( 如图4 6 ) 。 4 3 1 算法描述 绿色区域譬红色区域绿色区域叶。簌红色区域 麓蚴繇删滋 图4 6 加标记物的机器人 该算法的主要过程如下：首先搜索到标记物的位置，然后找到其中的红色标 记物，并计算出该红色标记物的中心位置，以该位置作为机器人在该帧图像的位 置。 第四章跟踪算法设计 算法流程图为( 图4 8 ) ： 图4 7 任一帧图像 孳粪裂曼囊蜃警1 1 分割红色l 。l 计算红色标记 ! 璺曼雾! 篓曼标吲7 ；主茗访吲易磊苇恚翟； 记物的位置)i7 i 杯记叨 l l 叨刚l p 心伍直 图4 - 8 算法流程图 具体的算法实现如下： 第一步：搜索到目标区域。 为了能够自动搜索到标记物区域，首先对标记物图像( 图4 - 5 ) 进行分析。 标记物图像转化为h s v 模型，h 为图像的色度信息，s 为图像的饱和度信息，v 为图像的亮度信息，因为亮度信息容易受光照、阴影等外界环境的影响，所以只 利用h s v 模型的h 、s 分量对图像进行分析。图4 9 为标记物图像的h s 样本 分布图，研究发现有两个聚类中心，即图4 9 中用圆标记的区域的中心，左边的 区域为图4 5 中红色区域的h s 样本分布，右边的区域为绿色区域的h s 样本分 布，计算疗次两个区域的聚类中心，取平均得出红色区域的聚类中心大体在 ( 0 0 1 5 ，0 7 5 ) 附近，绿色区域的聚类中心大体在( 0 4 1 , 0 2 8 ) 附近。 把图4 7 转化为h s v 模型，取一大小为n x n 的窗口( 该大小略小于图4 5 的标记物的大小) 对图像进行从左到右，从上向下的扫描，每扫描到一个区域都 要进行判断，当满足以下两个条件时就为我们要找的标记物所在的区域。 ( a ) 对当前扫描的区域进行聚类，并用欧氏距离判断，如果一类的h 、s 分 量在( 0 0 1 5 ，0 7 5 ) 附近，即在红色区域所在类的聚类中心附近，属于红色区域所在 的类；一类的h 、s 分量在( 0 4 1 ，0 2 8 ) 附近，即在绿色区域所在类的聚类中心附 近，属于绿色区域所在的类。 ( b ) 红色区域所在类的像素点总数大约是绿色区域所在类的像素点总数的 1 1 0 ，此值为对标记物图像目测的结果。 4 3 2 实验结果 图4 - 9 标记物图像h s 样本分布图 图4 1 0 为跟踪结果，在每幅图里用框框住搜索到的目标区域，星形点所标 记的位置为红色区域中心点的位置，它代表了机器人所在的位置。 得 出 1 0卸加 x ( 帧数) 图4 - 1 2 每帧图像的位置点偏差 ，得出每帧图像 通过图4 1 2 可以看出，机器人的运动轨迹中只有一帧图像的位置距离理想 位置较远，其它帧图像中都能够很好的跟踪出机器人的位置。并且，这种位置偏 差可以通过数据后处理被消除。 3 2 第五章室内清扫机器人路径规划算法设计 第五章室内清扫机器人路径规划算法设计 本章主要研究室内清扫机器人的路径规划。本课题的路径规划算法主要包括 两部分。( 1 ) 两点之间的路径规划。清扫机器人在实际清扫地面的过程中，需要 到达某指定位置。例如，遇到电量不足的情况时，需要给机器人设定一条最优路 径到达充电地点，所谓最优路径就是使机器人能够避开障碍物并到达目的点的最 短路径。( 2 ) 遍历整个地板区域的路径规划。使机器人能够有序的清扫到整个地 板区域的路径规划，并使它能够避开障碍物。该部分提出了两种算法，并对两种 算法的优缺点进行分析比较，最后基于两种算法的优点对算法结合。 5 1 路径规划概述 路径规划是移动机器人领域的核心技术之一，路径规划是给定机器人及其工 作环境的信息，按照一定的优化指标，在目标点和起始点之间规划出一条可以避 开障碍物的路径 3 1 - 3 5 】。 对于清扫机器人来说，要求它能够走过房间的整个地面，所以这不同于一般 移动机器人的路径规划，它要求按照一定轨迹运动，同时具有运动的不重复性和 遍历性【3 6 3 引。 所谓不重复性是指清扫机器人的行走轨迹应尽量避免重复，这关系到机器人 的工作效率问题。 所谓遍历性是指清扫机器人要尽量走遍房间内需要清扫的整个地面，这关系 到机器人的工作效果。 5 2 两点之间路径规划算法 本设计中两点之间的路径规划算法是在已知起始点和终点的坐标位置的情 况下，要求清扫机器人可以自动选取一条从起始点到目标点的路径，使清扫机器 人可以安全、无碰撞地到达目标点。搜索最优路径的问题就转换为寻找一组从开 始点到目标点的连接线段，并要求这些线段不和障碍物区域相交，而且使这些连 接线段长度的总和最小。 3 3 中所示) 继续采用上述方法生成新的起始点f ，并判断由f 新生成的路径和目标 点之间与障碍物是否