论文部分内容阅读
随着计算机技术、机器视觉以及图像处理算法的不断发展,人们对带有视觉系统的移动机器人的研究越来越深入。本文研究了户外非结构化环境中移动机器人视觉图像处理的相关问题。通过对视觉图像预处理算法、特征提取及分类的研究,以期提高移动机器人对户外复杂环境的感知和识别能力。通过对图像预处理的深入研究,本文引入了模糊度因子来评价经过处理后的图像质量。比较和分析了直方图均衡化和规定化的效果以及几种平滑滤波方法处理后的图像效果,对比实验结果显示采用直方图均衡化调节对比度以及结合中值滤波和高斯滤波去除图像噪声得到的图像具有较低的模糊度。为了能较好地描述一幅图像,本文结合颜色、纹理和形状三个特征来描述一幅图像,采用了颜色矩法、灰度共生矩阵法和Hu不变矩法分别提取颜色、纹理和形状特征,并验证了它们对图像的旋转以及尺度变化的敏感性。实验结果显示,颜色矩法、灰度共生矩阵法以及Hu不变矩法对图像旋转及尺度变化都具有良好的不变性。针对户外常见环境,采集了草地、道路、沙地、树干和岩石这五种地形(障碍物),并对其进行颜色、纹理和形状特征提取。为了提高分类的正确率,并降低处理时间,本文对原始特征进行了定性和定量的统计分析,定义了可分性因子,用于度量在特定维度特征下五种地形(障碍物)间的可分性。去除可分性因子小的特征,实现了特征的选择与降维处理。通过对降维后的特征进行分类实验,分类正确率和实时性都有所提高。最后实现了地形(障碍物)分类系统的软件设计,并在旅行家Ⅱ号机器人实验平台上进行了实验验证。实验表明该系统软件功能正常,对地形区域的分类效果良好。