基于室內環境識別的移動機器人視覺導航

摘要：道路檢測是視覺導航系統中最核心的部分之一。本文主要研究室內環境下的視覺導航。選取顏色作為分析對象，分析了RGB和HSV顏色空間模型及轉換關系，用3×3模板進行中值平滑濾波，介紹了大津閾值分割法和改進的閾值迭代法，并通過彩色補償原理進行彩色補償。最后實驗仿真驗證其可行性。本文網絡版地址：http：//www.eepw.com.cn/article/256089. htm

關鍵詞：室內移動機器人；視覺導航；彩色圖像分割；障礙物檢測；彩色補償原理

DOI： 10.3969/j.issn.1005-5517.2014.7.005

機器人視覺導航系統是全世界研究的熱點，道路檢測是視覺導航系統中最核心的部分之一。它通過對攝像機拍攝的圖像進行實時分析處理，從而區別障礙物和可行路徑，進而對移動機器人進行導航。

本文主要研究室內環境下的視覺導航。選取顏色作為分析對象，分析了RGB和HSV顏色空間模型及轉換關系，介紹了大津閾值分割法[1]和改進的閾值迭代法，并通過彩色補償原理進行彩色補償，最后實驗仿真，實現了室內環境下特征信息的提取和物體的識別和。

1 機器人視覺導航系統概述

機器人視覺（Robot Vision）系統（圖1）利用視覺傳感器獲取二維圖像，通過視覺處理算法對一幅或多幅圖像進行處理、特征提取和識別[2]，獲得相關環境的符號描述，并引導機器人的動作，流程如圖2。

3 室內地面圖像分割算法

3.1 顏色空間模型及其轉換

1）RGB到HSV的變換

V=max（R，G，B）

S=（V-min（R，G，B））/V （當V=0時，S=0），

閾值迭代法[5]流程如下：

1）計算最大灰度值t Z和最小灰度值kZ，閾值初值0tk（）/ 2TZZ=+；

2）利用T0分割圖像成背景和目標兩組，計算其平均灰度：

可以看出，雖然原始圖像的地面上有一些反光、陰影等，本文的算法都能成功地進行圖像分割，具有良好的魯棒性。此外，還能成功地識別出地面上的障礙物，進而本系統就達到了移動機器人識別室內環境障礙物的目的，實現了移動機器人視覺導航中的避障功能。

5 總結

機器人視覺系統通過對攝像機拍攝的圖像進行實時分析處理，從而區別障礙物和可行路徑，進而對移動機器人進行導航。

本文主要研究室內環境下的視覺導航。選取顏色作為分析對象，采用3×3模板進行中值平滑濾波分析了RGB和HSV顏色空間模型及轉換關系，介紹了大津閾值分割法和改進的閾值迭代法，并通過彩色補償原理進行彩色補償，最后實驗仿真驗證其可行性，實現了室內環境下特征信息的提取和物體的識別和。

參考文獻：

[1]付永會， 張風超，張憲民.一種改進的基于顏色直方圖的實時目標跟蹤算法[J].數據采集與處理，2001

[2]蔣海波，張云偉.室外機器人視覺導航的路徑結構識別[J].計算機工程與應用，2010（7）

[3]沈春生，王耀南.移動機器人目標分割及測距方法研究[J].計算機工程與應用，2011（23）

[4]杜歆.一種基于動態規劃的道路圖像分割算法[J].傳感器技術學報，2004（9）

[5]Tomono M，Yuta S.Mobole Robot Navigation in Indoor Environment using Object and Character Recognition[C]. Pro.of the 2000 IEEE International Conference on RA：312-320

[6]Anderson J K，Iftekharuddin K M，Threlkeld E.Single camera based object detection and tracking for mobile robots. Proc. SPIE，2008，7072：1-12