一种面向移动机器人的自然路标提取方法技术

本发明专利技术创造涉及智能机器人导航领域，特别是一种面向移动机器人的自然路标提取方法。该方法首先利用图像熵理论自适应选取平滑因子平滑图像，随后在对立色彩空间上，利用频域显著性计算方法得到三通道色彩空间的显著图，并对其进行加权融合。同时考虑到路标一致性和噪声的因素，利用优化的聚类结果，对最终的显著图进行掩膜操作，筛选出可供机器人导航应用的自然路标，本方法仅通过在视觉注意算法提取的显著路标区域来进行后续特征提取与匹配，在提供有效地机器人导航所需路标信息的同时，间接降低了特征提取的复杂性，提升导航系统性能。

【技术实现步骤摘要】
一种面向移动机器人的自然路标提取方法
本专利技术创造涉及智能机器人导航领域，特别是一种面向移动机器人的自然路标提取方法。
技术介绍
路标检测提取是移动机器人场景认知与导航的重要前提。机器人所使用的路标可分为人工路标和自然路标两类。其中，人工路标多是指经过特殊设计的颜色或纹理结构信息图案，也包括数字、字母以及二维条码等。这些图案一般都是用纸片打印制作，通过环境光照明使移动机器人摄像机感光成像，容易受环境光照变化的影响，稳定性较差，其存在也对原始环境有所改变，具有一定的局限性。自然路标是指利用环境中原有的场景作为标记进行定位导航。常规做法包括利用地图几何特征，抽取Voronoi图交叉点作为显著地点；从激光测距与视觉等传感器提取环境中门框、告示牌、物品等标志物体，并从物体特征中学习地点模型等。上述方法的优点是不破坏原有环境，普适性好，但计算复杂、鲁棒性不强。究其原因，主要是因为自然路标的检测和提取比较复杂，常需要保存机器人视野中的所有图像信息，然后进行特征的提取，存储，检测，匹配等。考虑到一个典型的室内场景图像中往往存在太多的特征点，或者在室内导航过程中，检测到数据库中存在类似的场景，再加上局部特征点维度等种种因素，往往会导致应用所需的计算复杂度过高。为了解决上述问题，有前人将聚类方法引入路标识别上来，取得了一定的效果。然而，由于此类方法依然是在整幅图像上提取特征，还是存在较大的计算量。同时，如果场景图像发生动态变化，基于聚类的结果往往也会存在稳定性不够的缺陷。因此，如何选择有意义的场景并兼顾环境拓扑特征稀疏分布性日益成为了一个重要的问题。专利技术创造内容鉴于上述问题，本专利技术提出一种面向移动机器人导航的自然路标提取方法。不同于在整个图像场景提取和匹配视觉特征，本方法仅通过在视觉注意算法提取的显著路标区域来进行后续特征提取与匹配，在提供有效地机器人导航所需路标信息的同时，间接降低了特征提取的复杂性，提升导航系统性能。实现本专利技术创造目的的技术方案如下：1.一种面向移动机器人导航的自然路标的提取方法，其特征在于，包括以下步骤：1).对图像的平滑处理，包括：首先计算图像熵值，并根据熵值确定平滑系数，再根据梯度最小化算法对图像进行平滑处理；2).对经过步骤1得到的平滑图像进行显著区域的提取，包括通过高斯差分带通滤波器对图像进行滤波，再在滤波后的图像上，分别在对立色彩颜色空间计算像素的显著性，并得到相应通道显著图，所述的对立色彩颜色包括I、RG和BY；3).对经过步骤2得到的通道显著图，包括计算各个通道显著图的平均显著值，并统计超过该通道显著图上平均显著值的像素数量百分比，根据上述百分比，计算各个通道显著图的加权系数，再通过归一化计算得到整体图像的显著图；4).对经过步骤3得到的整体图像的显著图，基于颜色直方图的像素点个数进行聚类，然后据此进行分割；5).对经过步骤4得到的分割后的显著图，结合步骤3后得到的整体图像的显著图，两者进行掩膜操作，得到多个整体图像的显著图和分隔后图像显著图的交集；6).对经过步骤5得到的交集，计算交集中每个交集图像的显著值和自适应阈值，并对比显著值和自适应阈值，当交集图像的显著值大于自适应阈值，则保留该交集图像，反之则丢弃。进一步的，步骤1中，所述的平滑系数根据图像熵值自适应选定，所述的熵值计算公式为：其中，pv是图像强度v的直方图形式概率表示；所述的平滑系数计算公式为：λ＝0.005*H，其中λ表示平滑系数；所述的梯度最小化算法公式为：minf∑p(fp-gp)2+λ·c(f)。进一步的，步骤2中，通过高斯差分带通滤波器滤波，在平滑图像上保留鲁棒性稳定的自然路标区域，所述的高斯分差公式为：其中，σ1和σ2是对应高斯的标准差(σ1＞σ2)。进一步的，所述的高斯分差公式至少有2个，且当多于2个时，每2个之间的高斯分差公式可以联合成：进一步的，所述各个通道显著图的加权系数算法为：其中其中N是每各个通道显著图上平均显著值的像素数量百分比，r是参考系数；所述的归一化计算算法为：Sgs＝Norm(∑WI·SI，WRG·SRG，WBY·SBY)。进一步的，所述的r值取0.3。进一步的，步骤6中，所述的交集图像的显著值计算算法为：其中|rk|代表分割区域的像素面积，mi，j代表区域中所有的显著值；所述自适应阈值的计算算法为：其中，W和H是显著图的宽度和高度，S(x，y)是对应坐标(x,y)点的显著值。采用上述结构后，本专利技术创造的有益效果是：不同于在整个图像场景提取和匹配视觉特征，本方法仅通过在视觉注意算法提取的显著路标区域来进行后续特征提取与匹配，在提供有效地机器人导航所需路标信息的同时，间接降低了特征提取的复杂性，提升导航系统性能。附图说明图1为本专利技术创造的流程示意图。图2为本专利技术创造的对立颜色空间各个通道显著图。图3为实施方式中实验场景示意图。图4为实施方式中显著图显著像素区域检测结果对比图。图5为实施方式中图书馆场景不同方法导航轨迹图。图6为实施方式中不同方法导航效率对比图。具体实施方式下面结合附图和具体实施方式对本专利技术创造作进一步详细的说明。一种面向移动机器人导航的自然路标提取方法，如图1，如包括：步骤1：利用图像的熵理论自适应选取平滑因子，并对图像进行平滑。本专利技术利用L0梯度最小化算法来进行图像平滑，该算法是一种基于稀疏策略的全局平滑滤波器，具有通过去除小的非零梯度，抚平不重要的细节信息，以及增强图像显著性边缘的优点。其中算法中用于约束图像水平和垂直方向梯度数目的核心公式如下所示：minf∑p(fp-gp)2+λ·c(f)其中λ在式中是平滑系数，λ值越大，图像越平滑。相应的，图像细节保留的就越少。在采用该方式进行图像平滑操作时，由于平滑系数λ需要人工设定，这样往往就需要针对固定的场景图像进行反复测试才能找到最佳的值，一旦更换了机器人运动场景，则需要重新测试。联想到实际的场景应用，每个场景里的图片数量都比较多，同时每张图片的复杂度又都不尽相同，因此人工设定平滑参数方式缺乏实际可操作性。考虑到背景单一的图像需要平滑的程度较小，复杂图像则需要较大的平滑力度，因此如果能够大致衡量出单张图像的内容复杂度，就可以依据此来设计对应的平滑系数，达到自适应平滑的目的。专利技术中提出一种基于图像熵理论的自动计算平滑参数的方法。图像熵是一种图像特征的统计形式，熵值可以用于衡量图像的信息复杂度。由于在图像中，背景区域往往拥有统一的纹理信息，因此熵是确定的。前景目标出现后，它就破坏了背景的纹理结构的特性，从而引起了图像熵的变化。通常物体所在区域的熵值会比较大，而背景则具有一致性的特点。专利技术中采用下式计算单张图像的熵值：其中，pv是图像强度v的直方图形式概率表示。在实际的计算中，根据经验将图像熵值映射到[0,9]之间，同时为了避免过度平滑现象，本专利技术采用λ＝0.005*H来计算最终的平滑系数值。步骤2，包括通过高斯差分带通滤波器对图像进行滤波，再在滤波后的图像上，分别在对立色彩颜色空间计算像素的显著性，并得到相应通道显著图。对于移动机器人导航应用环境，一个鲁棒性稳定的自然路标区域，应满足以下5点要求：1.区域所占图像的比例尺寸上有一定的要求，不能太小，也不能过大。2.能够均匀突出显示整个路标区域。3.具有明确的对象边本文档来自技高网...

【技术保护点】
1.一种面向移动机器人导航的自然路标的提取方法，其特征在于，包括以下步骤：1).对图像的平滑处理，包括：首先计算图像熵值，并根据熵值确定平滑系数，再根据梯度最小化算法对图像进行平滑处理；2).对经过步骤1得到的平滑图像进行显著区域的提取，包括通过高斯差分带通滤波器对图像进行滤波，再在滤波后的图像上，分别在对立色彩颜色空间计算像素的显著性，并得到相应通道显著图，所述的对立色彩颜色包括I、RG和BY；3).对经过步骤2得到的多个通道显著图，计算各个通道显著图的平均显著值，并统计超过该通道显著图上平均显著值的像素数量的百分比，根据上述百分比，计算各个通道显著图的加权系数，再通过归一化算法计算得到整体图像的显著图；4).对经过步骤3得到的整体图像的显著图，基于颜色直方图的像素点个数进行聚类，然后据此进行分割；5).对经过步骤4得到的分割后的显著图，结合步骤3后得到的整体图像的显著图，两者进行掩膜操作，得到多个整体图像的显著图和分割后图像显著图的交集；6).对经过步骤5得到的交集，计算交集中每个交集图像的显著值和自适应阈值，并对比该显著值和自适应阈值，当交集图像的显著值大于自适应阈值，则保留该交集图像，反之则丢弃。...

【技术特征摘要】
1.一种面向移动机器人导航的自然路标的提取方法，其特征在于，包括以下步骤：1).对图像的平滑处理，包括：首先计算图像熵值，并根据熵值确定平滑系数，再根据梯度最小化算法对图像进行平滑处理；2).对经过步骤1得到的平滑图像进行显著区域的提取，包括通过高斯差分带通滤波器对图像进行滤波，再在滤波后的图像上，分别在对立色彩颜色空间计算像素的显著性，并得到相应通道显著图，所述的对立色彩颜色包括I、RG和BY；3).对经过步骤2得到的多个通道显著图，计算各个通道显著图的平均显著值，并统计超过该通道显著图上平均显著值的像素数量的百分比，根据上述百分比，计算各个通道显著图的加权系数，再通过归一化算法计算得到整体图像的显著图；4).对经过步骤3得到的整体图像的显著图，基于颜色直方图的像素点个数进行聚类，然后据此进行分割；5).对经过步骤4得到的分割后的显著图，结合步骤3后得到的整体图像的显著图，两者进行掩膜操作，得到多个整体图像的显著图和分割后图像显著图的交集；6).对经过步骤5得到的交集，计算交集中每个交集图像的显著值和自适应阈值，并对比该显著值和自适应阈值，当交集图像的显著值大于自适应阈值，则保留该交集图像，反之则丢弃。2.根据权利要求1所述的一种面向移动机器人的自然路标提取方法，其特征在于，步骤1中，所述的平滑系数根据图像熵值自适应选定，所述的熵值计算公式为：其中，pv是图像强度v的直方图形式概率表示；所述...

【专利技术属性】
技术研发人员：牛杰，戴艳，
申请(专利权)人：常州信息职业技术学院，
类型：发明
国别省市：江苏,32