【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其是一种智能机器人的图像绘制方法及系统。
技术介绍
当前智能机器人已成为一个热门的研究课题，被应用到许多工业应用中，如组装、喷漆和打磨等。随着智能机器人技术和绘图技术的不断发展，机器人绘图技术应运而生。机器人绘图技术使用工业机器人来绘制照相机所拍摄的图像。由于需要根据拍摄的图像对机器人进行实时控制，机器人绘图技术可以展示机器人智能应对不断变化环境的情况。在机器人绘图技术中，图像特征提取以及确定绘制路径是两个最重要的步骤。在当前众多的图像特征提取方法中，二值化特征提取法是一种较常用的方法，二值化特征提取法包括全局二值化方法和局部二值化方法。全局二值化方法算法简单，但对因光照不均等情况而亮度差别大的图像的处理效果较差，鲁棒性较弱；局部二值化方法不受光照条件等因素的影响，但其在某些方面的表现与高通滤波器类似，可能会导致机器人最终绘制的图像出错，不够可靠和准确，例如，一个具有大面积的人头发图像在使用局部二值化方法处理后可能会使机器人画出一个“秃头”。图像特征提取后得到特征是需要被机器人填充的封闭性区域，这些区域有复杂的形状以及空洞，直接处理这些区域变得非常困难，故在最短时间内遍历这些复杂的区域以确定机器人的绘制路径就成了业内一个亟需解决的技术难题。现有的机器人绘图技术对此并没有很好的解决方案，满足不了人们对图像绘制速度的高要求。
技术实现思路
为解决上述技术问题，本专利技术的目的在于：提供一种鲁棒性强、可靠、准确和绘制时间短的，智能机器人的图像绘制方法。本专利技术的目的在于：提供一种鲁棒性强、可靠、准确和绘制时间短的，智能机器人的图像绘...
【技术保护点】
一种智能机器人的图像绘制方法，其特征在于：包括以下步骤：输入待绘制的源图像；采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区域；根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径；机器人根据得到的最佳绘制路径进行图像绘制。
【技术特征摘要】
1.一种智能机器人的图像绘制方法，其特征在于：包括以下步骤：输入待绘制的源图像；采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区域；根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径；机器人根据得到的最佳绘制路径进行图像绘制。2.根据权利要求1所述的一种智能机器人的图像绘制方法，其特征在于：所述采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区域这一步骤包括：采用局部二值化法对源图像进行处理，得到局部二值化图像；采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像；将局部二值化图像和全局二值化图像进行合并，得到包含有机器人的待填充区域的二值化图像；将合并后的二值化图像由位图转换为矢量图。3.根据权利要求2所述的一种智能机器人的图像绘制方法，其特征在于：所述采用局部二值化法对源图像进行处理，得到局部二值化图像这一步骤，其包括：采用积分图法计算源图像中每个像素的邻域的灰度算术平均值，计算公式为：其中，p(x,y)为源图像中点(x,y)的像素值，I(x,y)为源图像中点(x,y)在积分图中对应的像素值，s为源图像中点(x,y)的邻域的大小，为向下取整符号，w和h分别为源图像的宽度和高度，α和β均为给定的权重参数，m(x,y)为源图像中点(x,y)的邻域的灰度算术平均值；根据计算的平均值为源图像的每个像素计算出相应的局部阈值，计算公式为：T(x,y)＝m(x,y)-c，其中，T(x,y)为源图像中点(x,y)的局部阈值，c为给定的常数；根据计算的局部阈值对源图像进行局部阈值化，得到局部二值化图像，所述源图像的局部阈值化公式为：其中，b(x,y)为源图像中点(x,y)局部阈值化后的像素值。4.根据权利要求2所述的一种智能机器人的图像绘制方法，其特征在于：所述采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像这一步骤，其包括：获取源图像的直方图曲线；根据源图像的直方图曲线采用抖动消除法确定源图像的直方图全局阈值；根据确定的全局阈值对源图像进行二值化，得到全局二值化图像。5.根据权利要求4所述的一种智能机器人的图像绘制方法，其特征在于：所述根据源图像的直方图曲线采用抖动判别法确定源图像的直方图全局阈值这一步骤包括：找到源图像的直方图曲线的所有极值点，并以此建立谷点的候选集；逐一判断谷点的候选集中每个极值点的灰度值是否满足设定的抖动消除条件，若是，则将该极值点从谷点的候选集中移除，反之，则保留该极值点，最终得到无抖动的候选集，所述设定的抖动消除条件为：|f(xu)-f(xu+1)|＜ε，其中，xu和xu+1分别为谷点的候选集中第u个极值点和第u+1个极值点，f(xu)和f(xu+1)分别为xu和xu+1对应的灰度值，u＝1,2,…,p-1；p为谷点的候选集中极值点的总数，ε为设定的抖动参数；从无抖动的候选集找出第一个满足xo为极大值点且xo+1为极小值点的极值点xo，然后以极小值点xo+1对应的灰度值f(xo+1)作为源图像的直方图全局阈值，其中，o＝1,2,…,q-1；q为无抖动的候选集中极值点的总数，且q≤p。6.根据权利要求1-5任一项所述的一种智能机器人的图像绘制方法，其特征在于：所述根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径这一步骤，其包括：采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟合，得到拟合后的待填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的边缘的每段曲线，并在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得到的线段来近似该段圆弧；将拟合后的待填充区域分割为多个内部不带空洞的子区域；以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径。7.根据权利要求6所述的一种智能机器人的图像绘制方法，其特征在于：所述以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径这一步骤，其包括：寻找任意两个子区域间的最短距离；将每个子区域抽象成一个点，以两个子区域间的最短距离作为边的权重，将最短总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近邻算法求解出各个子区域的绘制顺序；计算各个子区域内每种模式路径的总绘制时间，计算公式为： t t o t a l = Σ r = 1 n t r + ( n - 1 ) t c t r = 2 l r a ...
【专利技术属性】
技术研发人员：黄鑫龙，方思雯，毕胜，陈和平，席宁，
申请(专利权)人：深圳市智能机器人研究院，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。