一种基于双黄线检测的机器人自主巡检方法技术

一种基于双黄线检测的机器人自主巡检方法，包括以下步骤：1)图像预处理，过程如下：1.1)图像下采样及感兴趣区域提取；1.2)提取图像中的黄色信息及灰度化；1.3)直方图均衡化与二值化；1.4)形态学变换；2)黄道线识别与中心线定位，过程如下：2.1)细化与霍夫直线检测；2.2)基于矢量的双黄线的中间线定位；3)移动策略，过程如下：在直线C上寻找点D，D点的y值为固定值，x值随直线C的变化而变化，通过判断点D的位置，从而进行机器人移动决策。本发明专利技术提供一种兼顾准确性、灵活性与经济性的基于双黄线检测的机器人自主巡检方法。

A robot autonomous inspection method based on double yellow line detection

A robot autonomous inspection method based on double yellow line detection, which comprises the following steps: 1) image pretreatment process is as follows: 1.1) the sampling and extraction of region of interest image; 1.2) the yellow and gray information extracted from the image; 1.3) histogram equalization, binarization and morphological transformation; 2); 1.4 the line of the ecliptic) recognition and center location, the process is as follows: 2.1) detection and refinement of Hof line; 2.2) the middle line of the double yellow line vector based positioning; 3) mobile search strategy, the process is as follows: D on line C and D point y value to a fixed value, the x value changes with linear C change, by judging the position of point D, and mobile robot decision. The invention provides a balance accuracy, flexibility and economy based on the robot autonomous inspection method of double yellow line detection.

【技术实现步骤摘要】
一种基于双黄线检测的机器人自主巡检方法
本专利技术属于机器人自主移动控制方法，涉及一种基于双黄线检测的机器人自主巡检方法。
技术介绍
固定路径的机器人巡逻算法，因其在工厂、商城、仓库等地方的高适用性，一直是国内外研究的热点。目前，主要的固定路径算法大致分为以下几大类：1)具有影像辨识功能的巡逻算法。预先建立影像路径和设定监控点，机器人即可依据预先设定的影像路径到各个监控点进行巡逻作业。2)利用标志物的巡逻算法。预先在巡逻路径上设置若干标志物(磁导标、磁导轨等)，机器人沿着标志物的指向移动。3)基于线性时序逻辑的巡逻算法。将机器人运动建模成转换系统模型，采用时序逻辑表达式表达待巡回监测与数据采集的区域，从而实现多个区域的巡逻和监测任务。现有的机器人巡检方式无法兼顾准确性、灵活性与经济性。
技术实现思路
为了克服已有机器人巡检方式无法兼顾准确性、灵活性与经济性的不足，本专利技术提供一种兼顾准确性、灵活性与经济性的基于双黄线检测的机器人自主巡检方法。本专利技术解决其技术问题所采用的技术方案是：一种基于双黄线检测的机器人自主巡检方法，包括以下步骤：1)图像预处理，过程如下：1.1)图像下采样及感兴趣区域提取获取的图像进行缩放，将感兴趣区域设置为图像的下半部分；1.2)提取图像中的黄色信息及灰度化通过变换，生成一个黄色通道，变换表达式为：Y(i,j)＝max(0,R(i,j)-(max(B(i,j),G(i,j))/1.8))其中Y(i,j)表示像素点(i,j)的黄色灰度值，R(i,j)、G(i,j)和B(i,j)分别表示像素点(i,j)的红色、绿色和蓝色灰度值，通过变换，将RGB图像转化为代表黄色信息的灰度图；1.3)直方图均衡化与二值化利用直方图均衡化操作，之后再进行二值化操作，将灰度图变为黑白两色；1.4)形态学变换对图像先进行开运算再进行闭运算；2)黄道线识别与中心线定位，过程如下：2.1)细化与霍夫直线检测对图像进行细化处理，并进行累计概率霍夫变换，获取黄道线的相关参数；2.2)基于矢量的双黄线的中间线定位寻找夹角最大的两根直线A与B；若找不到，则表示图像中没有出现双黄线，此时对驱动板发送stop指令；若找到，则计算分别与直线A、B平行的向量νa与νb。νa与νb均从图像下方，指向图像上方。分别计算直线A、B的一般表达式：直线A的表达式：直线B的表达式：计算直线A与直线B的交点(x0,y0)，其计算表达式为：设直线A与直线B所成夹角的角平分线为直线C，基于νa与νb，计算与直线C平行的向量νc＝(νa/||νa||+νb/||νb||)/||(νa/||νa||+νb/||νb||)可以得到，直线C的表达式为：其中，计算出直线C后，将此作为目标移动路径，用于之后确定移动策略。3)移动策略，过程如下：在直线C上寻找点D，D点的y值为固定值，x值随直线C的变化而变化,，通过判断点D的位置，从而进行机器人移动决策。进一步，所述步骤3)中，白色线从左到右，分别标注为κ1、κ2、κ3、κ4、κ5，其中，κ3为图像的中线；将κ2与κ4之间的区域，称为直行区ΘZ；将κ1左侧的区域，称为左转区ΘL；将κ5右侧的区域，称为右转区ΘR；将κ1与κ2之间的区域以及κ4与κ5之间的区域，称为缓冲区ΘH；在移动策略时加入了缓冲机制，具体机制如下：3.1)若当前行动状态为直行，则当D∈ΘL或D∈ΘR时才会将行动状态变为左转或右转；否则继续保持直行状态；3.2)若当前行动状态为左转或右转，则当D∈ΘZ时才会将行动状态变为直行；否则继续保持左转或右转状态；通过3.1)和3.2)，可以看出，若D∈ΘH则机器人行动状态保持不变。再进一步，所述步骤2.1)中，累计概率霍夫变换的步骤为：2.1.1)随机抽取图像中的一个特征点，即边缘点，如果该点已经被标定为是某一条直线上的点，则继续在剩下的边缘点中随机抽取一个边缘点，直到所有边缘点都抽取完了为止；2.1.2)对该点进行霍夫变换，并进行累加和计算；2.1.3)选取在霍夫空间内值最大的点，如果该点大于阈值的，则进行步骤2.1.4)，否则回到步骤2.1.1)；2.1.4)根据霍夫变换得到的最大值，从该点出发沿着直线的方向位移，从而找到直线的两个端点；2.1.5)计算直线的长度，如果大于某个阈值，则被认为是检测到的直线输出，回到步骤2.1.1)。本专利技术的技术构思为：针对固定路径的机器人巡逻算法，需要兼顾准确性、灵活性与经济性，更重要的是应用场景的特殊性。考虑到化工厂中，人员的可行动区域是用双黄线标示的，因此提出了一种基于双黄线检测的机器人自主巡检方法。利用计算机视觉技术，对地面上的双黄线进行识别，并基于矢量计算两根黄道线的中心线，能有效解决三位空间透视投影到二维平面上时所产生的透视(近大远小)影响，从而使得机器人能够准确行走在双黄线的中心线上。在控制机器人移动方面，利用WiFi通讯技术对驱动板发送移动指令。为了避免在弧形弯道处，频繁发送不同的指令，本专利技术在机器人行动判断部分，加入了弹性缓冲机制，有效减少行动指令的变更频率。本专利技术的有益效果主要表现在：机器人利用计算机视觉技术，识别出黄道线位置，从而进行移动决策，使得机器人能够准确的在双黄线区域内移动，具有很高的准确性、灵活性和经济性。。附图说明图1是机器人直行效果图。图2是机器人转弯效果图。图3是图像处理结果图。图4是机器人自主巡检算法流程图。图5是机器人自主巡检算法样例效果图，其中，1-1表示裁剪与缩放后的图像(直道)，2-1表示基于黄色的灰度图(直道)，3-1表示二值图(直道)，4-1表示形态学变换后的二值图(直道)，5-1表示细化后的二值图(直道)，6-1表示霍夫直线检测效果图(直道)，7-1表示计算双黄道线的中间线(图中红色线)效果图(直道)；2-1表示裁剪与缩放后的图像(弯道)，2-2表示基于黄色的灰度图(弯道)，3-2表示二值图(弯道)，4-2表示形态学变换后的二值图(弯道)，5-2表示细化后的二值图(弯道)，6-2表示霍夫直线检测效果图(弯道)，7-2表示计算双黄道线的中间线(图中红色线)效果图(弯道)。具体实施方式下面结合附图对本专利技术作进一步描述。参照图1～图5，一种基于双黄线检测的机器人自主巡检方法，包括以下步骤：1)图像预处理1.1)图像下采样及感兴趣区域提取从kinect摄像头中获取的图像，分辨率为1920*1080，但识别黄道线不需要这么高的分辨率。因此，将图像缩放为480*270分辨率，减少算法计算量，提高实时处理图像的帧率。由于黄道线布置在地面上，而从摄像头中获取的画面，只有下半部分呈现地面场景。因此，将感兴趣区域，设置为图像的下半部分，减少外界影响，提高算法的准确性。1.2)提取图像中的黄色信息及灰度化彩色图像只有RGB三种颜色通道，没有黄色通道。但是可以通过变换，生成一个黄色通道。变换表达式为：Y(i,j)＝max(0,R(i,j)-(max(B(i,j),G(i,j))/1.8))其中Y(i,j)表示像素点(i,j)的黄色灰度值，R(i,j)、G(i,j)和B(i,j)分别表示像素点(i,j)的红色、绿色和蓝色灰度值。通过变换，可以将RGB图像转化为代表黄色信息的灰度图。其中，像素点亮度越高，该点颜色与黄色越接近。反之本文档来自技高网...

【技术保护点】
一种基于双黄线检测的机器人自主巡检方法，其特征在于：包括以下步骤：1)图像预处理，过程如下：1.1)图像下采样及感兴趣区域提取获取的图像进行缩放，将感兴趣区域设置为图像的下半部分；1.2)提取图像中的黄色信息及灰度化通过变换，生成一个黄色通道，变换表达式为：Y(i,j)＝max(0,R(i,j)‑(max(B(i,j),G(i,j))/1.8))其中Y(i,j)表示像素点(i,j)的黄色灰度值，R(i,j)、G(i,j)和B(i,j)分别表示像素点(i,j)的红色、绿色和蓝色灰度值，通过变换，将RGB图像转化为代表黄色信息的灰度图；1.3)直方图均衡化与二值化利用直方图均衡化操作，之后再进行二值化操作，将灰度图变为黑白两色；1.4)形态学变换对图像先进行开运算再进行闭运算；2)黄道线识别与中心线定位，过程如下：2.1)细化与霍夫直线检测对图像进行细化处理，并进行累计概率霍夫变换，获取黄道线的相关参数；2.2)基于矢量的双黄线的中间线定位寻找夹角最大的两根直线A与B；若找不到，则表示图像中没有出现双黄线，此时对驱动板发送stop指令；若找到，则计算分别与直线A、B平行的向量νa与νb，νa与νb均从图像下方，指向图像上方；分别计算直线A、B的一般表达式：直线A的表达式：...

【技术特征摘要】
1.一种基于双黄线检测的机器人自主巡检方法，其特征在于：包括以下步骤：1)图像预处理，过程如下：1.1)图像下采样及感兴趣区域提取获取的图像进行缩放，将感兴趣区域设置为图像的下半部分；1.2)提取图像中的黄色信息及灰度化通过变换，生成一个黄色通道，变换表达式为：Y(i,j)＝max(0,R(i,j)-(max(B(i,j),G(i,j))/1.8))其中Y(i,j)表示像素点(i,j)的黄色灰度值，R(i,j)、G(i,j)和B(i,j)分别表示像素点(i,j)的红色、绿色和蓝色灰度值，通过变换，将RGB图像转化为代表黄色信息的灰度图；1.3)直方图均衡化与二值化利用直方图均衡化操作，之后再进行二值化操作，将灰度图变为黑白两色；1.4)形态学变换对图像先进行开运算再进行闭运算；2)黄道线识别与中心线定位，过程如下：2.1)细化与霍夫直线检测对图像进行细化处理，并进行累计概率霍夫变换，获取黄道线的相关参数；2.2)基于矢量的双黄线的中间线定位寻找夹角最大的两根直线A与B；若找不到，则表示图像中没有出现双黄线，此时对驱动板发送stop指令；若找到，则计算分别与直线A、B平行的向量νa与νb，νa与νb均从图像下方，指向图像上方；分别计算直线A、B的一般表达式：直线A的表达式：直线B的表达式：计算直线A与直线B的交点(x0,y0)，其计算表达式为：设直线A与直线B所成夹角的角平分线为直线C，基于νa与νb，计算与直线C平行的向量νc＝(νa/||νa||+νb/||νb||)/||(νa/||νa||+νb/||νb||)可以得到，直线...

【专利技术属性】
技术研发人员：张永良，朱欣定，时大琼，
申请(专利权)人：杭州岱石科技有限公司，
类型：发明
国别省市：浙江,33