一种机器人中的视觉跟踪方法及系统技术方案

本发明专利技术公开了一种机器人中的视觉跟踪方法及系统，其方法包括：基于机器人本体上的视觉系统进行图像采集；对采集后的图像进行滤波处理；根据预设参数对滤波处理后的图像进行图像分割；基于目标数据库获取目标物体的特征识别数据；基于特征识别数据完成对目标物体的定位。通过本发明专利技术实施例，通过针对性的目标建立相匹配的目标模板，实现相应搜索过程，达到对目标本体的视觉跟踪效果。 1

A visual tracking method and system in a robot

The invention discloses a visual tracking method and system in a robot. The method includes: image acquisition based on the visual system on the robot body, filtering processing of the captured image, image segmentation based on the preset parameters and the target object based on the target database. Feature recognition data; locate target objects based on feature recognition data. Through the embodiment of the invention, the matching target template is established through the targeted target, and the corresponding search process is realized, and the visual tracking effect of the target body is achieved. One

【技术实现步骤摘要】
一种机器人中的视觉跟踪方法及系统
本专利技术涉及机器人
，具体涉及一种机器人中的视觉跟踪方法及系统。
技术介绍
随着机器人技术的不断发展，越来越多的机器人开始替代人类执行各种任务。机器人是自动控制机器(Robot)的俗称，自动控制机器包括一切模拟人类行为或思想与模拟其他生物的机械(如机器狗，机器猫等)。狭义上对机器人的定义还有很多分类法及争议，有些电脑程序甚至也被称为机器人。在当代工业中，机器人指能自动执行任务的人造机器装置，用以取代或协助人类工作。理想中的高仿真机器人是高级整合控制论、机械电子、计算机与人工智能、材料学和仿生学的产物，目前科学界正在向此方向研究开发，但是机器人远程控制还不完善，大数据的应用还没有普及，机器人的数据采集还处于离线状态，机器人深度学习也来自于本机数据的储存。目标跟踪是计算机视觉研究领域中重要的基础问题之一，在监控、运动估计、人机交互等方面具有非常广泛的应用。近年来出现的许多跟踪算法在一定的场景下能够较好的跟踪目标物体，如粒子滤波、Boosting算法、L1跟踪算法等。但是，由于视频是一个复杂场景下的时序图像序列，复杂场景包括了光照变化、遮挡、动作变形、背景杂乱、目标尺度变化等，因此，构建一个自适应的目标表达模型以便得到鲁棒的跟踪算法，是目前跟踪领域的研究热点，也是难点问题。如何较好实现机器人技术中的视觉跟踪方法，需要针对图像采集的图像进行处理和建立合适的目标模型来完成相应搜索。
技术实现思路
本专利技术提供了一种机器人中的视觉跟踪方法及系统，通过针对性的目标建立相匹配的目标模板，实现相应搜索过程，达到对目标本体的视觉跟踪效果。本专利技术提供了一种机器人中的视觉跟踪方法，所述方法包括：基于机器人本体上的视觉系统进行图像采集；对采集后的图像进行滤波处理；根据预设参数对滤波处理后的图像进行图像分割；基于目标数据库获取目标物体的特征识别数据；基于特征识别数据完成对目标物体的定位。所述根据视觉系统中预设的参数进行图像分割包括：创建灰度直方图；确认分割阈值；将灰度值与阈值进行比较；对灰度直方图进行二值化处理；对灰度直方图进行检索轮廓；填充包围轮廓。所述创建灰度直方图包括：计算原图像的累积直方图；计算规定直方图的累积直方图；计算两累积直方图的差值的绝对值；根据累积直方图差值建立灰度级的映射。所述对灰度直方图进行二值化处理包括：采用高斯函数对灰度直方图进行卷积处理，得到平滑模板；将灰度直方图中的像素值与平滑模板相减获取差异值；采用阈值二值化算法对获取的差异值进行迭代过程获得最大类间方差值；基于最大类间方差值将灰度直方图中的背景部分进行分割处理。所述采用阈值二值化算法对获取的差异值进行迭代过程获得最大类间方差值包括：基于预先设置的迭代次数从阈值初始值零值开始递减进行迭代过程；在每一次的迭代过程中，基于阈值与差异值进行二值化处理，并获取所述差异值所对应的原像素值和二值化处理后的二值化值；基于原像素值和二值化值计算出类间方差值，并在迭代过程中形成一个类间方差值集合；在迭代过程结束之后，采取遍历方法获取类间方差值集合中的最大类间方差值。所述完成对目标物体的定位包括：基于特征识别数据创建目标追踪模型；基于目标追求模型在分割后的图像中寻找相匹配的目标模块；提取分割后的图像所对应的目标模块边缘；搜索所对应目标模块中的目标物体；基于目标追踪模型判断是否找到目标物体；计算目标物体所对应的目标位置。相应的，本专利技术还提供了一种应用于机器人中的视觉跟踪系统，所述系统包括：图像采集模块，用于基于机器人本体上的视觉系统进行图像采集；图像滤波模块，用于对采集后的图像进行滤波处理；图像分割模块，用于根据预设参数对滤波处理后的图像进行图像分割；特征数据模块，用于基于目标数据库获取目标物体的特征识别数据；特征识别模块，用于基于特征识别数据完成对目标物体的定位。所述图像分割模块用于创建灰度直方图；确认分割阈值；将灰度值与阈值进行比较；对灰度直方图进行二值化处理；对灰度直方图进行检索轮廓；填充包围轮廓。所述特征识别模块用于基于特征识别数据创建目标追踪模型；基于目标追求模型在分割后的图像中寻找相匹配的目标模块；提取分割后的图像所对应的目标模块边缘；搜索所对应目标模块中的目标物体；基于目标追踪模型判断是否找到目标物体；计算目标物体所对应的目标位置。在本专利技术中，对采集的图像进行滤波处理，并实现采集图像的灰度直方图的创建过程，对灰度直方图进行二值化处理，提取更符合目标模型的整体轮廓，为后续目标搜索达到相匹配的维度模板。通过对灰度直方图采用阈值二值化算法，能避免由于图像模糊或复杂的图像背景信息引起的二值化图像分割失败，实现精确地把目标和背景部分分割开来，从而有利于后期对目标部分的快速定位，以及通过模板匹配机制能够快速匹配出相应的目标物体。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例中的机器人中的视觉跟踪方法流程图；图2是本专利技术实施例中的根据视觉系统中预设的参数进行图像分割方法流程图；图3是本专利技术实施例中的创建灰度直方图方法流程图；图4是本专利技术实施例中的对灰度直方图进行二值化处理方法流程图；图5是本专利技术实施例中的采用阈值二值化算法对获取的差异值进行迭代过程获得最大类间方差值方法流程图；图6是本专利技术实施例中的完成对目标物体的定位方法流程图；图7是本专利技术实施例中的应用于机器人中的视觉跟踪系统结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。相应的，图1示出了本专利技术实施例中的机器人中的视觉跟踪方法流程图，包括如下步骤：S101、基于机器人本体上的视觉系统进行图像采集；图像采集技术可以基于CCD技术实现，CCD(ChargeCoupledDevice)即电荷祸合器件是基于金属一氧化物一半导体技术的光电转换器件，由很多光敏像元组成即在P型(或N型)硅衬底的表面用氧化方法形成一层厚度约0.切m的二氧化硅再在二氧化硅上蒸镀一层金属膜，并用光刻的方法制成栅状电极。CCD的基本工作步骤为：把入射光子转变成电荷，把这些电荷转移到输出放大器上，并把电荷转变成电压或电流信号，使这些电压或电流能被传感器外的电路感知。当栅极施加正偏压后，空穴被排斥，产生耗尽区，偏压继续增加，耗尽区将进一步向半导体内延伸，将半导体电子吸引到表面，形成一层极薄但电荷浓度很高的反型层。CCD中电荷从一个位置转移到另一个位置，在开始时刻，有一些电荷存储在偏压为10V的第一个电极下的势阱中，其它电极上均加有大于阑值的较低电压。经过一定时刻后，各电极上的电压发生变化，电荷包向右移动。将按一定规律变化的电压(如外部的时钟电压)加到CCD各电极上，电极下的电荷包就沿半导体表面按一定方向转移到输出端，实现图像的自扫描，从而将照射在C本文档来自技高网...

【技术保护点】
1.一种机器人中的视觉跟踪方法，其特征在于，所述方法包括：

【技术特征摘要】
1.一种机器人中的视觉跟踪方法，其特征在于，所述方法包括：基于机器人本体上的视觉系统进行图像采集；对采集后的图像进行滤波处理；根据预设参数对滤波处理后的图像进行图像分割；基于目标数据库获取目标物体的特征识别数据；基于特征识别数据完成对目标物体的定位。2.如权利要求1所述的机器人中的视觉跟踪的方法，其特征在于，所述根据视觉系统中预设的参数进行图像分割包括：创建灰度直方图；确认分割阈值；将灰度值与阈值进行比较；对灰度直方图进行二值化处理；对灰度直方图进行检索轮廓；填充包围轮廓。3.如权利要求2所述的机器人中的视觉跟踪的方法，其特征在于，所述创建灰度直方图包括：计算原图像的累积直方图；计算规定直方图的累积直方图；计算两累积直方图的差值的绝对值；根据累积直方图差值建立灰度级的映射。4.如权利要求3所述的机器人中的视觉跟踪的方法，其特征在于，所述对灰度直方图进行二值化处理包括：采用高斯函数对灰度直方图进行卷积处理，得到平滑模板；将灰度直方图中的像素值与平滑模板相减获取差异值；采用阈值二值化算法对获取的差异值进行迭代过程获得最大类间方差值；基于最大类间方差值将灰度直方图中的背景部分进行分割处理。5.如权利要求4所述的机器人中的视觉跟踪的方法，其特征在于，所述采用阈值二值化算法对获取的差异值进行迭代过程获得最大类间方差值包括：基于预先设置的迭代次数从阈值初始值零值开始递减进行迭代过程；在每一次的迭代过程中，基于阈值与差异值进行二值化处理，并获取所述差异值所对应的原像素值和二值化处理后的二值化值；基于原像素值和二...

【专利技术属性】
技术研发人员：胡寒，付兰慧，周磊，曹永军，
申请(专利权)人：华南智能机器人创新研究院，广东省智能制造研究所，
类型：发明
国别省市：广东,44