基于改进区域生长算法的仿人足球机器人图像分割制造技术

基于改进区域生长算法的仿人足球机器人图像分割，具体包括如下步骤：步骤1，设灰度差的阈值为零；步骤2，对图像进行逐行扫描，找出尚无归属的像素；步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。本发明专利技术能够显著改善机器人识别目标的效果。

Image segmentation of humanoid soccer robot based on improved region growing algorithm

【技术实现步骤摘要】
基于改进区域生长算法的仿人足球机器人图像分割
本专利技术涉及一种基于改进区域生长算法的仿人足球机器人图像分割，属于机器人目标识别领域。
技术介绍
仿人足球机器人是当下机器人研究领域的潮流之一，系统的研究涉及到非常广泛的领域，包括机器人学、机械电子学、智能控制、多智能体、人工智能等等，吸引了世界各地的科研人员投身其中。而在仿人足球机器人领域中，目标识别作为极其重要的技术点，成为了各方研究的重点。由于需要识别的目标和背景环境和颜色可能近似，会造成识别的困难。例如，2016年，黑白足球引入标准平台联赛，这是全新的挑战。2015年之前，在仿人足球机器人的RoboCup比赛中使用的目标足球一直是橙色，在比赛的环境中是唯一的橙色物体，识别起来非常容易，但在2016年比赛引入了黑白色的新球，其主要是白色的，表面有一个个规则的黑色斑块，就像一个普通的微型足球。由于场地上分布着大量的白色背景，包括白线、球门等，甚至于仿人足球机器人本身也是白色的，身上还包含灰色部件。由于比赛期间目标足球通常会出现在仿人足球机器人附近，如何避免大量的误报是非常具有挑战性的。
技术实现思路
针对上述问题，本专利技术提出一种基于改进区域生长算法的仿人足球机器人图像分割，利用了改进的区域生长算法对图像进行前期处理，能够显著改善机器人识别目标的效果。基于改进区域生长算法的仿人足球机器人图像分割，所述改进区域生长算法基于区域灰度差，操作的基本单位是像素，所述图像分割具体包括如下步骤：步骤1，设灰度差的阈值为零；步骤2，对图像进行逐行扫描，找出尚无归属的像素；步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。进一步地，在图像处理的过程中选择HSV颜色空间，减少光照影响。进一步地，所述步骤6中，使用区域的平均灰度值去与各邻域像素的灰度值进行比较，设图像坐标为(x,y)的像素点的灰度值为f(x,y)，对一个有N个像素的图像区域R，灰度均值为：对像素的比较为：其中T为阈值。进一步地，如果区域是均匀的，区域内的灰度变化应当尽量小；如果区域是非均值的，且由两部分构成，这两部分像素在R中所占比例分别为q1和q2，灰度值分别为m1和m2，则区域均值为q1m1+q2m2。本专利技术达到的有益效果为：本专利技术采用了改进的区域生长算法对图像进行前期处理，能够显著改善机器人识别目标的效果，避免了仿人足球机器人在识别目标物体时出现误报或识别不到等错误情况；本专利技术采用HSV颜色空间减小了光照强度对目标识别时生成的初始图片的影响。附图说明图1为本专利技术所述的图像分割的流程示意图。具体实施方式下面结合说明书附图对本专利技术的技术方案做进一步的详细说明。基于改进区域生长算法的仿人足球机器人图像分割，所述改进区域生长算法基于区域灰度差，操作的基本单位是像素，所述图像分割具体包括如下步骤：步骤1，设灰度差的阈值为零。步骤2，对图像进行逐行扫描，找出尚无归属的像素。步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并。步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张。步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素。步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域。步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。在图像处理的过程中选择HSV颜色空间，减少光照影响。所述步骤6中，使用区域的平均灰度值去与各邻域像素的灰度值进行比较，对一个有N个像素的图像区域R，灰度均值为：对像素的比较为：其中T为阈值。如果区域是均匀的，区域内的灰度变化应当尽量小；如果区域是非均值的，且由两部分构成，这两部分像素在R中所占比例分别为q1和q2，灰度值分别为m1和m2，则区域均值为q1m1+q2m2。以上所述仅为本专利技术的较佳实施方式，本专利技术的保护范围并不以上述实施方式为限，但凡本领域普通技术人员根据本专利技术所揭示内容所作的等效修饰或变化，皆应纳入权利要求书中记载的保护范围内。本文档来自技高网...

【技术保护点】
1.基于改进区域生长算法的仿人足球机器人图像分割，其特征在于：所述改进区域生长算法基于区域灰度差，操作的基本单位是像素，所述图像分割具体包括如下步骤：步骤1，设灰度差的阈值为零；步骤2，对图像进行逐行扫描，找出尚无归属的像素；步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。

【技术特征摘要】
1.基于改进区域生长算法的仿人足球机器人图像分割，其特征在于：所述改进区域生长算法基于区域灰度差，操作的基本单位是像素，所述图像分割具体包括如下步骤：步骤1，设灰度差的阈值为零；步骤2，对图像进行逐行扫描，找出尚无归属的像素；步骤3，以该像素为中心，检查它相邻的像素，即将邻域中的像素逐个与它比较，如果灰度差小于事先确定的阈值，则将它们合并；步骤4，以新合并的像素为中心，再进行步骤3检测，直到区域不能进一步扩张；步骤5，重新回到步骤2继续扫描直到不能发现没有归属的像素；步骤6，求出所有邻接区域之间的平均灰度差，合并具有最小灰度差的邻接区域；步骤7，设定终止准则，通过反复进行上步的操作将区域依次合并，直到终止准则满足为止，生长过程结束。2.根据权利要求...

【专利技术属性】
技术研发人员：梁志伟，王成志，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32