一种面向仿人机器人的台阶边缘检测方法技术

本发明专利技术是一种面向仿人机器人的台阶边缘检测方法，包括如下步骤：1）对待检测的图像预处理；2）对图像进行判断；3）对图像进行形态学处理；4）处理图像得到向光台阶的边缘；5）求取阈值并将图像转化为二值图像从而得到背光台阶的边缘；6）用步骤5中的边缘线将步骤2中的图像进行分割，将灰度值高的部分进行灰度拉伸得到新的图像；7）根据步骤6中得到的新的图像经过梯度变换得到梯度图像；8）根据步骤6中得到的新的图像经过反色变换再进行梯度变换得到另一个梯度图像；9）将步骤7与步骤8中得到的两个梯度图像的相应像素点进行相加得到图像的边缘；10）将步骤5中的边缘与步骤9中的边缘融合在一幅图像里。本发明专利技术的边缘检测方法符合机器人视觉中的适时性和精确性的要求。?

【技术实现步骤摘要】

本专利技术属于图像检测和分割
，尤其涉及。
技术介绍
机器人视觉技术主要研究用计算机来模拟人的视觉功能从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。它是多学科的交叉与结合， 不少学科的研究目标与机器人视觉技术相近或与此有关。这些学科包括图像处理、模式识别或图像识别、景物分析、图像理解等。而图像处理是视觉技术的基础，处理的图像是自然景物的客观反映，是感知周围环境的重要途径。而图像中的形状特性是特征提取的重要指标，很多情况下，只有知道了图像的形状特征才能定量地对图像作进一步分析，而边界轮廓(即边缘)的确定又是研究形状特征的前提，也是计算机对图像自动识别的前提，它对特征描述、识别和理解等高层次的处理有着重大的影响。图像的边缘是图像的最基本特征，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体和背景之间、物体和物体之间、基元与基元之间。由于图像的边缘通常含有大量重要信息，因此，边缘检测成为图像处理的一个重要环节，其检测算法也获得了广泛的研究。在一幅图像中，边缘有方向和幅度两个特性。沿边缘走向的灰度变化平缓，而垂直于边缘走向的灰度变化剧烈。边缘检测是对灰度变化的度量与定位，灰度变化的显著程度可以通过导数来度量，即函数导数能够反映图像灰度变化的显著程度，因此边缘检测的一个基本思想就是通过求一阶导数的局部极大值，二阶导数的过零点来体现出来的。利用梯度最大值提取边缘点的这种思想产生了许多经典的边缘检测方法如=Sobel算法、Log算法、Carmy算法等。但是普通的算法在机器人视觉中会受到客观环境的影响而发挥不了很好的效果，还会在处理具体问题时会受到限制，如在机器视觉中采集到的台阶图像在不同的环境和光照情况下会有很大的不同，若采用一种方法可能达不到想要的效果。而且，如果统一采取一种比较复杂的算法，又会增加了处理得时间，达不到机器人视觉中实时性的要求。
技术实现思路
针对上述上述机器人视觉技术中所存在的问题，本专利技术利用分别处理的思想提出了，即先判断图像采集的环境，然后根据不同的环境状况分别处理的方法，在图像不复杂的情况下采用简单的处理方法而在图像复杂时采用分割处理的方法，这样既保证了处理的速度，又保证了处理的精度，从而符合机器视觉中的适时性和精确性的要求。本专利技术的技术方案包括以下步骤步骤1 对待检测的台阶灰度图像进行预处理；步骤2 对预处理后的图像进行判断，如果台阶灰度图像为正对着光或侧对着光，则转向步骤3，如果台阶灰度图像为背对着光，则转向步骤5 ；步骤3 对台阶灰度图像进行形态学处理，即对台阶灰度图像分别进行膨胀和腐蚀操作，然后将膨胀和腐蚀后所得到的两幅图像相减，得到边缘信息增强的图像，转到步骤4 ； 步骤4 用sobel边缘检测算子处理台阶灰度图像得到向光台阶的边缘； 步骤5 直接用Otsu法求取阈值并将图像转化为二值图像从而得到背光台阶的边缘， 转到步骤6 ；步骤6 用步骤5中的边缘线将步骤2中的图像进行分割，将灰度值高的部分进行灰度拉伸得到新的图像转到步骤7;步骤7 根据步骤6中得到的新的图像经过梯度变换得到梯度图像； 步骤8 根据步骤6中得到的新的图像经过反色变换在进行梯度变换得到另一个梯度图像；步骤9 将步骤7与步骤8中得到的两个梯度图像的相应像素点进行相加得到一个新的梯度图像然后由新的梯度图像得到图像的边缘。步骤10 将步骤5中的边缘与步骤9中的边缘融合在一幅图像里就得到了背光的台阶的边缘。上述步骤1中的预处理采用中值滤波将图像中的噪声去除，同时保存图像中的边缘信息。所述预处理采用可分离的二值中值滤波来处理图像。所述步骤2中的对预处理后的图像进行判断的方法为根据图像中像素点灰度值的方差和概率统计来判断，先对图像像素点的灰度值的方差进行计算，当方差大于604-608 时，就判定它为背光的台阶，否则就为向光的和测光的台阶。所述步骤3中，选取一个3x3的子图像模版，模板中每个位置取相同的灰度值，然后利用这个模板从左到右，从上到下遍历图像中每一个像素并进行形态学操作。所述步骤4中，sobel算法的阈值采用迭代式阈值选择法。所述步骤1中对待检测的台阶灰度图像进行预处理包括滤波去噪处理。本专利技术对不同光照情况下的台阶图像不同，从而采取一种更优更适合的边缘检测方法，同时在对图像进行边缘检测之前做了很好的前奏处理，增加了检测的精确度，从而符合机器人视觉中的适时性和精确性的要求。附图说明图1为本专利技术检测方法的流程图； 图2为本专利技术实施例结构元素图3为Roberts算子模板图。具体实施例方式，包括以下步骤步骤1 对待检测的台阶灰度图像进行预处理，该预处理采用中值滤波将图像中的噪声去除，同时保存图像中的边缘信息，所述预处理采用可分离的二值中值滤波来处理图像。步骤2 对预处理后的图像进行判断，如果台阶灰度图像为正对着光，则转向步骤3，如果台阶灰度图像为背对着光，则转向步骤5 ；对预处理后的图像进行判断的方法为根据图像中像素点灰度值的方差和概率统计来判断，先对图像像素点的灰度值的方差进行计算，当方差大于604-608时，就判定它为背光的台阶，否则就为向光的和测光的台阶。本步骤是本专利技术的关键步骤，针对不同性质的图像处理得方法有所差别，因此要先对图像进行判别分类。具体方法为根据图像中像素点灰度值的方差和概率统计来判断，先对图像像素点的灰度值的方差进行计算，因为背光的台阶会产生阴影，导致图像像素灰度值的差异比较大，方差也会比较大，当方差大于某个值时，就可以判定它为背光的台阶。否则就为向光的台阶。步骤3 对台阶灰度图像进行形态学处理，即对台阶灰度图像分别进行膨胀和腐蚀操作，然后将膨胀和腐蚀后所得到的两幅图像相减，得到边缘信息增强的图像，转到步骤 4;该步骤具体为选取一个结构元素，如图1所示，即一个3x3的子图像模版，模板中每个位置取相同的灰度值，然后利用这个模板从左到右，从上到下遍历图像中每一个像素并进行形态学操作。具体来说，对于图像中坐标是(x，y)的像素，在膨胀处理是需要对模板范围内每一个像素加上结构元素中对应像素的灰度值，然后寻找模板内的最大灰度值并作为像素(x，y)的灰度值。在腐蚀处理实则是对模板范围内每一个像素减去结构元素中对应像素的灰度值，然后寻找模版内的最小灰度值并作为像素(χ，y)的灰度值。这样就会从原图像中得到两幅不同的图像，然后将这两幅图像对应位置的像素相减，即得到边缘信息已增强的图像。步骤4 用sobel边缘检测算子处理台阶灰度图像得到向光台阶的边缘；所述 sobel算法的阈值采用迭代式阈值选择法，具体为开始时选择一个阈值作为初始值，然后按照一种策略不断改进这一估计值，直到满足给定的准则为止。该策略应该具备两个特征 ①快速收敛②每一个迭代过程中，新产生的阈值优于上次的阈值。步骤5 直接用Otsu法求取阈值并将图像转化为二值图像从而得到背光台阶的边缘，转到步骤6 ；所述Otsu法是一种使类间方差最大的自动确定阈值的方法，由于背光的台阶产生的阴影与台阶之间有足够的对比度故采用此法。步骤6 用步骤5中的边缘线将步骤2中的图像进行分割，将灰度值高的部分进行灰度拉伸得到新的图像转到步骤7;所述灰度拉伸是为了增强阴影部分的对比度，可以通过改进直方图均衡本文档来自技高网...

【技术保护点】
１．一种面向仿人机器人的台阶边缘检测方法，其特征在于包括以下步骤：　步骤１：对待检测的台阶灰度图像进行预处理；　步骤２：对预处理后的图像进行判断，如果台阶灰度图像为正对着光或侧对着光，则转向步骤３，如果台阶灰度图像为背对着光，则转向步骤５；步骤３：对台阶灰度图像进行形态学处理，即对台阶灰度图像分别进行膨胀和腐蚀操作，然后将膨胀和腐蚀后所得到的两幅图像相减，得到边缘信息增强的图像，转到步骤４；步骤４：用ｓｏｂｅｌ边缘检测算子处理台阶灰度图像得到向光台阶的边缘；　　　　步骤５：直接用Ｏｔｓｕ法求取阈值并将图像转化为二值图像从而得到背光台阶的边缘，转到步骤６；　　　　　步骤６：用步骤５中的边缘线将步骤２中的图像进行分割，将灰度值高的部分进行灰度拉伸得到新的图像转到步骤７；　　　　　步骤７：根据步骤６中得到的新的图像经过梯度变换得到梯度图像；　　　　　步骤８：根据步骤６中得到的新的图像经过反色变换在进行梯度变换得到另一个梯度图像；　　　　　步骤９：将步骤７与步骤８中得到的两个梯度图像的相应像素点进行相加得到一个新的梯度图像然后由新的梯度图像得到图像的边缘；步骤１０：将步骤５中的边缘与步骤９中的边缘融合在一幅图像里就得到了背光的台阶的边缘。...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘治，张凯歌，王丽杨，郑国雄，章云，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：81