移动机器人视觉控制系统的目标提取_张贵英

图像;识别;视觉

移动机器人视觉控制系统的目标提取

Object extraction for the visual control system of mobile robot

张贵英，张先杰

ZHANG Gui-ying, ZHANG Xian-jie

（遵义医学院 医学信息工程系，遵义 563003）

摘 要： 在移动机器人视觉控制系统中，目标标志物的提取是关键技术之一。本文提出了利用基于标记

的分水岭算法分割移动机器人目标标志物图像，首先将获取的目标标志物图像进行预处理，包括转换为灰度图像、进行空间滤波和二值化操作，接着对预处理后的图像进行数学形态学处理，最后利用基于标记的分水岭算法分割目标标志物图像。实验结果表明，该算法不但正确的分割了目标标志物图像，并很好的保护原图像的边缘信息，验证了该算法的有效性。

关键词： 移动机器人；视觉系统；目标提取

中图分类号：TP273　 文献标识码：A 　 文章编号：1009-0134(2012)09(上)-0065-02Doi: 10.3969/j.issn.1009-0134.2012.9(上).21

0 引言

视觉系统是移动机器人及其重要的组成部分，就像人的眼睛一样，用来感知和识别外部环境，同时依此感知的环境信息实现对机器人的导航，而目标提取又是视觉系统的关键技术。移动机器人对目标物识别的正确性和实时性都与视觉信息是否正确、及时地处理息息相关。视觉信息处理技术是移动机器人研究中的关键技术[1]，如果没有视觉控制系统，可以想象，移动机器人根本无法完成相应工作。

(x , y)处的响应g (x , y)。

g (x , y)=w (-1,-1) f (x-1, y-1)+w (-1,0) f (x-1, y)+…

+w (0,0) f (x, y)+…+w (1,1) f (x +1, y+1)

大小为m×n的滤波器为大小为M×N的图像进行空间滤波，表示为：

1 移动机器人目标标志物图像预处理

1.1 图像灰度化

一般而言，由移动机器人采集的目标标志物图像一般是彩色的。为了保证机器人高效作业，在对目标标志物图像进行预处理、分割等操作时要求快速准确。但是彩色图像数据量大，处理时耗费的时间较长，因此，为了使机器人能快速高效的工作，在对目标标志物进行处理时，首先将其转化为灰度图像。

1.2 空间滤波

移动机器人在获取目标标志物图像时，由于环境、光线、摄像头的抖动等因素，使得到的图像存在噪声。噪声的存在会给后续的图像处理带来不便，甚至产生不可用的结果，因此要去除噪声，为后续处理做准备。

线性空间滤波就是将邻域中每个像素与相对应的系数相乘，再将结果累加起来，从而得到点

1.3 二值化

为了获取目标标志物图像，需要从图像中分离出来，把图像视为具有不用灰度的两类区域的组合，根据一定的阈值，把小于阈值目标标志物的像素全部转换成白色，反之，将大于等于阈值的像素全部转换成黑色。图像二值化可根据下列的自适应阈值[2]来处理：

通过直方图，可求得最优阈值。

2 数学形态学处理

使用数学形态学处理图像符合人的思维方式，可以充分利用先验的几何特征(形态、大小等)来进行处理，因此处理后的图像效果较好。数学形态学图像处理方法对噪声不敏感，也可以尽可能的保留图像的内容和形态。二值化处理后的图像存在一些孤立点噪声和不连续图像，可以利用数学形态学中的腐蚀和膨胀来处理。

腐蚀“收缩”和“细化”二值图像中的对象[3]，因此非常适合去除一些孤立点噪声。A被B腐蚀

收稿日期：2012-06-28

作者简介：张贵英（1982－），女，讲师，硕士，研究方向为图像处理和模式识别。

第34卷 第9期 2012-9(上) 【65】

图像;识别;视觉

的定义为：

其中A为输入图像，B为结构元素。A被B腐蚀是所有结构元素的原点位置的集合，其中平移的B与A的背景并不叠加。

膨胀是在二值图像中“加长”或“变粗”对象[3]。一般来说，腐蚀后的图像要进行膨胀操作，从形状上看才能恢复到原来的大小。A被B膨胀定义为：

其中， 为空集，B为结构元素。A被B膨胀是所有元素原点位置组成的集合，其中映射并平移后的B至少与A的某些部分重叠。

记符图像,即得到确信为背景的像素，这些像素刚好位于目标标记的中间位置，也就是分水岭脊线。对原图像进行距离变换，然后再进行分水岭变换，即得到分水岭脊线，也就是背景标记图像。

有了目标标记图像和背景标记图像后，使用强制最小值来修改梯度图像。借助数学形态学极小值技术,把提取的目标标记图像当成梯度图像的局部最小值,从而过滤掉原有图像中的所有局部最小值。然后对修改后的梯度图像进行基于标记的分水岭变换，最终计算得到目标标志物分割边界，重叠显示在原图像上。

4 实验结果

为了验证目标标志物提取算法的可行性和有效性，在matlab环境下对目标标志物图像进行仿真实验。其结果如图1所示， 图1（a）为目标标志物原始图像，（b）转换后的灰度图像，（c）目标标志物的二值图像。从二值图像中可以看出，存在孤立点，且目标标志物图像有空洞，采用数学形态学对其进行腐蚀和膨胀操作，其结果如图（d）所示，去除了孤立点，图像连续。对图（d）求反，即为目标标志物图像，如图（e）所示。根据目标标志图像，利用基于标记的分水岭算法分割目标标志物图像，得到如图（f）所示的分割结果。

3 目标提取

经过以上操作步骤后，接下来就要对图像进

行分割，也就是目标标志物提取。图像分割的方法很多，本文采用基于标记的分水岭算法分割目标标志物图像。为了防止过分割，加入一个目标标志物标记集合和一个背景标记集合。

通过数学形态学处理后的二值图像的前景色为黑色，背景色为白色，其中前景色即为目标标志物。将该图像求反，便得到目标标志物图像。

接着要获得背景标记图像。为得到背景的标

5 结论

从分割结果可以看到，该算法正确的分割了目标标志物图像，并很好的保护原图像的边缘信息，验证了该算法的有效性。

（a）原图像

（b）灰度图像（c）二值图像

参考文献：

[1] 潘永利, 孙小雪. 数字图像处理技术在移动机器人中的

应用[J]. 青岛理工大学学报. 2008, 29(5): 125.

[2] 关榆军, 等, 图像处理在X射线焊接检测机器人焊缝识别

中的研究[J]. 制造业自动化. 2010, 32(10): 15.

[3] Rafael C. Gonzalez etc. 数字图像处理(M tlab版)[M]. 北

京: 电子工业出版社. 2008.

[4] 张贵英. 骨髓淋巴细胞分割技术研究[D]. 贵阳: 贵州大

学. 2010: 25-26.

（d）腐蚀和膨胀

后的图像

（e）目标图像 （f）分割结果

图1

仿真实验结果

【上接第34页】

化学工业出版社, 2007.

[6] 唐朝伟, 梁锡昌, 邹昌平, 现代曲面测量方法分析[J]. 机

械工艺师, 1992, 5: 28~29.

[7] 张凤林, 虞和济, 虞刚, 空间自由曲面测量技术的动态与

发展[J]. 现代计量测试, 1998, 5: 3~6; 1998, 6: 2~5.【66】 第34卷 第9期 2012-9(上)

[8] Chen L-C, Lin G. C.I,A vision-aided reverse engineering

approach to reconstructing free-form surface[J]. Robotics And Computer-Integrated Manufacturing Volume 13, Number 4, December 1997: 323~336.