[发明专利]一种用于机器人巡航的直线路径视觉识别方法

说明书

本发明涉及一种用于机器人巡航的直线路径视觉识别方法，其特征在于，包括以下步骤：S1：预处理视觉识别，识别出机器人视觉画面中的全部直线；S2：根据步骤S1中识别的直线在视觉画面中的位置和其斜率进行分析判断，过滤识别出所要巡航的直线路径，进行实时路径跟踪。

技术领域

本发明属于识别方法技术领域，具体涉及一种用于机器人巡航的直线路径视觉识别方法。

背景技术

近年来，随着人工智能和传感器等技术领域的发展进步，商场、工厂内出现了越来越多的巡航机器人以及其它类型的服务机器人，智能机器人系统开始应用在服务行业中，开辟了机器人自主服务的新领域。以往智能机器人的研发主要是集中在学校和研究所中进行，而如今它却在企业和商界越来越受到重视。

机器人最基本的功能是室内行走巡航，而室内机器人的工作环境往往是结构化环境，在这种结构化环境中,机器人和人类可能会发生一定的互动作用。因此，自主定位、导航及路径规划是机器人开发的关键问题。特别是对于巡航机器人而言，它需要针对不同环境下的地面进行来回巡航，如何建立最优巡航路线，是最大工作效率的体现；如何按照规划好的路线正确地行走，同时将误差控制在合理的范围内，是其工作可靠性的体现。

随着图像处理技术的迅速发展，视觉导航技术开始应用到移动机器人行业中。视觉导航探测范围广、精度高，具有很高的空间和灰度分辨率，能够不从检测的场景中获得大部分信息，基于视觉识别和多传感器融合的导航系统成为了移动机器人智能导航的主要发展方向。对于室内机器人而言，路面及障碍物的检测和识别是视觉导航中最为重要的过程。现阶段的视觉检测、识别技术主要以边缘检测技术为基础，通过霍夫变换（Hough）或者最小二乘法提取直线形式的路面边界进行拟合，将检测到的路面信息与机器人内部存储的地图进行对比，从而判断机器人的行进方向，此方法的匹配速度慢，效率不高。其次，霍夫变换是一种全局性的检测直线方法，计算量大，检测速度慢，经常会将一些不连续的线段判断为连续的线段，无法准确跟随目标路径。在直线拟合的方法上，最小二乘法相比于霍夫变换检测精度高，但对于强噪声点敏感，鲁棒性能也较差，所以对于背景信息复杂，干扰严重的室内环境，难以获得准确的导航路径信息。此为现有技术的不足之处。

因此，针对现有技术中的上述缺陷，提供设计一种用于机器人巡航的直线路径视觉识别方法；以解决现有技术中的上述缺陷，是非常有必要的。

发明内容

本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种用于机器人巡航的直线路径视觉识别方法，以解决上述技术问题。

为实现上述目的，本发明给出以下技术方案：

一种用于机器人巡航的直线路径视觉识别方法，其特征在于，包括以下步骤：

S1：预处理视觉识别，识别出机器人视觉画面中的全部直线；

S2：根据步骤S1中识别的直线在视觉画面中的位置和其斜率进行分析判断，过滤识别出所要巡航的直线路径，进行实时路径跟踪。

作为优选，所述步骤S1中，通过视觉传感器采集视觉画面，并对采集到的视觉画面依次进行以下操作：图像灰度化处理，干扰噪声处理，图像二值化处理，直线识别处理。

作为优选，所述步骤S1中，图像灰度化处理将彩色图片进行灰度化的过程，视觉画面中的彩色部分占据比较大的存储空间，不利于图像的直接处理。采用最大值法进行灰度化处理，算法速度较快，有利于提高边缘锐度。

作为优选，所述步骤S1中，干扰噪声处理采用小波变换进行时频域分析，用来减少或者舍弃噪声产生的系数，最大程度低保留原始信号的小波系数，抑制高频噪声，增强图像的清晰度。

作为优选，所述步骤S1中，图像二值化处理使图像特征表现更直观，信息更简化，关键在于合理确定分割阈值，采用最大间距法进行图像二值化分割。