[发明专利]一种用于移动机器人的化纤飘杂识别方法

权利要求书

1.一种用于移动机器人的化纤飘杂识别方法，其特征在于，包括如下步骤：

S1、采用单色激光+滤光片的拍摄方式，移动机器人巡逻采集现场图像；

S2、基于深度学习目标检测和位置迭代矫正的方法，对高亮化纤束进行检测识别，定位图像视野内所有高亮化纤束位置；

S3、基于所述高亮化纤束位置定位发生飘杂区域，并识别定位飘杂化纤；

S4、计算所述飘杂化纤与所述高亮化纤束之间的距离关系，判断是否存在飘杂；

S5、统计所有可能发生飘杂区域的飘杂识别结果，并按指定格式输出。

2.根据权利要求1所述的用于移动机器人的化纤飘杂识别方法，其特征在于，在步骤S2中，采用小步迭代矫正的方式对检测框进行准确的位置矫正。

3.根据权利要求2所述的用于移动机器人的化纤飘杂识别方法，其特征在于，所述小步迭代矫正的方式的具体步骤如下：

2.1根据检测框为B(x,y,w,h)和偏移系数w_scale,h_scale得到偏移后的检测框B2(x2,y2,w2,h2)，其中x2＝x-w*w_scale，y2＝y-h*h_scale,w2＝w+2*w*w_scale,h2＝h+2*h*h_scale；

2.2对偏移后检测框内图像进行r,g,b通道图像分离；

2.3选择g通道图像，进行图像阈值，获取化纤二值掩码图；

2.4对化纤二值掩码图进行形态学闭运算；

2.5获取二值掩码图内的连通区域；

2.6得到面积最大连通区域；

2.7得到面积最大连通区域的最小外接矩形B3(x3,y3,w3,h3)；

2.8最小外接矩形B3(x3,y3,w3,h3)为单步矫正后的位置框；

2.9将B3(x3,y3,w3,h3)作为B(x,y,w,h)，重复上述步骤，直到完成迭代矫正；

其中，B(x,y,w,h)为基于深度学习目标检测方法得到的检测框,(x,y)为检测框B在图像中左上角的坐标，(w,h)为检测框B的宽和高，w_scale,h_scale分别为水平和竖直方向偏移放大系数。

4.根据权利要求3所述的用于移动机器人的化纤飘杂识别方法，其特征在于，w_scale设置为0.1。

5.根据权利要求4所述的用于移动机器人的化纤飘杂识别方法，其特征在于，h_scale设置为0.3。

6.根据权利要求1所述的用于移动机器人的化纤飘杂识别方法，其特征在于，在步骤S3中，所述基于所述高亮化纤束位置定位发生飘杂区域，其过程如下：设经过位置矫正后的化纤束检测框分别为B0(x0,y0,w0,h0)，B1(x1,y1,w1,h1)，B2(x2,y2,w2,h2).....Bn(xn,yn,wn,hn),其中n为检测得到的化纤束数量，而B0，B1，B2.....Bn为经过排序后，从左到右的检测框；那么B0和B1化纤束之间的区域为A(xa0,ya0,wa0,ha0),其中xa0＝x0+w0，ya0＝max(y0,y1),w0＝x1-x0-w0,ha0＝min(y0+h0,y1+h1)-max(y0,y1),其中max(,)和min(,)分别代表最大值和最小值操作，同理可得到B1和B2，Bn-1和Bn之间飘杂区域，总共有n-1个飘杂区域。

7.根据权利要求6所述的用于移动机器人的化纤飘杂识别方法，其特征在于，对所述飘杂区域进行飘杂化纤识别，其识别的过程可分为以下步骤：

3.1对飘杂区域内图像进行r,g,b通道图像分离；

3.2选择g通道图像，进行图像阈值，获取化纤二值掩码图；

3.3对二值掩码图进行形态学闭运算；

3.4获取二值掩码图内的连通区域；

3.5对连通区域进行面积过滤；

3.5对连通区域根据长宽比进行过滤；

3.6得到面积最大连通区域的最小外接矩形P(xpn,ypn,wpn,hpn),为飘杂化纤。