機器人視覺避障的圖像處理算法研究

武龍冬，尤洪祥，郭永強,李麗娜

(遼寧大學 物理學院，遼寧 沈陽 110036)

機器人視覺避障的圖像處理算法研究

武龍冬，尤洪祥，郭永強,李麗娜*

(遼寧大學 物理學院，遼寧 沈陽 110036)

由于陰影的存在，給機器人視覺避障增加了諸多困難.因此，需要先解決陰影的檢測和去除的問題，它是智能機器人能更好地為人們服務(wù)的前提條件.對于陰影的檢測和去除的問題，國內(nèi)外有很多學者提出過一些方法，在此基礎(chǔ)上，基于陰影的特性提出了一種新穎有效的陰影去除的方法，很好地去除了障礙物的陰影.

視覺避障；陰影檢測；陰影去除

0 引言

近年來，由于國內(nèi)經(jīng)濟良好的發(fā)展使得人們生活水平不斷提升，智能機器也逐漸走進尋常百姓家.實現(xiàn)智能機器人避障是必不可少的一部分，機器人視覺避障的第一步就是從指定的監(jiān)控場景中檢測出障礙物并躲避開.然而，在實際的室內(nèi)智能機器人避障的過程中，由于各種光線的存在，場景中的障礙物往往會攜帶有或多或少的陰影，并且陰影與產(chǎn)生陰影的障礙物具有相同或類似的特征，這就使得在圖像處理檢測過程中，智能機器人容易把陰影當作是障礙物，變相地放大了障礙物的區(qū)域，同時減小了可行區(qū)域，影響了機器人的行走.

因此，視覺避障圖像處理算法中的一個難點就是檢測和去除陰影.本文提出了一種陰影的檢測和去除的有效方法，并通過Matlab仿真實驗驗證了結(jié)果，得到了真正有效的障礙物區(qū)，有效祛除了障礙物的陰影.

1 陰影的特征

陰影主要是由于不透光的物體遮擋了光線的照射而在自身或是地面上產(chǎn)生的一個明顯的區(qū)域.本影和投影是陰影的兩種類型，而本影是障礙物自身的一部分，有利于增強物體的立體感，不需要被去除，對于智能機器人避障幾乎沒有影響.而投影的存在往往會使得提取出的障礙物面積大于本身實際面積，使外形變化變大等諸多問題，所以，在圖像視覺避障處理過程中，障礙物的投影才是我們在目標提取時所需要考慮并去除的區(qū)域信息.

通常來講，相比于非陰影區(qū)域，陰影區(qū)域有如下特征：

1)陰影區(qū)域各像素點的亮度值比非陰影區(qū)域中各像素點的亮度值要低.

2)陰影區(qū)域各像素點的色度異于非陰影區(qū)域的色度.

3)背景區(qū)域的紋理特征不會因陰影的存在或改變而改變.

對于陰影去除，主要分為基于物理模型的方法、基于陰影特征的方法和基于圖像提取(Matting)的方法三大類.基于物理模型的方法主要是分析陰影產(chǎn)生的物理過程，并借助一些先驗信息，建立陰影的模型，在此基礎(chǔ)上對圖像或者視頻的特定區(qū)域進行匹配，檢測并去除陰影.基于陰影特征的方法一般是通過在視覺上找出陰影區(qū)域不同于非陰影的區(qū)域的地方來實現(xiàn)檢測及去除陰影.基于圖像提取(Matting)的方法一般是從圖像背景中分離出前景部分來以實現(xiàn)陰影的去除.鑒于以上對陰影特征的分析，本文提出了一種通過利用前背景差分比及形態(tài)學手段來去除陰影的方法.

2 算法的研究和分析

2.1 背景差分法

背景差分法是利用圖像序列某一幀的背景作為參考，之后把需要預處理的圖片與背景參考圖做差分運算，再經(jīng)閾值劃分得到目標的二值化圖像，定義式如下所示：

(1)

這種方法可以比較完整和精確地對運動目標進行檢測,背景差分法的優(yōu)點是可以應用于靜止背景的條件下，并且對周圍環(huán)境自我適應性強，可在復雜場景中檢測障礙物.缺點就是如果用到動態(tài)的背景條件下，實現(xiàn)自適應性能力較弱，若想要適應動態(tài)的背景環(huán)境，需要對背景提取和更新，即實時升級.

2.2 形態(tài)學算法

2.2.1 膨脹

膨脹，顧名思義就是“放大”的意思，就是把二值圖像各為1的像素連接成分的邊界擴大一層(填充邊緣或0像素內(nèi)部的孔)，在數(shù)學上，膨脹被定義為集合運算，若X被B膨脹，可表示為：

M=X⊕B={y:B(m)∩X≠φ}

(2)

或者可以用另一種表達形式：

M=X⊕B≡{(p+q)|p∈X且q∈B}

(3)

圖1是膨脹后的結(jié)果.可以看出，它包括X原來所有的范圍，就像X長“胖”了似的.

圖1 膨脹運算

2.2.2 腐蝕

腐蝕，是膨脹的逆運算，有類似“縮小”的意思，即讓二值圖像為1的像素邊界連接點向內(nèi)收縮一層(可提取骨干信息，去掉毛刺，去掉孤立的0像素).同理，在數(shù)學上，腐蝕被定義為集合運算，若X被B腐蝕，可表示為：

N=X?B={n:B(n)?X}

(4)

或者可以用另一種表達形式：

N=X?B≡{p?Z2|(p+q)∈X,對于所有的q∈B}

(5)

圖2是腐蝕后的結(jié)果.可以看出，它在X的范圍內(nèi)，而且比X包含的點少了一圈，就像X變‘瘦’了似得.

圖2 腐蝕運算

2.2.3 圖像去噪算法

目前有關(guān)圖像去噪常用的算法有均值濾波算法、中值濾波算法和維納濾波算法三種.其中均值濾波是一種典型的線性濾波算法，其方法主要采用鄰域平均值法.基本思想就是用均值取代原圖像中的各個像素值，例如f(x,y)為當前要處理的像素點，挑選一個由其“鄰居”的一些像素組成的模板，然后求得模板中所有像素的均值，再把該均值賦予當前像素點f(x,y)，作為處理后圖像在該點上的灰度值g(x,y)，即

g(x,y)=1/m∑f(x,y)

(6)

m表示模板中總像素個數(shù).

該濾波算法很好地抑制了噪聲，但缺點就是在去噪的同時把原圖像也模糊了.為后續(xù)圖像處理帶來了額外的麻煩.

中值濾波是一種非線性平滑濾波器，基本思想就是把數(shù)字序列中每個像素值用該點的一個方形或圓形鄰域中各點的中值來取代，有效抑制了噪聲，從而去除孤立的噪聲點.有點類似于將像素按照像素值的大小進行排序，從大到小(或小到大)的二維數(shù)據(jù)序列.二維中值濾波輸出可表示為：

g(x,y)=med{f(x-k,y-1),(k,l∈W)}

(7)

其中，f(x,y)，g(x,y)分別為原始圖像和處理后圖像.W為二維模板，通常為3*3,5*5區(qū)域.

維納濾波基本思想就是從連續(xù)的(或離散的)信號中過濾掉噪聲而提取有用信息的過程，它可以自適應性的最小化原始信號和最終處理后的信號之間的均方誤差，可有效處理含有噪聲的模糊圖像.不僅可以去除噪聲，同時可以清晰化模糊圖像.但缺點就是不能利用于對非平穩(wěn)的隨機噪聲.

綜上三種濾波算法所述，結(jié)合本文圖像噪聲的類型分析來看，由于在圖像處理過程中，圖像會產(chǎn)生一些孤立的噪聲點，防止給圖像后面的處理帶來一些不必要的困難，所以本文選擇使用中值濾波算法來去噪.

3 陰影去除程序流程圖及實驗仿真

圖3 Matlab程序流程圖

Matlab流程圖如圖3所示，先將前、背景圖像存入Matlab內(nèi)存中，待后續(xù)其他操作然后將內(nèi)存中彩色圖像灰度化，緊接著進行差分化、形態(tài)學等處理，通過多次實驗可知，圖像中陰影部分的灰度化值g設(shè)置在0.48和0.88之間，此時陰影檢測的效果較好.

圖4中是本人從實驗室采集的水壺照片，地面投射有水壺的陰影.從實驗仿真效果來看，結(jié)果可以很好地把陰影去除掉，準確地把障礙物標記出來，從而為智能機器人下一步進行視覺避障提供了有利的條件.

4 結(jié)語

在21世紀的今天，人們?yōu)榱烁玫厝ド?，希望智能機器人能輔助我們做些日常工作，但由于太陽光或者日光燈的存在，把障礙物的影子投射到地面上，機器人識別障礙物帶來了很大的困難，因此本文依據(jù)陰影本身特有的屬性，提出了一種陰影檢測和去除簡單而有效的方法，尤其對靜態(tài)圖像非常有效，效果不錯，精度也達到了要求，有效地確定了障礙物區(qū)域，只是目前此方法還未能很好的用在動態(tài)圖片中，盡管許多人在此方面做過大量研究，但效果仍不佳，所以說，未來我們還需要在陰影去除研究這一領(lǐng)域下足功夫.

圖4 實驗仿真圖

[1] 孔繁奇.基于視頻圖像的車輛檢測跟蹤技術(shù)的分析研究[D].大連：大連理工大學,2007.

[2] 彭宏京,陳松燦,張道強.一種基于局部學習的自然圖像景物提取方法[J].軟件學報,2009,20(4):834-844.

[3] 俞浩.彩色圖像偏色校正與陰影去除技術(shù)研究[D].天津：天津大學,2010.

[4] 秦襄培,鄭賢中.MATLAB圖像處理寶典[M].北京：電子工業(yè)出版社,2011.

[5] 岡薩雷斯.數(shù)字圖像處理的MATLAB實現(xiàn)[M].北京：清華大學出版社,2013.

(責任編輯 鄭綏乾)

Research on Image Processing Algorithm Based on Robot Vision Obstacle Avoidance

WU Long-dong,YOU Hong-xiang,GUO Yong-qiang，LI Li-na*

(CollegeofPhysics，LiaoningUniversity，Shenyang110036，China)

Because of the existence of shadows,it is added a lot of difficulties to robot vision obstacle avoidance.Therefore it is needed to figure out the detection and removal of shadows,which is a prerequisite for smart robots to serve people better.As to the problem of the detection and removal of shadows,some methods are pointed out by many scholars at home and abroad,on this basis,a novel and effective approach of shadow removal is presented,the method is based on the character of shadows,which could be better removed the shadows of obstacle.

vision obstacle avoidance; shadow detection; shadow removal

2016-09-19

遼寧省教育廳科學技術(shù)研究項目(L2013003)

武龍冬(1988-)，男，碩士研究生，從事機器人視覺避障算法研究.

*通訊作者：李麗娜(1973-),女,博士,副教授,碩士生導師,主要從事物聯(lián)網(wǎng)感知層相關(guān)技術(shù)研究,E-mail:lilina73@163.com.

TP 873

A

1000-5846(2017)01-0029-05