复杂背景下机器人路标图像定位与识别方法研究

摘要

环境感知体现了机器人的高层智能。作为环境感知系统的重要组成部分，路标图像的定位与识别是机器人在未知环境中表示与识别环境的基础，对机器人导航定位与智能决策有重要而实际的意义，也是目标图像识别方法研究中一次有益的探索。 复杂背景下路标图像的定位与识别则更具挑战性。对此，本文充分利用基于路标的先验知识，提出了一种多层并行结构的系统框架。 在分析了现有彩色图像分割方法的基础上，改进了基于RGB空间的实验阈值分割算法，实现了复杂背景下对路标的初次侦测。针对路标特征区域的确认问题，受路标颜色呈聚合特征的启发，提出了基于当前最大聚合中心的区域生长算法，在复杂背景下侦测出多个可能的路标区域。采用了轮廓跟踪算法将路标定位于与彩色原图对应的灰度图。 分析了形状描述参数，并设计了一种构建基元骨架的匹配算法，有效划分了路标基元类别。对已定位的路标进行局部图像归一化与分割，从而获取路标样本。引入归一化转动惯量作为样本特征，参照对应的基准值，综合比对样本及其边缘图像的特征值，完成路标的最终识别。

目录

文摘

英文文摘

声明

1绪论

1.1课题的研究背景

1.2课题的研究意义

1.3国内外研究综述

1.4课题的研究内容

1.5本文的章节安排

2路标定位与识别的技术理论

2.1路标和背景对定位与识别的影响

2.1.1路标概述

2.1.2基于路标的先验知识

2.1.3背景复杂性及其成因分析

2.2路标图像定位与识别的主要流程

2.2.1图像预处理

2.2.2图像分割

2.2.3特征提取

2.2.4模式分类

2.3系统方案设计

2.3.1一般的串行及并行结构

2.3.2多层次并行结构

2.4本章小结

3路标图像定位算法研究

3.1彩色图像区域分割

3.1.1图像分割的一般模型

3.1.2图像分割的彩色空间

3.1.2彩色图像分割的一般算法

3.1.3基于RGB空间的实验阈值分割

3.2基于感兴趣区域的图像分割算法

3.2.1区域生长算法

3.2.2基于当前最大聚合中心的区域生长算法

3.3路标在灰度图像中的定位

3.3.1两路搜索的轮廓跟踪算法

3.3.2基于加权平均值的图像灰度化

3.4仿真实验结果及分析

3.4.1基于RGB空间的阈值分割实验

3.4.2基于当前最大聚合中心的区域生长实验

3.4.3轮廓跟踪实验

3.5本章小结

4路标图像识别算法研究

4.1基于形状特征的ROI初分类

4.1.1形状描述参数

4.1.2构建基元骨架的匹配算法

4.2路标图像的提取

4.2.1基于最近邻插值法的路标图像归一化

4.2.2基于最佳阈值的灰度路标图像分割

4.3基于NMI特征的图像识别算法

4.3.1图像的NMI特征

4.3.2 NMI不变性简析

4.3.3提取NMI前的边缘检测

4.4仿真实验结果及分析

4.5.1形状描述参数实验

4.5.2引入构建基元骨架的匹配实验

4.5.3 NMI特征提取实验

4.5本章小结

5系统设计与实现

5.1系统设计平台

5.2系统功能简介

5.3典型实例

5.4本章小结

结 论

致 谢

参考文献

攻读学位期间发表的与学位论文内容相关的学术论文及研究成果