卜　燕　王　姮　張　華　劉桂華　李志雄

(西南科技大學(xué)特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川 綿陽　621010)

?

一種室內(nèi)障礙物與地面分割的快速方法

卜燕王姮張華劉桂華李志雄

(西南科技大學(xué)特殊環(huán)境機(jī)器人技術(shù)四川省重點(diǎn)實(shí)驗(yàn)室，四川 綿陽621010)

因地面含有豐富信息，常用來為室內(nèi)移動(dòng)機(jī)器人提供地圖創(chuàng)建與導(dǎo)航的環(huán)境信息?？紤]到光線反射對(duì)地面造成的干擾較強(qiáng)，在相似顏色環(huán)境下地面區(qū)分的難度較大，因此將高強(qiáng)光反射區(qū)定義為“缺陷”進(jìn)行檢測。利用其周邊信息填充缺陷，有效增強(qiáng)了地面顏色的統(tǒng)一性。結(jié)合HSV聯(lián)合密度進(jìn)行彩色分割，利用地面位置區(qū)域特性，可準(zhǔn)確獲得地面與障礙物間的分割。試驗(yàn)表明，提出的方法具有運(yùn)算簡單、范圍廣、準(zhǔn)確度高、便于機(jī)器人實(shí)時(shí)避障等優(yōu)點(diǎn)。

圖像處理圖像分割圖像識(shí)別地面分割顏色模型缺陷檢測缺陷填充彩色增強(qiáng)閾值分割二值化聯(lián)合概率

0　引言

地面信息以其易于獲取的特性，常用于室內(nèi)移動(dòng)機(jī)器人的地圖構(gòu)建[1-2]、導(dǎo)航與定位[3-4]。王可等[5]引入三角形結(jié)構(gòu)方法，有效地去除了非地面特征信息；Chia-How Lin[6]提出了基于地面的SURF特征匹配和自適應(yīng)彩色分割相結(jié)合的方法；杜鵑根據(jù)金字塔連接算法，提出了彩色圖像自動(dòng)分割算法[7]。

由于室內(nèi)地面的反光作用，導(dǎo)致地面出現(xiàn)亮度不均勻的情況，包括強(qiáng)反光區(qū)、陰影區(qū)等。有的室內(nèi)地面和室內(nèi)障礙物顏色相近，采用簡單的直方圖統(tǒng)計(jì)分割不精確。

針對(duì)此問題，本文提出視強(qiáng)反光區(qū)域?yàn)椤叭毕荨盵8]，進(jìn)行缺陷檢測并填充的方法，以增大地面與障礙物的對(duì)比度。該方法采用聯(lián)合概率直方圖閾值化對(duì)圖像進(jìn)行初分割，結(jié)合成像原理求取地面區(qū)域核心位置；再采用填充法獲得地面圖像，實(shí)現(xiàn)了對(duì)單調(diào)室內(nèi)環(huán)境地面的快速分割。

1　顏色模型

基于彩色圖像的處理，對(duì)顏色空間模型的選擇至關(guān)重要。由于地面反光區(qū)域曝光度高，彩色信息為白色，故本文選用RGB模型進(jìn)行對(duì)應(yīng)“缺陷”的檢測及填充增強(qiáng)。同時(shí)，由于室內(nèi)環(huán)境顏色單調(diào)， HSV分量與圖像的彩色信息無關(guān)，故適用于地面分割。

1.1RGB模型

RGB模型分為紅(R)、綠(G)、藍(lán)(B)3個(gè)顏色通道，基于由紅、綠、藍(lán)三原色光譜分量的笛卡爾坐標(biāo)系組成的RGB模型坐標(biāo)系統(tǒng)如圖1所示。圖1中，紅、綠、藍(lán)位于3個(gè)角上；青、品紅和黃位于另外3個(gè)角上。在該模型中，RGB彩色模型為圖像中每一個(gè)像素的RGB分量分配一個(gè)[0,255]范圍內(nèi)的強(qiáng)度值，就可以使它們按照不同的比例混合，其灰度等級(jí)沿著{(0，0，0)，(255，255，255)}兩點(diǎn)連線分布。

圖1　RGB模型坐標(biāo)系統(tǒng)Fig.1　Coordinate system of RGB model

1.2HSV模型

HSV模型由H、S和V這3個(gè)分量組成，如圖2所示。圖2中：H分量表示色調(diào)(hue)，S分量表示飽和度(saturation)，V分量表示亮度(value)。色調(diào)是描述純色的屬性，用角度度量，取值范圍為0°～360°。從紅色開始按逆時(shí)針方向計(jì)算，紅色為0°，綠色為120°，藍(lán)色為240°；作為它們的補(bǔ)色，黃色為60°，青色為180°，品紅為300°。飽和度用來表示純色被白光稀釋的程度，取值范圍為[0,1]，其值越大，顏色越飽和。亮度是一個(gè)主觀的描述子，范圍為[0,1]，表示色彩的明亮程度。

圖2　HSV色彩空間模型Fig.2　HSV color space model

1.3RGB到HSV的變換

對(duì)于任一幅RGB彩色格式的圖像，每一個(gè)RGB像素的H、S、V分量可用下式得到。R、G、B值的范圍為[0,1]。

V=max(R,G,B)

(1)

S=[V-min(R,G,B)]/V

(2)

(3)

如果所得的H<0，由于色調(diào)信息H的范圍為0°～360°，則H=H+360。

2　缺陷檢測及填充

利用地面亮白區(qū)域的RGB特性進(jìn)行缺陷檢測并填充，可恢復(fù)地面信息。

①由RGB彩色模型可知，白色區(qū)域的R、G、B分量信息值都比較大，由此可采用RGB聯(lián)合閾值分割定位亮白區(qū)域。當(dāng)R、G、B的值都分別大于該分量的閥值，則判定Ii,j為亮區(qū)域；否則，為暗區(qū)域。

(4)

式中：TR、TG、TB采用經(jīng)驗(yàn)閾值法，一般情況下均大于240。由于地面反射強(qiáng)光區(qū)面積集中，則缺陷檢測時(shí)規(guī)定區(qū)域像素點(diǎn)個(gè)數(shù)閾值為n=20。

②缺陷檢測的結(jié)果為不規(guī)則的一些白色區(qū)域，對(duì)其進(jìn)行填充時(shí)，取缺陷區(qū)域中某點(diǎn)為中心，利用式(5)查找周邊內(nèi)容距離最近的非缺陷像素點(diǎn)位置(K,T)，并復(fù)制其彩色信息，如式(6)所示。

(K,T)=argmin(‖(k,h)-(i,j)‖2)

(5)

(6)

缺陷填充如圖3所示，箭頭方向代表了缺陷填充的方向。

圖3　缺陷填充示意圖Fig.3　Schematic diagram of defect filling

3　基于位置區(qū)域的分割

3.1聯(lián)合HSV閾值分割

針對(duì)已增強(qiáng)的圖像，地面彩色特征明顯，利用RGB轉(zhuǎn)換為HSV分量后，為了得到比較好的灰度圖及其直方圖，將這3個(gè)分量的范圍都調(diào)整至[0,255]。用Otsu提出的最大類間方差法求出各分量的自適應(yīng)閾值Hth、Sth、Vth,再利用聯(lián)合概率閾值分割進(jìn)行二分化。對(duì)于輸入圖像f(x,y)，定義輸出圖像如下：

(7)

Kth=αHth+βSth+γVth

(8)

式中：聯(lián)合概率Kth由式(8)獲得，通過調(diào)整控制因子α、β、γ,可以改變其分割性能。

3.2基于位置區(qū)域的地面判定

聯(lián)合H、S、V閾值分割，可得到大面積的地面分割圖，其中，部分空間存在噪聲。由成像原理可知：地面區(qū)域位于一副圖像中的從下往上延伸部分。在機(jī)器人行走過程中，當(dāng)遇到紙盒和水杯時(shí)，其背后的地面都不能判定為可行走區(qū)域。

本文只判定當(dāng)前位置可行走的地面區(qū)域，因此定義地面分割界限的上半部分都為障礙物。采用由下而上的形態(tài)學(xué)法填充圖像，最終可得到圖像下半部分連通的地面區(qū)域，適用于機(jī)器人導(dǎo)航。

4　試驗(yàn)與分析

試驗(yàn)圖像在單調(diào)顏色環(huán)境中的試驗(yàn)室中采集得到。首先對(duì)可能出現(xiàn)亮白區(qū)域圖進(jìn)行缺陷檢測與填充，原圖中因反射燈光及窗外光線在地面形成的亮白區(qū)域及燈光、窗戶光源體都能被有效檢出；接著，檢測到的缺陷區(qū)域用四周信息進(jìn)行迭代填充，燈光由周邊天花板信息組成，窗戶由相鄰的墻壁填充得到，地面區(qū)域由周邊地面信息迭代得到。

在缺陷檢測填充過程中，強(qiáng)燈光區(qū)域分割精確，地面填充區(qū)域與整體地面信息吻合，具有較高的真實(shí)性，保證了地面元素的一致性。同時(shí)，缺陷填充圖像的均方差和平均灰度值減小，總像素和中97%的像素所占灰度值范圍減小，為分割減少了強(qiáng)光干擾，提高了地面與障礙物間的區(qū)分度。彩色增強(qiáng)對(duì)比如表1所示。

表1　彩色增強(qiáng)對(duì)比表Tab.1　Contrast of color enhancement

填充缺陷后聯(lián)合H、S、V的閾值分割得到的二值圖像表明，地面和障礙物交接處分割完整，地面噪聲少，可用于位置區(qū)域判定障礙物區(qū)域。與單閾值H分量的分割結(jié)果相比，地面區(qū)域中噪聲多。本文的分割算法能取得較精確的結(jié)果，使地面劃分區(qū)域更連續(xù)。

結(jié)合地面在圖像中從下往上的成像原理，以地面與障礙物相鄰處為界，采用連通區(qū)域劃分，獲得地面與障礙物分割結(jié)果。其中：地面區(qū)域?yàn)楹谏系K物區(qū)域?yàn)樵忌蕡D像。

試驗(yàn)還針對(duì)地面區(qū)域不規(guī)則情景進(jìn)行了處理，地面區(qū)域位置仍然是從下往上，地面與障礙物分割精確，證明了本方案的廣泛性和有效性。除此之外，本文提出的算法都是線性變換，運(yùn)算復(fù)雜度小，易于實(shí)現(xiàn)。

5　結(jié)束語

本文對(duì)室內(nèi)單調(diào)彩色圖像地面識(shí)別展開研究。首先，針對(duì)出現(xiàn)高亮光斑的地面，采用基于RGB聯(lián)合閾值分割法檢測光線反射引起的地面高強(qiáng)光區(qū)域“缺陷”，通過填充缺陷增加了地面的統(tǒng)一性、提高了地面與障礙物的對(duì)比度。然后，利用彩色分量聯(lián)合閾值進(jìn)行初分割，得到地面的核心區(qū)域；結(jié)合地面在圖像中成像位置的特殊性進(jìn)行區(qū)域連通，實(shí)現(xiàn)了地面分割。

試驗(yàn)證明，本文提出的方法解決了地面缺陷、單調(diào)色彩圖區(qū)分度低的問題，能為機(jī)器人導(dǎo)航提供快速的行走區(qū)域判定，具有重要的實(shí)用價(jià)值。下一步工作將研究地面和不同障礙物的分割，以實(shí)現(xiàn)更明確的移動(dòng)機(jī)器人定位。

[1] 王鋒，程敏，陳小平.面向機(jī)器人室內(nèi)建圖的RGB_D圖像對(duì)齊算法[J].機(jī)器人,2015,37 (2):129-135.

[2] 楊鴻，錢堃，戴先中,等.基于Kinect傳感器的移動(dòng)機(jī)器人室內(nèi)環(huán)境三維地圖創(chuàng)建[J].東南大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,43(S1):183-187.

[3]PANAHANDEHG,JANSSONM.Vision-aidedinertialnavigationbasedongroundplanefeaturedetection[J].IEEE/ASMETransactionsonMechatronics2014,16(4):1206-1215.

[4]PANAHANDEHG,MOHAMMADIHAN,JANSSONM.Groundplanefeaturedetectioninmobilevision-aidedinertialnavigation[J].IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,2012：3605-3611.

[5] 王可，賈松敏，李秀智，等.基于地面特征的移動(dòng)機(jī)器人單目視覺里程計(jì)算法[J].光學(xué)學(xué)報(bào),2015,35(5): 245-251.

[6]LINCH,JIANGSY,PUYJ，etal.Robustgroundplanedetectionforobstacleavoidanceofmobilerobotsusingamonocularcamera[C]//The2010IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,2010:3706-3711.

[7] 杜娟，李文鋒.基于金字塔連接算法的彩色圖像分割[J].武漢理工大學(xué)學(xué)報(bào),2006,28(1):112-114.

[8]FRIEDO,SHECHTMANE,GOLDMAND，etal,FindingDistractorsInImages[C]//IEEEInternationalConferenceonComputerVisionandPatternRecognition,2015:1703-1712.

Fast Method for Segmenting Indoor Obstacle with Ground

The ground is usually used to provide environmental information of map creation and navigation for indoor mobile robots because it contains rich information.Considering the strong interference caused by light reflection,it is difficult to distinguish the ground surface under similar color environment,so the high intensity light reflection areas are defined as “defect” to be detected.By filling defect with its periphery information,the ground color uniformity can be effectively enhanced.Combining with the HSV joint density,color segmentation is conducted,and using regional characteristics of ground position,the segmentation of obstacle with ground is obtained precisely.Experiments show that the proposed approach features simple operation,wide range,high precision,and ease to implement obstacle avoidance for robot in real time.

Image processingImage segmentationImage recognitionGround segmentationColor modelDefect detectionDefect fillColor enhancementThreshold segmentationBinarizationJoint probability

卜燕(1990—)，女，現(xiàn)為西南科技大學(xué)控制科學(xué)與工程專業(yè)在讀碩士研究生；主要從事圖像處理方向的研究。

TH181;TP391

ADOI:10.16086/j.cnki.issn 1000-0380.201610004

四川省教育廳重點(diǎn)基金資助項(xiàng)目(編號(hào)：14ZA0096);

四川省科技支撐計(jì)劃基金資助項(xiàng)目(編號(hào)：2015GZ0035)；

四川省科技創(chuàng)新苗子工程基金資助項(xiàng)目(編號(hào)：2015024)；

四川省重點(diǎn)實(shí)驗(yàn)室開放基金資助項(xiàng)目(編號(hào)：13zxtk05)；

西南科技大學(xué)研究生創(chuàng)新基金資助項(xiàng)目(編號(hào)：15ycx119)；

西南科技大學(xué)創(chuàng)新團(tuán)隊(duì)基金資助項(xiàng)目(編號(hào)：14tdtk01)。

修改稿收到日期：2016-01-22。