[发明专利]一种基于K‑means方法的走廊消失点快速检测算法

说明书

技术领域

本发明涉及机器人自主导航领域，具体为一种基于K-means方法的走廊消失点检测算法，能够准确实时的从机器人获得的图像中检测出消失点的位置坐标，进而为机器人的运动提供导航信息。本发明也可应用于微小型无人机在建筑物内沿走廊的自主飞行任务。

背景技术

空间一组平行直线，在图像平面上所成的像有且仅有一个交点，称为消失点，它包含了图像上平行直线的方向信息，因此可用来为机器人提供导航信息，这项技术已经被广泛应用。机器人在走廊中运动时，利用从摄像头获得的实时图像信息，计算出走廊中消失点的坐标，据此不断修正机器人的前进方向，最终可实现机器人沿走廊的自主运动。

为了使用消失点对机器人的运动进行导航，对消失点检测算法有两个重要的要求：(1)计算量小，实时性高；(2)检测到的消失点位置准确。

目前比较流行的几种消失点检测算法大多以霍夫变换为基本思想，而选择不同的参数空间，主要的参数空间有高斯球、霍夫空间和图像空间。Barnard,Stephen T."Interpreting perspective images."Artificial intelligence21.4(1983):435-462.中提出以摄像机光学中心为中心的高斯球作为累积空间。图像中的直线在高斯球中被映射成为一个圆，消失点在高斯球中对应着一个点。由于无限的图像平面被映射到一个有限的高斯球空间，因此无限远处的消失点同样被映射成一个点。在确定消失点的累积投票阶段，高斯球被分割成多个累积小单元，每个圆都对它经过的累积单元投票，投票数多的累积单元对应于消失点。这种方法对有限远处和无限远处的消失点均能有效检测。Tuytelaars,Tinne,et al."The cascaded Hough transform as an aid in aerial image interpretation."Computer Vision,1998.Sixth International Conference on.IEEE,1998.采用和Barnard类似的思想，使用霍夫变换将平面中的直线参数转化至霍夫空间，在霍夫空间进行累计投票，确定出消失点，在一定程度上减小了计算量。Rother,Carsten."A new approach to vanishing point detection in architectural environments."Image and Vision Computing20.9(2002):647-655.将所有图像平面中检测到直线的两两交点作为消失点的候选对象，并给出了一些约束条件来确定消失点，这种方法可以得到更为准确的结果。

但是，上述几种方法存在以下几点不足：(1)在高斯球空间和霍夫空间方法中，经高斯球变换和霍夫变换后，减少了线段和消失点的空间位置信息，同时，这两种方法检测到的消失点精度受累积单元大小的影响较大，当累积单元较大时，得到消失点的误差较大，当累积单元过小时，计算量将会成倍增加，不能满足实时性要求；(2)在图像平面进行消失点的检测时，对所有可能的直线交点进行计算，这种方法的精度较高，但在实际应用时，由于检测到直线数量较大，算法复杂度高，计算量大，因此实时性较差，无法满足实际需要。

发明内容

为了克服现有技术的不足，本发明提出了一种基于K-means方法的走廊消失点快速检测算法，采用K-means方法进行消失点检测，只需要计算直线的两个交点，即可快速准确的计算出图像中消失点的位置。

本发明的技术方案为：

所述一种基于K-means方法的走廊消失点快速检测算法，其特征在于：采用以下步骤：

步骤1：对采集的图像进行预处理，去除掉图像中的冗余信息，减小噪声的影响；预处理过程依次为：对采集的图像进行降采样、灰度化处理、直方图均衡化、采用Canny算子进行边缘检测；

步骤2：采用概率霍夫变换算法检测步骤1处理后的图像，提取图像中的线条；

步骤3：采用K-means方法根据线条斜率将步骤2提取的线条聚类为四类，分别求出四类线条中点的均值；根据每类线条斜率和对应线条中点均值共确定出四条直线，四条直线随机分成两组，每组两条直线得到一个交点，取两个交点的中点作为消失点。

进一步的优选方案为：

所述一种基于K-means方法的走廊消失点快速检测算法，其特征在于：步骤3中采用K-means方法根据线条斜率将步骤2提取的线条聚类为四类的过程如下：