[发明专利]一种基于双黄线检测的机器人自主巡检方法

权利要求书

1.一种基于双黄线检测的机器人自主巡检方法，其特征在于：包括以下步骤：

1)图像预处理，过程如下：

1.1)图像下采样及感兴趣区域提取

获取的图像进行缩放，将感兴趣区域设置为图像的下半部分；

1.2)提取图像中的黄色信息及灰度化

通过变换，生成一个黄色通道，变换表达式为：

Y(i,j)＝max(0,R(i,j)-(max(B(i,j),G(i,j))/1.8))

其中Y(i,j)表示像素点(i,j)的黄色灰度值，R(i,j)、G(i,j)和B(i,j)分别表示像素点(i,j)的红色、绿色和蓝色灰度值，通过变换，将RGB图像转化为代表黄色信息的灰度图；

1.3)直方图均衡化与二值化

利用直方图均衡化操作，之后再进行二值化操作，将灰度图变为黑白两色；

1.4)形态学变换

对图像先进行开运算再进行闭运算；

2)黄道线识别与中心线定位，过程如下：

2.1)细化与霍夫直线检测

对图像进行细化处理，并进行累计概率霍夫变换，获取黄道线的相关参数；

2.2)基于矢量的双黄线的中间线定位

寻找夹角最大的两根直线A与B；若找不到，则表示图像中没有出现双黄线，此时对驱动板发送stop指令；若找到，则计算分别与直线A、B平行的向量ν_a与ν_b，ν_a与ν_b均从图像下方，指向图像上方；

分别计算直线A、B的一般表达式：

直线A的表达式：

直线B的表达式：

计算直线A与直线B的交点(x₀,y₀)，其计算表达式为：

设直线A与直线B所成夹角的角平分线为直线C，基于ν_a与ν_b，计算与直线C平行的向量

ν_c＝(ν_a/||ν_a||+ν_b/||ν_b||)/||(ν_a/||ν_a||+ν_b/||ν_b||)||

可以得到，直线C的表达式为：

其中，

计算出直线C后，将此作为目标移动路径，用于之后确定移动策略；

3)移动策略，过程如下：

在直线C上寻找点D，D点的y值为固定值，x值随直线C的变化而变化，通过判断点D的位置，从而进行机器人移动决策。

2.如权利要求1所述的一种基于双黄线检测的机器人自主巡检方法，其特征在于：所述步骤3)中，白色线从左到右，分别标注为κ₁、κ₂、κ₃、κ₄、κ₅，其中，κ₃为图像的中线；

将κ₂与κ₄之间的区域，称为直行区Θ_Z；

将κ₁左侧的区域，称为左转区Θ_L；

将κ₅右侧的区域，称为右转区Θ_R；

将κ₁与κ₂之间的区域以及κ₄与κ₅之间的区域，称为缓冲区Θ_H；

在移动策略时加入了缓冲机制，具体机制如下：

3.1)若当前行动状态为直行，则当D∈Θ_L或D∈Θ_R时才会将行动状态变为左转或右转；否则继续保持直行状态；

3.2)若当前行动状态为左转或右转，则当D∈Θ_Z时才会将行动状态变为直行；否则继续保持左转或右转状态；

通过3.1)和3.2)，可看出，若D∈Θ_H则机器人行动状态保持不变。

3.如权利要求1或2所述的一种基于双黄线检测的机器人自主巡检方法，其特征在于：所述步骤2.1)中，累计概率霍夫变换的步骤为：

2.1.1)随机抽取图像中的一个特征点，即边缘点，如果该点已经被标定为是某一条直线上的点，则继续在剩下的边缘点中随机抽取一个边缘点，直到遍历完所有边缘点；

2.1.2)对该点进行霍夫变换，并进行累加和计算；

2.1.3)选取在霍夫空间内值最大的点，如果该点大于阈值，则进行步骤2.1.4)，否则回到步骤2.1.1)；

2.1.4)根据霍夫变换得到的最大值，从该点出发沿着直线的方向位移，从而找到直线的两个端点；

2.1.5)计算直线的长度，如果大于某个阈值，则被认为是检测到的直线输出，回到步骤2.1.1)。