[发明专利]复杂光照条件下视觉导引系统的路径提取与识别方法

权利要求书

1.一种复杂光照条件下视觉导引系统的路径提取与识别方法，其特征在于，包括步骤如下：

1)采集给视觉导引系统识别导引路径提供光照条件的照明光源以及造成光线遮挡的环境物体所共同形成的N幅复杂光照路径图像，包括N₁幅具有高亮光区域的路径图像、N₂幅具有暗阴影区域的路径图像和N₃幅同时具有高亮光和暗阴影区域的路径图像；

2)针对N幅复杂光照路径图像，通过摄像机成像原理统计复杂光照路径图像中同一像素点的光照照度与图像亮度分量的对应关系，以图像亮度分量代替光照照度，建立表征复杂光照下路径图像色彩分布规律的光照色彩模型，描述复杂光照路径图像的色度分量相对于亮度分量的变化情况；

3)以采集的N幅复杂光照路径图像为样本图像，采用机器学习方法，设计一种区分复杂光照路径图像中高亮光区域、正常照度区域和暗阴影区域的图像照度分类器，并利用所述图像照度分类器区分复杂光照路径图像中的不同照度区域；

4)针对复杂光照路径图像的暗阴影区域，将图像从YCbCr色彩空间转换到RGB色彩空间，根据光照色彩模型选取标准照度所对应的图像亮度值并进行图像增强，再将增强后的图像转换回YCbCr色彩空间；再采用最大类间方差的阈值分割方法，以蓝色色度分量Cb为分割条件，从图像背景区域中提取目标路径像素集P₁；

5)针对复杂光照路径图像的高亮光区域，根据光照色彩模型对蓝色色度分量Cb与红色色度分量Cr进行差分运算，从而获得表征图像Cb-Cr色度差分值相对于图像照度变化规律的光照差分色度模型；再采用最大类间方差的阈值分割方法，以Cb-Cr色度差分值为分割条件，从图像背景区域中提取目标路径像素集P₂；

6)针对复杂光照路径图像的正常照度区域，采用固定单阈值分割方法，以蓝色色度分量Cb为分割条件，从图像背景区域中提取目标路径像素集P₃；

7)针对分别从复杂光照路径图像的暗阴影区域、高亮光区域和正常照度区域所提取的所有目标路径像素集P，采用粒子群优化方法，识别像素集P所表示的导引路径的最优参数模型，并根据最优参数模型计算路径偏差。

2.根据权利要求1所述的复杂光照条件下视觉导引系统的路径提取与识别方法，其特征在于，所述的步骤1)中复杂光照路径图像的采集方法如下：以地面铺设的导引路径为视觉导引系统的识别目标，在移动机器人的运行过程中，针对其车载照明光源、室内环境灯光、室外射入的自然光以及遮挡光源光线的环境物体，采集由于光源亮度变化、多个光源和环境物体相对于移动机器人的位置角度变化和空间分布变化而形成的具有高亮光或/和暗阴影区域、明暗对比强烈、照度分布很不均匀的N幅复杂光照路径图像。

3.根据权利要求1或2所述的复杂光照条件下视觉导引系统的路径提取与识别方法，其特征在于，所述的步骤的2)中光照色彩模型的建立方法如下：根据摄像机成像原理，分析出光照照度与图像亮度分量值成线性相关，并通过实验验证：通过移动机器人的车载摄像机，拍摄不同光照照度条件下的导引路径图像；利用光照照度计测量车载摄像机光心位置处的光照照度E，在复杂光照路径图像中计算对应光心位置处的图像亮度分量Y；针对N幅复杂光照路径图像，统计光心位置处的图像亮度分量Y相对于光照照度E的变化规律；再以图像亮度分量Y代替光照照度E，针对每一幅复杂光照路径图像中的地面背景和目标路径部分，选取光照不均匀区域的像素点，分别统计其蓝色色度分量Cb、红色色度分量Cr与亮度分量Y的相关分布，建立表征复杂光照下路径图像色彩分布规律的光照色彩模型；根据蓝色色度分量Cb与图像亮度分量Y的相关分布，选择暗阴影区域和正常照度区域的初始分区阈值Yb1、正常照度区域和高亮光区域的初始分区阈值Yb2。