[发明专利]一种工业故障巡检机器人定位地标检测方法

说明书

本发明公开了一种工业故障巡检机器人定位地标检测方法，其特征在于，包括如下步骤：步骤1、基于FT算法提取显著性图，对原始图像进行高斯滤波，并在LAB空间求得各通道的均值并融合；步骤2、基于FlowNet算法进行光流预测，获得光流x方向和y方向的灰度图，并对相邻5帧进行并操作并进行二值化处理；步骤3、基于YOLO‑V3算法提取带标签目标，获得相应标签的位置信息，并将显著图中预测框相应位置内的各像素值剔除，得出可用地标，本发明通过FT算法、FlowNet算法及YOLO算法的采用，在保证地标预测结果准确性的同时可快速进行计算，提高地标识别的效率，保证地标识别的实时性，大大节约定位地标的检测时间。

技术领域

本发明属于移动机器人地标检测算法技术领域，具体涉及一种工业故障巡检机器人定位地标检测方法。

背景技术

近年来在显著性检测问题上，吸引了大量研究者的关注和兴趣，这种日益普及的原因在于模型的智能选择和处理速度在各种视觉任务中得以有效地使用，例如图像检索、目标检测、视频摘要和压缩等计算机视觉相关的领域，提高了计算机进行图像分析和处理的效率。

同时定位和建图(SLAM)是同时估计环境的模型或地图以及机器人在该地图中的位置的任务，也是计算机视觉领域的重要研究内容，显然地标对于定位和地图构建具有重要意义。

本文针无配合定位目标场景采用一种显著性检测算法，以提取环境可用路标和路标区域的视觉特征。

发明内容

本发明的目的在于提供一种工业故障巡检机器人定位地标检测方法，以解决的问题。

为实现上述目的，本发明提供如下技术方案：一种工业故障巡检机器人定位地标检测方法，其中，包括如下步骤：

步骤1、基于FT算法提取显著性图：

对原始图像进行高斯滤波，并在LAB空间求得各通道的均值并融合；

步骤2、基于FlowNet算法进行光流预测：

获得光流x方向和y方向的灰度图，并对相邻5帧进行并操作并进行二值化处理；

步骤3、基于YOLO-V3算法提取带标签目标：

获得相应标签的位置信息，并将显著图中预测框相应位置内的各像素值剔除，得出可用地标。

优选的，所述步骤1具体包括如下步骤：

步骤11、输入单张img格式原始场景图；

步骤12、对原始场景图img进行高斯滤波得到imgrgb图像；

步骤13、将imgrgb图像由RGB颜色空间转换为LAB颜色空间imglab；

步骤14、对图像imglab的L,A,B三个通道的图像分别取均值得到Lm,Am,Bm；

步骤15、分别对Lm,Am,Bm及imgrgb图像取欧氏距离并求和，获得初始显著性图。

优选的，所述步骤2具体包括如下步骤：

步骤21、于Flowne模型中输入提取的连续视频帧；

步骤22、通过Flowne模型对相邻两图片进行光流估计，获取光流信息并可视化得到彩色光流图；

步骤23、提取光流两通道的运动信息，得到与彩色光流图对应方向的灰度图并二值化；

步骤24、以原始场景图为中间帧，对相邻五帧对应方向的二值图进行并操作，得到两通道信息结合后的连续五幅二值图；

步骤25、对连续五幅二值图取交集并得到待筛选的结果图。

优选的，所述步骤3具体包括如下步骤：