[发明专利]一种温室智能移动机器人视觉导航路径识别方法

摘要

本发明公开一种温室智能移动机器人视觉导航路径识别方法，将原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图，对H分量信息图去噪处理，用K‑means算法对H分量信息图进行聚类分割，获得道路的分割效果图，采用形态学腐蚀方法进行二次去噪处理，对经过腐蚀处理后的图像进行灰度转换，得到完整的道路信息，采用Candy算子边缘检测，提取边缘离散点，转换获取导航离散点，对导航离散点进行拟合获取最终导航路径信息，对最终导航路径信息进行坐标转换，计算出移动机器人的导航角；有效提高了导航路径识别对于光照不均的鲁棒性，有利于后续图像处理操作，并提升整个路径识别系统的实时快速性。

主权项

一种温室智能移动机器人视觉导航路径识别方法，其特征是包括以下步骤：(1)采集温室环境下的原始图像，将原始图像信息从RGB颜色空间转换到HSI颜色空间，并分别提取H、S、I三个分量信息图，对其中的H分量信息图采用中值滤波法进行去噪处理；将原始图像信息从RGB颜色空间转换到HSI颜色空间的转换公式是：H=θ,B≤G360-θ,B>G,S=1-3(R+G+B)[min(R,G,B)],]]>I=13(R+G+B),θ=arccos{[(R-G)+(R-B)]/2[(R-G)2+(R-G)(G-B)]1/2};]]>(2)用K‑means算法对去噪处理后的H分量信息图进行聚类分割，选择道路信息作为待获取的图像分割信息，获得道路的分割效果图；所述K‑means算法步骤如下：1)选择k＝3个对象作为初始聚类中心；2)将图像中所有像素点按照最小距离原则分配到最近聚类；3)重新计算每个聚类的平均值，并用该均值作为新的聚类中心；4)重复2)、3)，直到每个聚类不再发生变化为止；5)获取到k个聚类；(3)对分割效果图采用形态学腐蚀方法进行二次去噪处理，减少边缘信息总量，得到只剩下白色、黑色和灰色3种灰度值的图像，其中道路信息为白色；(4)对经过腐蚀处理后的图像进行灰度转换，得到完整的道路信息；(5)对灰度转换后的道路信息采用Candy算子进行边缘检测，提取边缘离散点；(6)对提取边缘离散点的图像通过逐行扫描获取图像每一行中2个白色点的位置信息，对其取均值进行转换获取导航离散点；(7)对导航离散点进行拟合获取最终导航路径信息；(8)对最终导航路径信息进行坐标转换，得到温室智能移动机器人导航控制参数信息，计算出移动机器人的导航角。