[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

摘要

本发明公开了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，首先通过分析光照照度与图像亮度分量的关系，建立表征图像色彩分布规律的光照色彩模型。其次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，在RGB色彩空间对低照度区域进行图像增强以还原路径色彩信息，在高亮光区域对色度分量Cb与Cr进行差分运算以抑制共模照度干扰，再进行自适应阈值分割。最后采用粒子群优化方法识别导引路径的最优参数模型。本发明的方法可显著提高视觉导引系统在复杂光照下提取、识别导引路径的精确性、可靠性和智能性。

主权项

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。