数字图像处理技术在移动机器人中的应用研究

开篇：润墨网以专业的文秘视角，为您筛选了一篇数字图像处理技术在移动机器人中的应用研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：在人工智能方面，数字处理技术得到了一定程度的应用。在进行移动机器人的开发时，可以利用数字图像处理技术进行视觉图像的获取，并通过图像的预处理和分割等步骤实现移动机器人的自动导航控制。而为了进一步了解数字图像处理技术在移动机器人中的应用情况，本文对移动机器人视觉导航控制的图像处理流程进行了分析，即分别对流程中的图像预处理、图像分割和特征提取问题进行了研究，从而为关注这一话题的人们提供参考。

关键词：数字图像处理技术 移动机器人 应用

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2015）05-0000-00

随着信息处理技术和数字图像处理技术等多种技术的发展，移动机器人的研究逐渐引起了人们的关注，并在工业、农业等领域得到了一定程度的应用。而在移动机器人的诸多研究内容中，视觉导航控制问题可以算作是研究的重点。作为移动机器人的重要器官，视觉系统是机器人获知外界环境信息的主要途径。所以，在视觉信息处理方面得到应用的数字图像处理技术成为了移动机器人研究的关键技术，对移动机器人控制的实时性有着重要的影响。

1数字图像处理技术概述

从本质上来看，图像和图形其实都是以数字化的物体形态来进行表示的。但是，在存储结构和表示方法上，二者有着根本的区别。其中，图形的画面存储形式为矢量结构，主要进行画面内容的位置的显示。在进行对象的描述时，图形利用的是一系列的线段和造型，并且在画面内容颜色和亮度方面，描述的方法较为隐含和统一。而图像的画面存储方式为栅格结构，即将图像划分成均匀分布的栅格，并进行每一像素的光度值的显示。此外，在像素的坐标值摆列方面，图像采用的为常见的矩形摆列方式[1]。在进行数字图像处理技术的应用时，需要进行计算机图像处理系统的采用。而该系统是由计算机软硬件组成，从本质上即为基于数字图像处理理论和算法的一系列计算机程序，可以用来进行图像的处理。

2数字图像处理技术在移动机器人中的应用

数字图像处理技术在移动机器人中的应用，主要存在于移动机器人视觉导航控制系统中。在该系统中，需要利用数字图像处理技术进行图像的变换，以便使图像的特征更加突出。而在此基础之上，则要对图像进行分析和处理，以便进行图像信息的获取。作为重要的组成部分，移动机器人视觉导航控制系统中的图像处理可以根据技术要求和导航特点划分成几部分内容，既图像预处理、图像分割和特征提取。

2.1视觉图像的预处理

视觉图像的预处理过程可以划分成两部分，即图像灰度化和中值滤波。在移动机器人的摄像头进行24位移动机器人目标标志物图像的获取之后，就需要进行图像的灰度化处理。正常的情况下，相较于灰度图像，彩色图像能够进行更多的空间信息的反映。但是，彩色图像具有数据量较大的特点[2]。所以，在进行彩色图像处理时，需要花费更多的时间，从而无法满足移动机器人的实时控制需求。而所谓的灰度化，其实就是使彩色R、G、B分量值相等的一个过程。正常的情况下，R、G、B的取值将在0到255的范围内，所以灰度图像也仅能进行256种颜色的表示。在灰度化的过程中，需要将真彩色的原始图像转化成灰度化图像256色位图，即使24位图像转变成8位图像，从而完成减色处理。而该一过程需要在Visual C++的编程平台上完成。在减色处理的过程中，需要进行合适的调色板的生成。具体来讲，就是要从真彩色图像中的16M种颜色中进行出现频率最高的256中颜色的选取。但是，由于电脑系统本身要进行20种颜色的保留，所以只能够进行236种颜色的选取。就目前来看，用于进行减色处理的方法有流行色法、中位切分算法和八差树颜色量化法，而八差树颜色量化法具有效率高和占用内存少的特点，所以取得了广泛的应用[3]。在完成颜色的选择后，则需要使真彩色的其他颜色成为与256中颜色中最为相似的颜色，并以各自的彩色距离进行两种颜色相似度的显示。

在完成图像的灰度化处理后，就要进行图像的中值滤波处理。在移动机器人视觉导航控制系统进行图像数据的传输时，受到光线变化、镜头污染和摄像头抖动等因素的影响，图像难免含有一定的噪声成分。而想要使图像真实进行机器人与目标标志物实际位置和方向的反映，就要进行图像的滤波处理。因为，系统能够进行图像边缘信息的准确掌握，主要取决于系统对图像的识别情况。所以，在进行滤波方法选择时，则主要需要考虑处理后的图像边缘细节是否会出现模糊化的问题。而中值滤波方法的使用，可以较好的进行干扰级椒盐噪声的抑制，以便更好的避免边缘模糊现象的出现。作为一种非线性平滑方法，中值滤波法法可以进行诸像素灰度的排序，继而利用其中值进行窗口中心像素原灰度值的代替，以便减少模糊的产生。因此，在进行图像滤波处理的过程中，中值滤波法得到了较好的使用。

2.2视觉图像的分割

在进行视觉图像的预处理后，就要对视觉图像进行分割。因为，预处理后的图像仅为矩阵数组，无法使机器人系统从中获得有效的信息。所以，需要利用图像处理技术进行数字图像划分，以便使图像成为互不相交的区域，继而进行图像特征的提取。而图像分割的过程主要可以分成两部分，即边缘检测和二值化处理。

在移动机器人行驶的过程中，需要经过结构化的道路。但是，目标标志物与周围环境之间有着一定的灰度变化，所以系统接收的图像中会有边缘的存在，继而影响系统的判断。而利用边缘检测法则可以进行图像边缘特征的利用，以便系统更好的进行图像中的有效信息的获取[4]。在进行边缘检测法的应用时，需要利用小区域模板进行梯度的计算，并且利用一阶和二阶导数变化进行边缘检测算子的构造。在边缘灰度值过渡较为明显，且图像模糊程度和噪声较小的情况下，则可以利用由图像导数变化模板构成的梯度算子进行边缘检测，继而完成对边缘明显且噪声小的图像的分割。

在利用边缘检测完成部分图像的分割后，可以将图形和背景作为分离的二值图像使用，以便从图像中分离出目标物。通常的情况下，最后一值图像值为1的部分用来进行图形的表示，而值为0的部分则用来进行背景的表示。而在进行最佳阈值的判别时，则要根据最佳阈值准则，即进行阈值处理后分离的像素类之间的类间方差进行阈值的判定。而该种判别分析法的运用，使得图像的二值化处理只需进行直方图的0阶矩和1阶矩的计算。最后，在完成二值化的阈值计算后，则可以得出分割出来的二值化图像。

2.3图像的特征提取

在得到二值化图像后，需要从中进行系统所需参数或特征的提取。所以，需要按照规定的顺序进行边缘像素的重新排列，继而进行边缘点的寻找，并使其进行边界的跟踪。在进行轮廓的获取时，原图中若有一个黑点，且其相邻点皆为黑色，则需要进行改点的删除，以便进行轮廓线的获取[5]。而所谓的轮廓跟踪算法，其实就是按照从上到下、从左到右的顺序进行黑点的寻找。而找到的第一个黑点则为左上方的边界点，其左下的邻点中则含有另一个边界点。而从该一边界点则继续进行剩余一个边界点的寻找，并最终回到找到的第一个黑点处，则可以完成整个轮廓的提取。因此，二值图像闭合边界的轮廓跟踪算法其实最为简便。

3结语

作为智能机器人的重要分支，移动机器人的研究早在上个世纪60年代就被提出。从本文的研究来看，数字图像处理技术在移动机器人视觉系统中起到了很好的应用效果。在进行图像的预处理时，利用中值滤波方法可以得到较好的滤波效果，并且只需完成较小的运算量的计算，从而满足移动机器人的实时控制需求。在进行图像分割时，最优阈值选择法的应用使得图像的处理更为可靠。因此，图像处理技术的应用，为移动机器人的移动速度的提高做出了一定的贡献。

参考文献

[1]张豪，郭辉，韩长杰.图像处理技术在采棉机器人中的应用[J].农业工程，2014，05（04）：35-38.

[2]吴慧玲.基于多传感器的移动机器人避障策略的研究[D].沈阳大学，2013.

[3]孙玉兰.数字图像处理技术的应用现状与发展研究[J].电脑知识与技术，2014，26（10）：228-230.

[4]崔红光，任文涛，杨懿等.图像处理技术在农业机器人中的应用[J].农机化研究，2008，01（01）：168-170.

[5]付亚平.信息融合技术在移动机器人定位中的应用研究[D].南京邮电大学，2012.