基于单目视觉的室内机器人障碍检测方案

doi:10.3724/SP.J.1087.2012.02556

计算机应用 ›› 2012, Vol. 32 ›› Issue (09): 2556-2559.DOI: 10.3724/SP.J.1087.2012.02556

基于单目视觉的室内机器人障碍检测方案

何少佳,刘子扬^*,史剑清

桂林电子科技大学机电工程学院,广西桂林 541004

收稿日期:2012-03-19 修回日期:2012-05-15 发布日期:2012-09-01 出版日期:2012-09-01
通讯作者: 刘子扬
作者简介:何少佳(1963-),男,广西玉林人,副教授,博士,主要研究方向:电机控制与自动化、电力电子与电力传动、智能机器人控制;刘子扬(1985-),男,湖南娄底人,硕士研究生,主要研究方向:机器视觉、智能导航; 史剑清(1989-),男,河南郑州人,硕士研究生,主要研究方向:机器视觉。
基金资助:
广西科学研究与技术开发计划项目(10100022-8);广西制造系统与先进制造技术重点实验室项目(0842006_020_Z)

Obstacle detection of indoor robots based on monocular vision

HE Shao-jia,LIU Zi-yang^*,SHI Jian-qing

Electromechanical Engineering College,Guilin University of Electronic Technology,Guilin Guangxi 541004,China

Received:2012-03-19 Revised:2012-05-15 Online:2012-09-01 Published:2012-09-01

摘要/Abstract

摘要： 为提高室内移动机器人障碍物检测能力,提出了一套基于单目视觉的检测方案。该方案首先对拍摄的图像进行色度、饱和度、亮度(HSI)颜色空间转换;然后,针对室内图像中目标和背景的分割,提出了小目标阈值选取法,提高了特定环境下图像分割的准确性;最后,用目标场景匹配法和目标投影匹配法相结合,计算分割后目标像素的变化和投影的变化,从而判别出目标是具有高度的障碍物还是地面图形。实验结果表明该方案的有效性和可行性,可为室内小型移动机器人提供良好的导航信息。

关键词: 单目视觉, 障碍物检测, 图像分割, 透视投影, 摄像机标定

Abstract: In this paper, a new monocular vision system was proposed to improve obstacle detection capability of indoor mobile robot. In this system, firstly, the Hue, Saturation, Intensity (HSI) color space conversion of images was performed. Secondly, a small target threshold selection method was proposed to segment the images, which enhanced the precision of the image segmentation. Thirdly, the target scene matching method and target projection matching method were used to calculate the change of the target pixel and projection so as to judge whether the target is obstacles or ground graphs. The experimental results show that the monocular vision system is effective and feasible, and this system can be applied to the navigation for small indoor mobile robots.

Key words: monocular vision, obstacle detection, image segmentation, perspective projection, camera calibration

中图分类号:

TP391.41

何少佳刘子扬史剑清. 基于单目视觉的室内机器人障碍检测方案[J]. 计算机应用, 2012, 32(09): 2556-2559.

HE Shao-jia LIU Zi-yang SHI Jian-qing. Obstacle detection of indoor robots based on monocular vision[J]. Journal of Computer Applications, 2012, 32(09): 2556-2559.

[1]	许立君, 黎辉, 刘祖阳, 陈侃松, 马为駽. 基于3D‑Ghost卷积神经网络的脑胶质瘤MRI图像分割算法3D‑GA‑Unet[J]. 《计算机应用》唯一官方网站, 2024, 44(4): 1294-1302.
[2]	顾聪, 段其强, 任思雨. 基于上下文感知网络的息肉分割算法[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3617-3622.
[3]	梁军, 洪泽泓, 余松森. 基于改进粒子群优化算法和遗传变异的图像分割模型[J]. 《计算机应用》唯一官方网站, 2023, 43(6): 1743-1749.
[4]	傅励瑶, 尹梦晓, 杨锋. 基于Transformer的U型医学图像分割网络综述[J]. 《计算机应用》唯一官方网站, 2023, 43(5): 1584-1595.
[5]	兰冬雷, 王晓东, 姚宇, 王辛, 周继陶. 基于邻近切片注意力融合的直肠癌分割网络[J]. 《计算机应用》唯一官方网站, 2023, 43(12): 3918-3926.
[6]	窦猛, 陈哲彬, 王辛, 周继陶, 姚宇. 基于深度学习的多模态医学图像分割综述[J]. 《计算机应用》唯一官方网站, 2023, 43(11): 3385-3395.
[7]	林荐壮, 杨文忠, 谭思翔, 周乐鑫, 陈丹妮. 融合滤波增强和反转注意力网络用于息肉分割[J]. 《计算机应用》唯一官方网站, 2023, 43(1): 265-272.
[8]	潘高峰, 樊渊, 汝玉, 郭予超. 基于点线特征融合的低纹理单目视觉同时定位与地图构建算法[J]. 《计算机应用》唯一官方网站, 2022, 42(7): 2170-2176.
[9]	徐光柱, 林文杰, 陈莎, 匡婉, 雷帮军, 周军. U-Net与自适应阈值脉冲耦合神经网络相结合的眼底血管分割方法[J]. 《计算机应用》唯一官方网站, 2022, 42(3): 825-832.
[10]	李鸿, 邹俊颖, 谭茜成, 李贵洋. 面向医学图像分割的多注意力融合网络[J]. 《计算机应用》唯一官方网站, 2022, 42(12): 3891-3899.
[11]	杨瑞, 钱晓军, 孙振强, 许振. 自然场景下多区域特征融合的混合航拍图像分割算法[J]. 计算机应用, 2021, 41(8): 2445-2452.
[12]	黄梨, 卢龙. 基于长距离依赖编码与深度残差U-Net的缺血性卒中病灶分割[J]. 计算机应用, 2021, 41(6): 1820-1827.
[13]	沈雪雯, 王晓东, 姚宇. 基于空间分频的超声图像分割注意力网络[J]. 计算机应用, 2021, 41(6): 1828-1835.
[14]	罗琴, 王艳. 无需初始轮廓的图像分割模型[J]. 计算机应用, 2021, 41(4): 1179-1183.
[15]	董阳, 潘海为, 崔倩娜, 边晓菲, 滕腾, 王邦菊. 面向多模态磁共振脑瘤图像的小样本分割方法[J]. 计算机应用, 2021, 41(4): 1049-1054.

基于单目视觉的室内机器人障碍检测方案

Obstacle detection of indoor robots based on monocular vision

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics