机器人图像识别.docx

机器人图像识别.docx

《机器人图像识别.docx》由会员分享，可在线阅读，更多相关《机器人图像识别.docx（8页珍藏版）》请在冰豆网上搜索。

机器人图像识别

机器人视觉识别技术简介

2008年07月04日下午4:

54

机器人视觉识别技术简介

来源：

机器人天空2008-04-01

　　基于颜色特征的物体识别系统对于不同颜色的分别提取与识别

　　（以上两幅图片由某大学机器人实验室负责人暨机器人天空主编LiuWeichao友情提供）

　　随着计算机科学与自动控制技术的发展，越来越多的不同种类的智能机器人出现在生产生活中，视觉系统作为智能机器人系统中一个重要的子系统，也越来越受到人们的重视。

　　视觉系统是一个非常复杂的系统，它既要做到图像的准确采集还要做到对外界变化反应的实时性，同时还需要对外界运动的目标进行实时跟踪。

因此，视觉系统对硬件与软件系统都提出了较高的要求。

目前比较流行的足球机器人技术，它的视觉系统属于比较典型的快速识别与反应类型。

　　机器视觉系统是指用计算机来实现人的视觉功能，也就是用计算机来实现对客观的三维世界的识别。

人类视觉系统的感受部分是视网膜，它是一个三维采样系统。

三维物体的可见部分投影到网膜上，人们按照投影到视网膜上的二维的像来对该物体进行三维理解（对被观察对象的形状、尺寸、离开观察点的距离、质地与运动特征等的理解）。

　　机器视觉系统的输入装置可以是摄像机、转鼓等，它们都把三维的影像作为输入源，即输入计算机的就是三维管观世界的二维投影。

如果把三维客观世界到二维投影像看作是一种正变换的话，则机器视觉系统所要做的是从这种二维投影图像到三维客观世界的逆变换，也就是根据这种二维投影图像去重建三维的客观世界。

　　机器视觉系统主要由三部分组成：

图像的获取、图像的处理与分析、输出或显示。

图像的获取实际上是将被测物体的可视化图像与内在特征转换成能被计算机处理的一系列数据，它主要由三部分组成：

照明，图像聚焦形成，图像确定与形成摄像机输出信号。

视觉信息的处理技术主要依赖于图像处理方法，它包括图像增强、数据编码与传输、平滑、边缘锐化、分割、特征抽取、图像识别与理解等内容。

经过这些处理后，输出图像的质量得到相当程度的改善，既改善了图像的视觉效果，又便于计算机对图像进行分析、处理与识别。

　　机器人视觉系统主要是利用颜色、形状等信息来识别环境目标。

以机器人对颜色的识别为例：

当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分：

感兴趣的像素（搜索的目标颜色）与不感兴趣的像素（背景颜色）。

然后，对这些感兴趣的像素进行RGB颜色分量的匹配。

为了减少环境光强度的影响，可把RGB颜色域空间转化到HIS颜色空间。

　　在足球机器人的彩色视觉系统中，程序是根据贴在机器人小车顶上的色标来识别机器人是属于哪一队，以及是几号队员的。

由于在每个机器人小车顶上有两种颜色的色标，分别是队标与队员标。

因此，识别工作的第一步是把图像中的每一个像素，根据颜色分类到一组离散的色彩类中。

　　颜色分类常用的方法有线性色彩阈值法、最近邻域法与阈值向量法等。

　　其中，线性色彩阈值法是用线性平面把色彩空间分割开来，其阈值的确定可采用直接取阈值与通过自动训练来获取目标颜色范围等方法，也可以采用神经网络与多参数决策树方法来进行自学习，以获得合适的阈值；而用最近邻域分类法分割图像时，则利用隶属度函数，即根据最大的隶属度来判断这个颜色属于哪个类；阈值向量法是先使用一组事先确定的阈值向量来把色彩值在色彩空间中的位置来判断其属于哪种颜色。

　　在色彩分类之后，必须对各个颜色类的点进行处理，最终辨识出场上的各个敌我队员与球在场上的位置与方向角。

识别时，通常的做法是对分类后的像素进行一次扫描，即将相邻的同种颜色的像素连成色块。

　　基于阈值向量的颜色识别

　　一、色彩空间选择

　　对于采用基于彩色图像分割的方法识别目标时，首先要选择合适的颜色空间，常用的颜色空间有RGB、YUV、HSV、CMY等。

颜色空间的选择直接影响到图像分割与目标识别的效果。

　　RGB——最常用的颜色空间，其中亮度等于R、G、B3个分量之与。

RGB颜色空间是不均匀的颜色空间，两个颜色之间的知觉差异与空间中两点间的欧氏距离不成线性比例，而且R、G、B值之间的相关性很高，对同一颜色属性，在不同条件（光源种类、强度与物体反射特性）下，RGB值很分散，对于识别某种特定颜色，很难确定其阈值与其在颜色空间中的分布范围。

因此通常会选择能从中分离出亮度分量的颜色空间，其中最常见的是YUV与HSV颜色空间。

　　HSV——接近人眼感知色彩的方式，H为色调（Hue），S为色饱与度（Saturation），V为亮度（Value）。

色调H能准确地反映颜色种类，对外界光照条件变化敏感度低，但是H与S均为R、G、B的非线性变换，存在奇异点，在奇异点附近即使R、G、B的值有很小变化也引起变换值有很大的跳动。

　　YUV——RGB颜色空间线性变化为亮度色彩空间。

是为了解决彩色电视机与黑白电视机的兼容问题而提出的。

Y表示亮度（Luminance），UV用来表示色差（Chrominance）。

YUV表示法的重要性是它的亮度信号（Y）与色度信号（U、V）是相互独立的。

所谓色差是指基色信号中的3个分量信号（即R、G、B）与亮度信号之差。

　　YUV格式与RGB存在如下关系：

　　二、阈值确定与色彩判断

　　在确定阈值时，首先通过采集样本进行训练，从而得到预定的几种颜色在YUV空间的分量的上下阈值，如图2所示。

　　当一个待判定的像素在色彩空间中的位置落在这个长方体中时，就认为该像素属于要找的颜色，从而完成对图像颜色的识别。

在Y空间中，Y值表示亮度，因它的变化很大，所以只考虑了U与V的值，在进行颜色判断时，首先分别建立U、V的阈值向量。

　　在颜色识别后进行图像分割，在图像分割中采用了种子填充算法，其整个种子的填充是与像素点的颜色同时进行的，一开始不是对所有的像素进行处理，而是分块进行的。

当中心点是所要识别的颜色时，就以这个点为种子向四周扩散，并判定周围像素点的颜色，直到填满整个块。

OPENCV图像识别-求思路

2012-3-1115:

08

提问者：

 2016vore | 浏览次数：

375次

问题描述：

目前所做的是机器人视觉，识别是靠颜色识别，存在一些问题，希望通过OPENCV来解决：

1、机器人的摄像头拍照的时候，由于刚打开，图片严重偏绿，对于这样的偏绿图像，有没有办法通过OPENCV处理的跟正常图差不多？

（我自己试验的，通过对图片的BGR值做调整，G值减少，能大概地做处理，但是并不精确，不能对所有情况通用，有没有什么图像处理能用的上的？

）图片示例如下：

2、提取颜色的时候，对于毕竟纯的颜色，在HSV颜色空间上，只有一个很小的角度，很难识别。

3、第三个问题，应该是最迫切的问题，我可以推倒以前所有的处理过程，重新来过，用OPENCV改进。

能否请各大神给小弟一点思路，对于机器人视觉之依据颜色识别的问题，要有一些什么样的一般过程。

4、如果不用颜色识别，使用形状识别？

不过按照目前的基础来说，感觉颜色识别应该比较靠谱。

。

希望：

重点回答第一、三个问题；

靠谱一点的回答，不要太不负责任地吹牛，我前几天看到一个OPENCV论坛上的回答:

预处理，降噪，滤波，光照归一化，提取颜色特征，训练分类器，分类判别。

-------看了以后一知半解。

。

。

详细一点深入一点的说，拜托咯。

。

。

不需要代码，说思路，我自己可以完成代码。

唠叨：

其实看了《学习OPENCV》这本书，很无奈，很多很多东西都不知道是干嘛的。

一个个尝试也试不出什么效果，如果能多懂一点图像原理就好了，经过什么样的运算什么样的定理后，图像能有什么样的变化。

。

诶，最近纠结啊。

。

。

在CSDN也有我的帖子。

。

没人回答

我来帮他解答

2012-3-1209:

33

满意回答

不太确定你想利用颜色识别什么，根据染色识别东西有点太粗糙了吧，我觉得识别还是要针对特定的对象用特定的方法，降噪、滤波都是预处理，为了后面更好得到你的目标图像，分类训练我建议就别了，太浪费时间、空间了，用在检测人脸方面的比较多，别的方面不太好用，haar特征不明显。

你说下要检测什么，共同学习下

追问

要识别的东西，比如说一个网球---也就是黄颜色的球体。

或者比如说一个蓝色的长方体（作为陷阱）。

或者是某种颜色的墙。

总而言之，就是识别简单的物体。

比如说机器人看到前面有一个黄色的乒乓球，走到球前面，检起来。

回答

个人觉得没有统一的方法可以检测出来全部的，我见过的都是有针对性的检测

比如说检测网球，可以把图像二值化后边缘检测，然后对边缘化后的图片进行霍夫变化检测圆，检测出了圆也就检测出了球体

识别特定的物体，可以用模板匹配的方法，先拍一张模板，再在图像里检测目标

如果要检测特定颜色的物体，可以把图片按通道分割（cvSplit），分割成3副单通道图片，对特定的颜色进行阈值分割

仅提供点思路。

。

。

。

追问

刚刚翻墙出去查，

查到一个方法，你帮我看看可行不可行。

有一张图片（也可以说是视频的一帧），图片内有机器人的足球场（绿色），场地边界线（白色），墙（白色），杂物（其他颜色），球（红色）。

目的：

识别出场地边界线与球。

我通过获取到我想要的颜色，把杂色全部变成黑色。

然后就剩下了墙，边界线，球与场地，接着去掉墙，因为墙的白色相对于边界线的白色宽度要大。

然后边界线与场地变成一幅框架（二值图）

这样的思路？

回答

有场地图没，贴张看下

我想了下，既然颜色区别这么大，你可以直接用边缘检测，就能得到一个基本的框架，白色的边界是肯定能检测出来，边界以内的不都是场地吗？

限定了边界以后再在边界里面查找红色的球，不是更方便？

机械视觉与机器人控制的问题，高手进

2011-12-2820:

02

提问者：

 tongshen2010 | 浏览次数：

144次

我想用一个摄像头获取外界图像，并处理这个图像，在不同颜色的情况，单片机获得不同的信号，用于其他控制，我应该怎么做？

比如用什么样的摄像头，用什么处理图像，需要些哪些知识，回答得好，有加分

我来帮他解答

2011-12-3011:

41

满意回答

如果只是学习，可以用聊天的摄像头就可以了。

如果是工业应用，则建议使用工业相机。

你有颜色检测，肯定得彩色相机，黑白是不太理想的。

摄像头几十几百的都有，工业相机，几百一两千的一两万的十几万的都有。

看你的需求。

如果仅仅只是颜色识别，无高速、无很细的颜色识别、仅普通的CMOS彩色相机就可以，如果有高速、或真彩识别，建议使用CCD或3CCD工业彩色相机。

获取图像后，要处理，图像方面，只需要一个颜色识别的函数。

如果是LABVIEW，一个控件就基本上解决了。

其它的图像处理工具，有HALCON、EVISION、VISIONPRO、uVISION、OPONCV等，其中OPENCV是开源的，不要钱。

当然，也可以自己写处理源代码，这个就要你有图像处理的功底。

图像处理完后，基本上返回给你颜色信息，你可以直接用显示控件来显示，也可以使用IO卡进行输出控制，如是红色Out1，是绿色Out2，蓝色，Out3……如果你的颜色很多，那么就需要很多IO点，当然也可以使用串口通讯等方式，直接把颜色信息写给单片机等，但是这种方式，只是增加了系统的复杂度。

一般的颜色识别，只需要使用电脑检测图像，判断颜色对不对，或者有什么颜色，然后进行显示、结果判断即可。

2

| 评论

向TA求助

回答者：

 mandyski 

基于视觉的移动机器人的控制系统组成框图是什么

2010-11-1214:

03

提问者：

 sgliaojia | 浏览次数：

697次

基于视觉的移动机器人的控制系统组成框图是什么，已知组成是视觉系统。

伺服系统。

处理器。

运动系统。

这四部分用框图表示出来是怎样的。

能详细说说每个的功能也行。

论文急需，高分悬赏

我来帮他解答

满意回答

2010-11-1700:

04

热心网友

这里有篇英文论文，框图与说明什么的都包括了。

机器人视觉

　　机器人视觉【robotvision】【】使机器人具有视觉感知功能的系统。

机器人视觉可以通过视觉传感器获取环境的二维图像，并通过视觉处理器进行分析与解释，进而转换为符号，让机器人能够辨识物体，并确定其位置。

机器人视觉广义上称为机器视觉，其基本原理与计算机视觉类似。

计算机视觉研究视觉感知的通用理论，研究视觉过程的分层信息表示与视觉处理各功能模块的计算方法。

而机器视觉侧重于研究以应用为背景的专用视觉系统，只提供对执行某一特定任务相关的景物描述。

机器人视觉硬件主要包括图像获取与视觉处理两部分，而图像获取由照明系统、视觉传感器、模拟－数字转换器与帧存储器等组成。

根据功能不同，机器人视觉可分为视觉检验与视觉引导两种，广泛应用于电子、汽车、机械等工业部门与医学、军事领域。

　　计算机视觉（robotmapping）