自主移動(dòng)機(jī)器人環(huán)境圖像識(shí)別方法研究.pdf

1、伴隨著計(jì)算機(jī)技術(shù)的不斷開拓和對(duì)人類感知機(jī)理研究的不斷發(fā)展,智能移動(dòng)機(jī)器人的先進(jìn)控制成為了學(xué)術(shù)界關(guān)注的熱點(diǎn)。賦予機(jī)器人“看”的能力是機(jī)器人視覺研究的主要問題之一。機(jī)器人利用視覺實(shí)現(xiàn)對(duì)環(huán)境的識(shí)別是一個(gè)復(fù)雜的過程,因此,研究識(shí)別率高、抗噪能力強(qiáng)、魯棒性好的圖像識(shí)別方法對(duì)移動(dòng)機(jī)器人研究領(lǐng)域具有重要意義和理論價(jià)值。
　　本文首先對(duì)機(jī)器人采集環(huán)境圖像的預(yù)處理方法進(jìn)行了研究:
　　(1)研究了對(duì)原始圖像的增強(qiáng)方法。采用分段線性函數(shù)和直方圖

2、處理對(duì)光線暗的圖像增強(qiáng)對(duì)比度;然后對(duì)含噪聲的模糊圖像進(jìn)行去噪研究,對(duì)比了常用的幾種去噪方法,并采用了一種改進(jìn)的閾值折中小波去噪的方法進(jìn)行降噪。實(shí)驗(yàn)證明,該方法能夠得到較理想的降噪效果。
　　(2)采用了不同的模板對(duì)圖像進(jìn)行邊緣提取以及二值化處理,并進(jìn)行了實(shí)驗(yàn)比較及分析,為后續(xù)圖像識(shí)別做好了充分準(zhǔn)備。
　　其次,對(duì)環(huán)境圖像識(shí)別、分類的方法進(jìn)行了研究:
　　(1)采用SIFT(Scale-invariant feature

3、 transform)特征提取的方法,建立圖像金字塔,提取圖像的邊緣特征,然后采用特征點(diǎn)之間的最近歐氏距離進(jìn)行識(shí)別。而后在此基礎(chǔ)上,本文從實(shí)時(shí)性方面進(jìn)行了改進(jìn):①在特征點(diǎn)進(jìn)行歐氏距離的匹配的時(shí)候加入一個(gè)閾值,將那些不匹配的點(diǎn)可以直接濾除,不必進(jìn)行復(fù)雜的128次差平方運(yùn)算;②在建立圖像金字塔的時(shí)候沒必要一直進(jìn)行到最后一組足夠小為止,本文通過實(shí)驗(yàn)得到第4組的時(shí)候特征點(diǎn)的總數(shù)就不再增加了,不需要一直計(jì)算下去,所以節(jié)省了運(yùn)行的時(shí)間。實(shí)驗(yàn)證明了這