基于方向引导优化的视觉导航方法-姜德晶.pdf

《基于方向引导优化的视觉导航方法-姜德晶.pdf》由会员分享，可在线阅读，更多相关《基于方向引导优化的视觉导航方法-姜德晶.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于方向引导优化的视觉导航方法木姜德晶1，孙涛12，秦录芳1(1徐州工程学院机电工程学院，江苏徐州221111；2南京航空航天大学机电学院，江苏南京210016)摘要：为解决主动视觉导航在复杂路况条件下精度较差的问题，提出了一种基于方向引导优化的主动视觉导航参量计算方法。首先，建立了车辆物理坐标系与视觉图像坐标系的变换方程，通过Canny算子对视频图像进行初步的车道边缘线和道路标志线检测；接着，基于方向引导优化有效降低了阴影、积水等杂波对检测性能的干扰，并通过闽值优化的广义Hough变换实现车道线的内外边缘及道路标志线的精确检测；最后，基于检测结果计算出用于导航的中心引导线、偏离角度、距离等参

2、量。实验结果表明，该方法能够有效且精确地获取主动导航系统的偏移参量。关键词：计算机视觉；主动导航；道路边缘线检测；道路标志线检测；偏移参中图分类号：TN94；7rP242 文献标识码：A D0l：10161571jissn02587998172745中文引用格式：姜德晶，孙涛，秦录芳基于方向引导优化的视觉导航方法J】电子技术应用，2018，44(2)：52-54，58英文引用格式：Jiang Dejing，Sun Tao，Qin LufangDirection guided optimization based vision navigation methodJApplication ofEl

3、ectronic Technique，2018，44(2)：52-54，58Direction guided optimization based vision navigation methodJiang Dejin91，Sun Ta01一，Qin Lufan91(1School of Mechanical and Electrical Engineering，Xuzhou Institute of Technology，Xuzhou 221 1 1 1，China；2College of Mechanical and Electrical Engineering，Nanjing Unive

4、rsity of AeronauticsAstronautics，Nanjing 210016，China)Abstract：In order to solve the problem of poor precision of active vision navigation in complex road conditions，a new directionguided optimization based vision navigation method is proposedFirstly，the transformation equations of the vehicle physi

5、cal coordi-nate system and the visual image coordinate system are established，and the detection of video image by Canny operator is proposedSecondly，the shadow and water clutter on the detection performance interference is reduced based on the direction optimization，and the road sign line，inner and

6、outer edge are accurately detected based on the generalized Hough transform threshold optimizationFinally，the center guide line for navigation，the deviation angle and the distance are calculated based on the test experimentThe experimental results show that the proposed method can effectively and ac

7、curately obtain the offset parameters of activenavigation systemKey words：computer vision；active navigation；road edge detection；road mark detection；offset parameter0引言基于计算机视觉技术的视觉导航技术是人工智能领域的研究重点和热点111。同传统的卫星定位(GPS)导航技术相比，基于视觉的导航方法具有实现方式灵活、性价比高、实时性好、导航快速精确等优点2-31。但是，现有的视觉导航系统多数都是基于固定摄像机的限定视角导航方法，这类导

8、航系统只能适用于在直线行驶或者小弯度行驶情况，一旦出现大弯度转弯，道路会偏离摄像机视场，导致路径导航线丢失、导航失效4-51。为改善这种视角范围的局限，传统解决方法主要是将固定的摄像机改为广角镜头摄像机，增大视场范围161，但是广角摄像机的图像畸变严重，对图像前期的处理精度和速度基金项目：国家自然科学基金项目(51405418)；江苏省科技计划项目(BC20140071)52 欢迎网上投稿WWWChinaAETcorn的要求严格，同时，增加了大量的图像干扰信息，为后续的图像处理增加了较大的难度。近年来，有学者提出了一种主动视觉智能导航方法71，借鉴人类观察道路时的眼球转动机理，将摄像机安装在可

9、旋转控制云台系统上，通过一定的反馈控制，实时修正摄像机焦点和行驶路线正前方的夹角，保证行驶路线一直处于摄像机视角范围内。由于该方法在保证视角清晰的前提下，大幅扩展了摄像机的视角范围，近年来在目标跟踪81、人脸检测61等领域得到了较多的研究和应用。其中，如何精确获取导航参量是主动视觉导航系统的关键问题之一91。传统的计算方法主要通过预先设置的高精度标定参照物，通过空间图像和平面图像的有效映射关系求取相关的参量值，该类方法标定精度高，但是应用范围有限且标定复杂，不利于变化场景的导航【10l。文献【11】提出了电子技术应用2018年第44卷第2期万方数据基于视觉图像的自计算方法，该方法通过前端获取的

10、视频帧图像进行系统参量的计算，利用Kruppa方程和分层逐步标定的方式实现了导航参量的计算，该方法灵活性强、使用范围较广，但是计算精度和鲁棒性较差，在背景存在干扰的情况下计算误差较大，甚至引起导航失败【121。文献【13】利用相机进行可控运动，通过约束运动的性质来实现导航参量的计算，提升了主动视觉导航的参量计算精度和鲁棒性。在此基础上，先后发展出了旋转计算方法114I、平面正交计算方法1151以及基于无穷远平面单应性矩阵1161的计算方法。该类方法计算精度高、鲁棒性好，但是该类方法需要计算的参量过多且计算复杂，在实时导航系统中很难应用。文献【17】在此基础上进一步对计算复杂性进行优化，利用二维

11、频移运动的相对计算方法求解线性模型的部分参数，并通过畸变的方法引入非线性优化，有效地简化了计算过程，但是这种非线性畸变的过程对系统的初值和噪声都非常敏感，计算稳定性较差。针对这些问题，本文提出了一种基于方向引导优化的主动视觉导航参量计算方法。该方法的实现过程可以大致概括为三个步骤：(1)坐标系的变换。为了实现理论计算与实际导航系统的高精度拟合，首先给出了车辆物理坐标系与视觉图像坐标系的变换方程。(2)车道边缘线的精确检测。精确地获取车道边缘线是进行视觉导航的前提，为了解决道路积水、阴影等背景干扰问题，在传统Canny算子初步检测的基础上，提出了方向引导优化的方法。(3)大曲率弯道线精确检测问题

12、。为了保证在大曲率转弯情况下车道线的精确检测问题，在前期优化的基础上，提出了基于直线与曲线阈值优化的广义Hough变换方法，对不同曲率的线段进行优化选择，精确检测道路标志线和边缘线，实时计算和修正导航中心引导线的偏离角度。1坐标变换坐标变换是进行视觉导航实现的首要条件，为了实现图像坐标与实际车辆物理坐标的意义映射，本文基于车辆行驶的实际道路环境构建坐标系，将摄像机中心定为坐标原点，X轴为车辆行驶方向，l，轴为行驶方向的正左方，将控制云台的纵向轴设置为Z轴。为便于后续云台控制的分析，将车辆物理坐标系获取的图像表示为(辫，yr，z，)，相应的像素坐标系可以表示为(“，”)，图1表示了坐标变换前后之

13、间的关系，具体的变换关系计算如下10I：pU=。4丘。l (1)其中，P为常数，u=M口1】T，x=Y，z，l】，鸲。为系数矩阵。由于车辆导航过程中需要检测的道路标志线一直处于平面状态(z，=0)，为方便计算，可将坐标系重新修正为x,Oy，坐标系，将式(1)重新计算为：电子技术应用2018年第44卷第2期面图1坐标系变换示意图pU=M3。3恐。l (2)式中，墨。1=Ix，Y，1】7。一lX3。l=pM3。3 U (3)2道路边缘检测及方向引导优化实现21方向引导优化实现首先通过Canny算进行初步检测，获取图像边缘信息以后，保留图像中的轮廓信息，但是由于阴影、积水和路面裂缝等路面特征的干扰，

14、导致杂波轮廓信息同样得到了保留，因此，该部分主要采用方向引导搜索优化去除阴影干扰114】。假设摄像机前端获取的图像被划分为33图像块，当前像素点(如图2(a)中的灰色中心点)具有8个邻接的像素。为说明搜索的方向性，假设目前的像素处于左车道，则车辆行驶的方向只有3个方向，如图2(a)所示。同样，处于右车道也具有3个行驶方向，如图2(b)所示。 蕊l巾)，I(亭)l “鲑图2方向引导搜索不恿图根据车辆在道路上的行驶规则，可以定义为最优选择方向为900、次优选择为45。、级别最低为00，以车辆在左边车道行驶为例给出搜索过程描述如下tSl。(1)以图像的左下角为参考进行平面扫描，如果当前像素判定为边缘

15、，记录并创建候选线段；否则，继续扫描直到找到边缘点，并执行第(2)步。(2)根据方向优先原理进行扫描，判定边缘点在3个方向中的位置并记录坐标，继续扫描，直到结束；如果3个方向均未扫描到边缘点，则跳转第(3)步。f3)遍历整幅图像，寻找新的边缘点，直到结束。上面的方向优先搜索完成以后，可以建立线段集合，并记录每一条线段的起始坐标。22导航参量的计算在21小节检测的基础上，为进一步精确引导车辆的行驶，需基于检测的边缘线和道路标志线进行导航中53万方数据心引导线的提取以及偏离角度的计算。首先采用图像重心分割的方法获取精确的导航引导线【16】，具体如图3所示。,tgA心0心BD(a)图像分割示 (b)

16、检测直线角度计算图3导航中心引导线计算示意图通过计算两个标志线以内的图像(包括边缘线与标志线以内的图像，主要是机器人行驶路线所在的边界标志)的重心，基于中心的纵坐标进行二次分割，获取上下图像的中心A和日点，直线AB即为机器人行驶区域内的中心引导线。如图3(b)所示，0为该帧图像的整体重心，-和，2主要用于偏离角度的计算。具体的计算过程如图4所示。y。 -厂 辩。弋引 j僧矾用aj消影点p。 。|“o一，o D| ； i(a)行驶偏角计算 (b)行驶偏距计算图4行驶机器人偏角，偏距计算示意图为计算机器人的行驶偏角及偏距，在获取机器人引导线以后，利用线段端点坐标及长度画圆，并结合线段另一端点像素所

17、在的坐标位置，计算引导线的偏角。实验中，首先将机器人放置在行驶的路段进行引导线初始化，利用图3(a)拟合道路引导线，进而基于图3(b)计算引导线的线性方程，并确定其具体的位置m。以相机为D点，基于，-和，2计算机器人的位置偏移D和偏角ot。3实验与结果分析为验证本文方法的有效性，该部分主要针对路况复杂的弯道行驶进行分析，视频帧图像大小为400像素300像素。图5(a)所示为在校园内弯道测试实验现场获取的弯道导航图像，图5(b)为本文优化后的检测结果。4?71i3呻j竹一-、图5弯道路线检测结果表1为弯道视频帧序列计算结果平均比较结果，从表中可以看出在弯道行驶情况下，3种方法的计算精度54 欢迎

18、网上投稿wwwChinaAETcorn表1弯道路线计算结果比较(平均值)导航参量计算方法 偏航角，(。) 行驶偏距，像素真实值 计算值 真实值 计算值均有所下降，其中，文献13】和文献17的性能明显变差，而本文方法针对该序列的计算精度仍然保持了相当高的精度，平均偏航角度的计算误差控制在15。以内，平均行驶偏距控制在5个像素左右。4结论本文主要针对主动视觉导航系统参量的计算方法展开研究，提出了一种基于方向引导优化的主动视觉导航参量计算方法。该方法是在文献13】的基础上进行优化和改进，利用主动视觉相机的运动可控性进行参量的计算。通过对传统Canny算子检测结果进行方向引导优化以后，明显降低了道路阴

19、影、路面积水等杂波的干扰，在此基础上，进一步采用阈值优化的广义Hough变换方法对检测结果进行分类优化，实现车道线的内外边缘及道路标志线的精确检测。实验结果表明，本文方法在弯道行驶情况下导航参量的计算精度明显提升，具有优秀的性能指标。参考文献【1姬长英，周俊农业机械导航技术发展分析【J农业机械学报，2014，45(9)：4542】李林，魏新华，朱文静，等机器视觉辅助导航系统研究【J】农业机械学报，2015，46(5)：17【3张志斌，罗锡文，周学成，等基于Hough变换和Fisher准则的垄线识别算法J中国图象图形学报，2007，12(12)：216421684】GUERRERO J M，GU

20、IJARRO M，MONTALVO M，et a1Automatic expert system based on images for accuracy croplOW detection in maize fieldsJExpert Systems with Applications，2013，40(2)：656-6645WALKER J S，CHEN Y JImage denoising using tree basewavelet subband correlation and shrinkingJOptical Engineefing，2000，39(11)：29002908【6】j

21、i Wei，Zhao Dean，Cheng Fengyi，et a1Automatic recognition vision system guided for apple harvesting lobotJComputers and Electrical Engineering，2012，38(5)：1 186一1195【7Li Bin，Wang MaohuaIn-field recognition and navigationpath extraction for pineapple harvesting robotsJ】IntelligentAutomation&Soft Computi

22、ng，2013，19(1)：920【8】Wei Xiangqin，Jia Kun，IJan Jinhui，et a1Automatic methodof fruit object extraction under complex agricultural back一(下转第58页)电子技术应用2018年第44卷第2期万方数据显示模块、不同规格的样品测试管等控制测量元件，实现了对不同物质旋光特性的准确测量。基于Android和PHP的远程监控系统实现了对样品检测数据的远程管理和监控，数据查询速度快，管理方便。将设计研制的系统用于蜂蜜检测，针对市场上常见的蜂蜜掺假类型，如在原蜜中掺入蔗糖、果糖、果

23、葡糖浆以及明矾勾兑等，实际检测结果表明系统可以有效检测蜂蜜是否掺假并判定掺假类型。与传统手动旋光仪相比，本智能旋光检测系统克服了采用半波片产生三分视界方法存在的人为经验误差大、测试时间长的弊端【101。与传统的蜂蜜检测采用的高效液相色谱示差折光法、碳稳定同位素分析法、核磁共振法等11-14相比，本智能旋光检测系统操作便捷，结果可靠。此外，远程监控管理功能可为食品安全部门对蜂蜜质量的监测提供有效帮助。参考文献【1】张旭，亓学广，李世光，等基于STM32电力数据采集系统的设计J】电子测量技术，2010，33(11)：9093【2】李俊男，苏杨，薛端，等基于S7IM32温度及光敏无线传感器设计【J】

24、中国科技信息，2016(9)：8386，16【3李玉，廖平基于STM32的大型转子振动信号采集系统的设计【J仪表技术与传感器，2015(12)：6567，714】张从鹏，赵康康基于STM32的串13服务器系统开发J仪表技术与传感器，2016(1)：7375【5】高琴，刘淑聪，彭宏伟步进电机控制系统的设计及应用J】制造业自动化，2012，34(1)：150152【6】荆海霞，李洪义一种智能晾衣架系统的设计J机电一体化，2016，22(7)：5760【7魏印龙，张向阳，孑L令扬基于AT89C51单片机的步进电机控制系统设计【J】科技广场，2016(8)：1841898】王建中，黄林，王伶俐，等基于

25、LabVIEW的“马吕斯定律验证”实验J】大学物理实验，2011，24(4)：66699陈伟，乔勇升，袁华峰离子色谱法检测蜂蜜中淀粉糖浆【J】食品工业，2016(4)：281283【10】方跃春，周志光，刘凯，等基于彩色光频转换器的新型旋光仪设计【J】化工自动化及仪表，2010，37(11)：56-58【11】姚庆伟，李锋掺假蜂蜜的快速鉴定【J】食品工业科技，1998(5)：646512SANZ M L，SANZ J，MARTINEZCASTRO IGas chro-matographicmass spectrometric method for the qualitativeand quan

26、titative determination of disaccharides and tfisaccharides in honeyJJournal of Chromatography A，2004，1059(1)：143148【13】TOSUN MDetection of adulteration in mulberry pekmezsamples added various sugar syrups with 13C12C isotoperatio analysis methodJFood Chemistry，2014，165(2-3)：55514】BERTELLI D，LOLLI M，

27、PAPOTH G，et a1Detection ofhoney adulteration by sugar syrups using one-dimensionaland two-dimensional high-resolution nuclear magneticresonanceJJournal of Agricultural&Food Chemistry2010，58(15)：84958501(收稿171期：20170719)作者简介：张子豪(1996一)，男，本科，主要研究方向：通信、物理电子技术。杨虹(1965一)，女，硕士，副教授，主要研究方向：物理、光电检测技术与应用。陈丹(1

28、988一)，女，硕士，主要研究方向：光电传感及检测技术。+-。+_-一-卜-+一一-卜一+-+-+-+-+一+一-+一+一+-+一+一+-+-+一+一+-+一+-+-+-+-+-+-+-+-+-+-+-+-+一+-+-+-+-+-+一+一-+-+-+-4-+(上接第54页) 141 DANG T，HOFFMANN C，STILLER CContinuous stereoground for vision system of fruit picking robotJOptikInternational Journal for Light and Electron Optics，2014，125(

29、19)：5684-5689【9】Tang Jinglei，Jing Xu，He Dongjian，et a1Visual navigationcontrol for agricultural robot using serial BP neural networkJTransactions of the Chinese Society of Agricultural Engi-neefing，2011，27(2)：19419810】李景彬，陈兵旗，刘阳棉花铺膜播种机导航路线图像检测方法J】农业机械学报，2014，40(1)：404511张征明，卢伟，陆静霞基于快速伪球滤波的智能拖拉机视觉导航中

30、场景去雾方法J机器人，2015，37(5)：603613【12李颢，杨明基于非线性逆透视变换的摄像机畸变参数标定【J】上海交通大学学报，2008，42(10)：1136-1139【13】Su JianboCamera calibration based on receptive fieldsJPattern Recognition，2007，40(10)：2837284558 欢迎网上投稿WWWChinaAETcoalsell一calibration by camera parameter trackingJIEEETransactions on Image Processing，2009，1

31、8(7)：1536155015】胡占义，吴福朝基于主动视觉摄像机标定方法【J】计算机学报，2002，25(11)：1149115616BAKKER T，WOUTERS H，ASSELT K V，et a1A visionbased row detection system for sugar beetJComputersand Electronics in Agriculture，2008，60(1)：879517】朱嘉，李醒飞，徐颖欣摄像机的一种主动视觉标定方法J】光学学报，2010，30(5)：12971303(收稿13期：20170620)作者简介：姜德晶(1965一)，女，硕士，教授，主要研究方向：计算机视觉、智能视觉导航。孙涛(1981一)，男，博士，副教授，主要研究方向：工业自动化及视觉检测技术。秦录芳(1981一)，女，硕士，副教授，主要研究方向：机器视觉、工业自动化。电子技术应用2018年第44卷第2期万方数据