發(fā)布時(shí)間：2018-04-14 11:02

  本文選題：視覺導(dǎo)引 + 路徑提取　； 參考：《農(nóng)業(yè)機(jī)械學(xué)報(bào)》2017年10期

【摘要】：針對復(fù)雜光照條件下視覺導(dǎo)引AGV的路徑提取問題,提出一種基于光照色彩模型的自適應(yīng)圖像照度分區(qū)閾值分割方法。首先研究光照照度與圖像亮度分量的關(guān)系,通過統(tǒng)計(jì)復(fù)雜光照條件下的圖像色彩分布建立光照色彩模型。其次根據(jù)光照色彩模型將導(dǎo)引路徑圖像劃分為不同照度區(qū)域。然后在RGB色彩空間對低照度區(qū)域進(jìn)行圖像增強(qiáng)以還原路徑色彩信息,在高亮光區(qū)域?qū)ι确至緾b與Cr進(jìn)行差分運(yùn)算以抑制共模照度干擾,最后對不同照度區(qū)域分別進(jìn)行自適應(yīng)閾值分割。大量實(shí)驗(yàn)結(jié)果表明,在光照環(huán)境中同時(shí)存在高反光和暗陰影的運(yùn)行路面,該路徑提取方法具有較強(qiáng)的復(fù)雜光照適應(yīng)性,可顯著降低在高反光和暗陰影區(qū)域的欠分割及過分割誤差,對導(dǎo)引路徑的識別率為98%。
[Abstract]:Aiming at the path extraction problem of AGV guided by vision under complex illumination conditions, an adaptive image illumination partition threshold segmentation method based on illumination color model is proposed.Firstly, the relationship between illumination intensity and image luminance component is studied, and the illumination color model is established by statistical analysis of image color distribution under complex illumination conditions.Secondly, according to the illumination color model, the guided path image is divided into different illumination regions.Then the low illuminance region is enhanced in the RGB color space to restore the path color information, and the chrominance component CB and Cr are differentially calculated in the high luminous region to suppress the common-mode illumination interference.Finally, adaptive threshold segmentation is carried out for different illumination regions.A large number of experimental results show that there are both high reflectance and dark shadows in the running road surface in the illumination environment, and the path extraction method has a strong complex illumination adaptability.The under-segmentation and over-segmentation errors in high reflection and dark shadow areas can be significantly reduced, and the recognition rate of guidance path is 98%.
【作者單位】： 南京航空航天大學(xué)機(jī)電學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61105114) 中國博士后科學(xué)基金項(xiàng)目(2015M580421) 江蘇省科技支撐計(jì)劃項(xiàng)目(BE2014137) 江蘇省博士后科研計(jì)劃項(xiàng)目(1501103C) 江蘇省產(chǎn)學(xué)研前瞻性聯(lián)合研究項(xiàng)目(BY2015003-11) 中央高�；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目(NS2016050)
【分類號】：TP242;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黎燕;樊曉平;李剛;;一種新的閾值分割方法[J];小型微型計(jì)算機(jī)系統(tǒng);2006年11期

2 李紅巖;;基于空間二進(jìn)制編碼的閾值分割方法研究[J];計(jì)算機(jī)仿真;2008年07期

3 胡錦美;李佐勇;張祖昌;;基于等周理論的自動(dòng)多級閾值分割方法(英文)[J];系統(tǒng)仿真學(xué)報(bào);2013年01期

4 何龍;趙勇;;二維最大相關(guān)準(zhǔn)則閾值分割的快速算法[J];電子技術(shù)應(yīng)用;2008年07期

5 齊全;趙慶展;李曼青;;閾值分割在糖尿病性視網(wǎng)膜病變早期診斷中的應(yīng)用[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

6 林金泉;張娜;王緒本;;基于閾值分割的簡牘文字圖像處理研究[J];科技通報(bào);2012年06期

7 沈明霞,李秀智,姬長英;水果品質(zhì)檢測中的模糊閾值分割方法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2003年05期

8 陳小宇,賀賽先,喬翠蘭,汪瑞祥,尹建武;一種提取模糊圖像邊緣區(qū)域的雙閾值分割方法[J];黃岡師范學(xué)院學(xué)報(bào);2003年06期

9 張龍;余玲玲;劉京南;;一種改進(jìn)的最大熵閾值分割方法[J];電子工程師;2006年11期

10 張勇;汪榮貴;吳昊;周良;;改進(jìn)的圖譜理論閾值分割方法[J];中國圖象圖形學(xué)報(bào);2011年06期

相關(guān)會(huì)議論文 前1條

1 浦昭邦;楊照華;祁振強(qiáng);;基于遺傳優(yōu)化的一種新型閾值分割方法[A];首屆信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2003年

相關(guān)博士學(xué)位論文 前2條

1 王駿;無監(jiān)督學(xué)習(xí)中聚類和閾值分割新方法研究[D];南京理工大學(xué);2011年

2 陽樹洪;灰度圖像閾值分割的自適應(yīng)和快速算法研究[D];重慶大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉慧平;基于視覺導(dǎo)引的AGV系統(tǒng)研制[D];中國計(jì)量大學(xué);2016年

2 張洪星;基于halcon的汽車點(diǎn)火線圈檢測[D];黑龍江大學(xué);2015年

3 張秀梅;基于閾值分割的鑄件缺陷提取[D];燕山大學(xué);2009年

4 潘東杰;復(fù)雜條件下基于閾值分割的紅外弱小目標(biāo)檢測和跟蹤[D];西安電子科技大學(xué);2010年

5 石佶;基于小波分析和閾值分割的織物疵點(diǎn)檢測[D];蘇州大學(xué);2013年

6 林琳;基于雙目立體視覺的AGV導(dǎo)航技術(shù)研究[D];西安理工大學(xué);2007年

7 楊繼亮;基于雙閾值分割的玻璃缺陷特征提取方法研究[D];中北大學(xué);2012年

8 范玉雷;復(fù)雜背景下的紅外弱小目標(biāo)檢測[D];西安電子科技大學(xué);2008年

9 郭志壯;視頻中運(yùn)動(dòng)目標(biāo)的檢測與跟蹤算法研究[D];浙江工商大學(xué);2014年

10 黃世濤;基于數(shù)字圖像處理技術(shù)的硅片結(jié)晶度檢測[D];南京航空航天大學(xué);2012年

，

本文編號：1749003