一種室內障礙物與地面分割的快速方法

卜　燕　王　姮　張　華　劉桂華　李志雄

(西南科技大學特殊環境機器人技術四川省重點實驗室，四川 綿陽　621010)

?

一種室內障礙物與地面分割的快速方法

卜燕王姮張華劉桂華李志雄

(西南科技大學特殊環境機器人技術四川省重點實驗室，四川 綿陽621010)

因地面含有豐富信息，常用來為室內移動機器人提供地圖創建與導航的環境信息。考慮到光線反射對地面造成的干擾較強，在相似顏色環境下地面區分的難度較大，因此將高強光反射區定義為“缺陷”進行檢測。利用其周邊信息填充缺陷，有效增強了地面顏色的統一性。結合HSV聯合密度進行彩色分割，利用地面位置區域特性，可準確獲得地面與障礙物間的分割。試驗表明，提出的方法具有運算簡單、范圍廣、準確度高、便于機器人實時避障等優點。

圖像處理圖像分割圖像識別地面分割顏色模型缺陷檢測缺陷填充彩色增強閾值分割二值化聯合概率

0　引言

地面信息以其易于獲取的特性，常用于室內移動機器人的地圖構建[1-2]、導航與定位[3-4]。王可等[5]引入三角形結構方法，有效地去除了非地面特征信息；Chia-How Lin[6]提出了基于地面的SURF特征匹配和自適應彩色分割相結合的方法；杜鵑根據金字塔連接算法，提出了彩色圖像自動分割算法[7]。

由于室內地面的反光作用，導致地面出現亮度不均勻的情況，包括強反光區、陰影區等。有的室內地面和室內障礙物顏色相近，采用簡單的直方圖統計分割不精確。

針對此問題，本文提出視強反光區域為“缺陷”[8]，進行缺陷檢測并填充的方法，以增大地面與障礙物的對比度。該方法采用聯合概率直方圖閾值化對圖像進行初分割，結合成像原理求取地面區域核心位置；再采用填充法獲得地面圖像，實現了對單調室內環境地面的快速分割。

1　顏色模型

基于彩色圖像的處理，對顏色空間模型的選擇至關重要。由于地面反光區域曝光度高，彩色信息為白色，故本文選用RGB模型進行對應“缺陷”的檢測及填充增強。同時，由于室內環境顏色單調， HSV分量與圖像的彩色信息無關，故適用于地面分割。

1.1RGB模型

RGB模型分為紅(R)、綠(G)、藍(B)3個顏色通道，基于由紅、綠、藍三原色光譜分量的笛卡爾坐標系組成的RGB模型坐標系統如圖1所示。圖1中，紅、綠、藍位于3個角上；青、品紅和黃位于另外3個角上。在該模型中，RGB彩色模型為圖像中每一個像素的RGB分量分配一個[0,255]范圍內的強度值，就可以使它們按照不同的比例混合，其灰度等級沿著{(0，0，0)，(255，255，255)}兩點連線分布。

圖1　RGB模型坐標系統Fig.1　Coordinate system of RGB model

1.2HSV模型

HSV模型由H、S和V這3個分量組成，如圖2所示。圖2中：H分量表示色調(hue)，S分量表示飽和度(saturation)，V分量表示亮度(value)。色調是描述純色的屬性，用角度度量，取值范圍為0°～360°。從紅色開始按逆時針方向計算，紅色為0°，綠色為120°，藍色為240°；作為它們的補色，黃色為60°，青色為180°，品紅為300°。飽和度用來表示純色被白光稀釋的程度，取值范圍為[0,1]，其值越大，顏色越飽和。亮度是一個主觀的描述子，范圍為[0,1]，表示色彩的明亮程度。

圖2　HSV色彩空間模型Fig.2　HSV color space model

1.3RGB到HSV的變換

對于任一幅RGB彩色格式的圖像，每一個RGB像素的H、S、V分量可用下式得到。R、G、B值的范圍為[0,1]。

V=max(R,G,B)

(1)

S=[V-min(R,G,B)]/V

(2)

(3)

如果所得的H<0，由于色調信息H的范圍為0°～360°，則H=H+360。

2　缺陷檢測及填充

利用地面亮白區域的RGB特性進行缺陷檢測并填充，可恢復地面信息。

①由RGB彩色模型可知，白色區域的R、G、B分量信息值都比較大，由此可采用RGB聯合閾值分割定位亮白區域。當R、G、B的值都分別大于該分量的閥值，則判定Ii,j為亮區域；否則，為暗區域。

(4)

式中：TR、TG、TB采用經驗閾值法，一般情況下均大于240。由于地面反射強光區面積集中，則缺陷檢測時規定區域像素點個數閾值為n=20。

②缺陷檢測的結果為不規則的一些白色區域，對其進行填充時，取缺陷區域中某點為中心，利用式(5)查找周邊內容距離最近的非缺陷像素點位置(K,T)，并復制其彩色信息，如式(6)所示。

(K,T)=argmin(‖(k,h)-(i,j)‖2)

(5)

(6)

缺陷填充如圖3所示，箭頭方向代表了缺陷填充的方向。

圖3　缺陷填充示意圖Fig.3　Schematic diagram of defect filling

3　基于位置區域的分割

3.1聯合HSV閾值分割

針對已增強的圖像，地面彩色特征明顯，利用RGB轉換為HSV分量后，為了得到比較好的灰度圖及其直方圖，將這3個分量的范圍都調整至[0,255]。用Otsu提出的最大類間方差法求出各分量的自適應閾值Hth、Sth、Vth,再利用聯合概率閾值分割進行二分化。對于輸入圖像f(x,y)，定義輸出圖像如下：

(7)

Kth=αHth+βSth+γVth

(8)

式中：聯合概率Kth由式(8)獲得，通過調整控制因子α、β、γ,可以改變其分割性能。

3.2基于位置區域的地面判定

聯合H、S、V閾值分割，可得到大面積的地面分割圖，其中，部分空間存在噪聲。由成像原理可知：地面區域位于一副圖像中的從下往上延伸部分。在機器人行走過程中，當遇到紙盒和水杯時，其背后的地面都不能判定為可行走區域。

本文只判定當前位置可行走的地面區域，因此定義地面分割界限的上半部分都為障礙物。采用由下而上的形態學法填充圖像，最終可得到圖像下半部分連通的地面區域，適用于機器人導航。

4　試驗與分析

試驗圖像在單調顏色環境中的試驗室中采集得到。首先對可能出現亮白區域圖進行缺陷檢測與填充，原圖中因反射燈光及窗外光線在地面形成的亮白區域及燈光、窗戶光源體都能被有效檢出；接著，檢測到的缺陷區域用四周信息進行迭代填充，燈光由周邊天花板信息組成，窗戶由相鄰的墻壁填充得到，地面區域由周邊地面信息迭代得到。

在缺陷檢測填充過程中，強燈光區域分割精確，地面填充區域與整體地面信息吻合，具有較高的真實性，保證了地面元素的一致性。同時，缺陷填充圖像的均方差和平均灰度值減小，總像素和中97%的像素所占灰度值范圍減小，為分割減少了強光干擾，提高了地面與障礙物間的區分度。彩色增強對比如表1所示。

表1　彩色增強對比表Tab.1　Contrast of color enhancement

填充缺陷后聯合H、S、V的閾值分割得到的二值圖像表明，地面和障礙物交接處分割完整，地面噪聲少，可用于位置區域判定障礙物區域。與單閾值H分量的分割結果相比，地面區域中噪聲多。本文的分割算法能取得較精確的結果，使地面劃分區域更連續。

結合地面在圖像中從下往上的成像原理，以地面與障礙物相鄰處為界，采用連通區域劃分，獲得地面與障礙物分割結果。其中：地面區域為黑色，障礙物區域為原始色彩圖像。

試驗還針對地面區域不規則情景進行了處理，地面區域位置仍然是從下往上，地面與障礙物分割精確，證明了本方案的廣泛性和有效性。除此之外，本文提出的算法都是線性變換，運算復雜度小，易于實現。

5　結束語

本文對室內單調彩色圖像地面識別展開研究。首先，針對出現高亮光斑的地面，采用基于RGB聯合閾值分割法檢測光線反射引起的地面高強光區域“缺陷”，通過填充缺陷增加了地面的統一性、提高了地面與障礙物的對比度。然后，利用彩色分量聯合閾值進行初分割，得到地面的核心區域；結合地面在圖像中成像位置的特殊性進行區域連通，實現了地面分割。

試驗證明，本文提出的方法解決了地面缺陷、單調色彩圖區分度低的問題，能為機器人導航提供快速的行走區域判定，具有重要的實用價值。下一步工作將研究地面和不同障礙物的分割，以實現更明確的移動機器人定位。

[1] 王鋒，程敏，陳小平.面向機器人室內建圖的RGB_D圖像對齊算法[J].機器人,2015,37 (2):129-135.

[2] 楊鴻，錢堃，戴先中,等.基于Kinect傳感器的移動機器人室內環境三維地圖創建[J].東南大學學報(自然科學版),2013,43(S1):183-187.

[3]PANAHANDEHG,JANSSONM.Vision-aidedinertialnavigationbasedongroundplanefeaturedetection[J].IEEE/ASMETransactionsonMechatronics2014,16(4):1206-1215.

[4]PANAHANDEHG,MOHAMMADIHAN,JANSSONM.Groundplanefeaturedetectioninmobilevision-aidedinertialnavigation[J].IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,2012：3605-3611.

[5] 王可，賈松敏，李秀智，等.基于地面特征的移動機器人單目視覺里程計算法[J].光學學報,2015,35(5): 245-251.

[6]LINCH,JIANGSY,PUYJ，etal.Robustgroundplanedetectionforobstacleavoidanceofmobilerobotsusingamonocularcamera[C]//The2010IEEE/RSJInternationalConferenceonIntelligentRobotsandSystems,2010:3706-3711.

[7] 杜娟，李文鋒.基于金字塔連接算法的彩色圖像分割[J].武漢理工大學學報,2006,28(1):112-114.

[8]FRIEDO,SHECHTMANE,GOLDMAND，etal,FindingDistractorsInImages[C]//IEEEInternationalConferenceonComputerVisionandPatternRecognition,2015:1703-1712.

Fast Method for Segmenting Indoor Obstacle with Ground

The ground is usually used to provide environmental information of map creation and navigation for indoor mobile robots because it contains rich information.Considering the strong interference caused by light reflection,it is difficult to distinguish the ground surface under similar color environment,so the high intensity light reflection areas are defined as “defect” to be detected.By filling defect with its periphery information,the ground color uniformity can be effectively enhanced.Combining with the HSV joint density,color segmentation is conducted,and using regional characteristics of ground position,the segmentation of obstacle with ground is obtained precisely.Experiments show that the proposed approach features simple operation,wide range,high precision,and ease to implement obstacle avoidance for robot in real time.

Image processingImage segmentationImage recognitionGround segmentationColor modelDefect detectionDefect fillColor enhancementThreshold segmentationBinarizationJoint probability

卜燕(1990—)，女，現為西南科技大學控制科學與工程專業在讀碩士研究生；主要從事圖像處理方向的研究。

TH181;TP391

ADOI:10.16086/j.cnki.issn 1000-0380.201610004

四川省教育廳重點基金資助項目(編號：14ZA0096);

四川省科技支撐計劃基金資助項目(編號：2015GZ0035)；

四川省科技創新苗子工程基金資助項目(編號：2015024)；

四川省重點實驗室開放基金資助項目(編號：13zxtk05)；

西南科技大學研究生創新基金資助項目(編號：15ycx119)；

西南科技大學創新團隊基金資助項目(編號：14tdtk01)。

修改稿收到日期：2016-01-22。