首先提出了一种能够充分利用视觉传感器提供的色彩信息的彩色背景差方法。该方法克服传统的灰度背景差方法在光照影响、阈值设定方面的不足,通过定量描述两种颜色之间的差别,并根据这种差别的大小将视野中的目标从背景中分离出来。同时,分析了这种彩色背景差在实现效率上面临的问题,并提出了相应的简化算法。利用一种用基于学习的方法计算图像中特定色彩的参数彩色图像中不同颜色在色调、饱和度、亮度方面的统计学规律,从而根据这些规律对前景进行颜色识别,将彩色图像转换为颜色标号矩阵。该算法对光照影响具有较低的敏感度。
接着提出了一种能够对颜色标号矩阵中凸区域边界进行识别的快速边缘检测算法,。该算法从区域中一点出发,能够寻找并标记组成该区域的每行上区域的边界点,并通过对色块的边缘提取达到识别相应颜色标志的目的。针对该算法只能处理凸区域的不足,本文还提出了一种基于八邻域模板的边缘检测算法,通过对一个像素的八个邻域状态进行分析,确定不同状态组合下的边缘走向,从而逐个寻找区域的边缘点,算法的时间复杂度远低于传统的边缘检测算法。
最后,提出了一种根据多个颜色标志计算机器人位姿的方法。该方法可以保证在至少有两个标定点可见的情况下,正确计算轮椅的位置和朝向。
以上提出的所有算法针对嵌入式系统进行了优化并在iMote2嵌入式节点上实现,并在实验中验证了其正确性,获得了较好的效果。
1