AGV视觉导航标识线边缘特征提取研究

AGV(AutomatedGuidedVehicle)即自动导引小车，是-种无人驾驶能够遵循计算机系统指令，按预设程序，沿规定的路径行驶的运输小车 ↑年来，随着机器视觉和数字图像处理技术的发展 ，基于视觉导航的 AGV发展迅速，逐渐成为人们研究的热点。

研究是基于标识线图像识别的导航方法，该方法对于引导路径的设置和变更更加容易、技术成本较低，并且有着处理速度快、实时性好的优点。对导航标识线边缘特征的提萨行了研究，具体研究了标识线特征提取的算法，并利用 vC对算法进行了实验 ，验证了该方法可以有效的进行边缘特征提龋2导航线的边缘特征提取算法描述2.1用迭代阈值选择法对图像进行阈值分割阈值分割是确定-个阈值把导航标识线从原图像的背景中分割出来 ，以方便进行平滑处理和边缘检测。对采集到的图像进行阈值分割之 目的是将感兴趣的导航标识线区域从原图中分割出来。阈值分割就相当于对图像进行了二值化处理，增强了前景和背景对比度，这样将利于找出导航标识线的边缘。

阈值分割的中心思想是确定-个阈值，接着将图像中的每个像素点与阈值进行比较，依据比较结果将该像素点划为前景或背景。因此可以说阈值分割的效果直接撒于对阈值的选择。选择迭代选择阈值法对图像进行阈值分割。

迭代选择阈值法的基本思想如下：选取-个阈值作为最初始的估计值，接着依据某-种规则对这-估计值进行不断的更新 ，直到能满足预先给定的条件为止。这个迭代过程的关键之处在于迭代规则的选择。-个优秀的迭代规则应该既能快速收敛，同时每-次迭代的结果应优于上-次迭代的结果。

(3)计算区域日 和日：中的全部像素的平均灰度值 U。和U：。

(4)计算新的阈值： 1，2( ：) (1)(5)重复(2)-(4)的步骤，直到迭代得出的阈值小于事先定义出的参数来稿日期：2012-05-27基金项目：陕西侍育厅科硎 十划项目(2010JK431)作者简介：夏 田，(1962-)，女，陕西咸阳人，教授，硕士，主要研究方向：数控装备200 夏 田等：AGV视觉导航标识线边缘特征提取研究 第3期2-2用-种改进的中值滤波方法对图像进行平滑处理平常实际采集到的图像常常会被噪声所污染，噪声恶化了图像质量，致使图像模糊，甚至埋没图像特征，给分析带来了困难。我们将消除图像噪声的工作又称为图像平滑或图像滤波。采用-种改进的中值滤波策略来对采集到的图像进行除噪处理，效果良好。

中值滤波其本质上是-种基于统计排序的滤波器。对于原图像中某点( )，中值滤波以以该点作为中心的邻域之内的所有像素的统计排序中值作为( )点的响应。

中值与均值不同，指的是排序队列中心位置的元素之值。对于序列而言中值的定义是这样的：若 X2，X， 为-对序列 ，先把其按从llxl大排列为：X l 2 ∞ ≤则此序列的中值Y为： 1、 m为奇数yMed l 2 3 (2) I1m X f )l m为偶数 - 、 中值滤波的平滑效果撒于滤波窗口的大小，过大将使边缘模糊，过小则去噪效果不理想。因为边缘和噪声点同样是图像中灰度变化比较剧烈的像素，因此普通的中值滤波方法在使噪声灰度改变的时候，也会-定程度地改变边缘像素的灰度值。因此普通的中值滤波方法虽然去掉了噪声，但同时也将会使原图像的边缘变得模糊。因此提出了-种改进的中值滤波策略。在图像中噪声点往往都是邻域像素的极值，而边缘通常不是，就是利用图像的这个特性来对中值滤波进行限制。

改进的方法具体描述如下：逐行对图像进行扫描，每处理-个像素的时候，就判断此像素是不是在滤波窗口的覆盖下的邻域像素的极大值或极小值。若是，就采用普通的中值滤波方法处理此像素；若不是，就不予处理。通过实验验证，这种方法能够很好的除去突发噪声点 ，特别是椒盐噪声 ，而且几乎不会影响到图像的边缘特征。

这种经过改进的中值滤波方法相对于标准的中值滤波函数MedianFilter，只需要在 MedianFiher函数 f0r循环的最后设置某像素为中值的语句中添加上-个 if的逻辑判断1，如下所示：0断当前的像素是不是其邻域的极大或者极小值if((GetGray(j，i)pAryGrayo])i(GetGray(j，i)pAryGray[nFilterH nFilterW-1]))pTo->SetPixel(j，i，RGB(nGray，nGray，nGray))d/I：A中值作为响应elsepTo->SetPixel(j，i，GetGray(j，i))；/若不是极值，则不改变原图像的值日2.3用边缘追踪法对平滑后的二值图像进行边缘提取边缘追踪法是-种对二值图像进行边缘提取的算法。边缘追踪法效果的优劣由两个因素决定：第-个是对追踪的初始点的选择，初始点的选择会直接影响追踪精度，而且如果初始点选得不好，还将给算法的设计增加困难。追踪规则的制定是第二个因素，所制定的追踪规则首先要易于理解 ，其次要利于分析，还要便于设计程序。

边缘追踪法的基本思想是：首先依据某些严格的 探寻规则”寻找出目标图像的轮廓上的像素 ，然后利用制定的追踪规则”根据这些像素的-些特征探寻出目标图像上的其他像素点I I。

使用的的追踪规则是：选图像的左下角的像素点为追踪的初始点，当探寻到了边缘点的时候，就开始沿着边缘线顺序追踪。若边缘线为闭合线，则-直追踪到追踪的后续点再回到初始点为止。

若边缘线为非闭合线则-直追踪到没有新后续点为止，而且追踪- 侧后需要从初始点开始向相反的方向追踪到没有后续点为止。

如果追踪的后续点不止-个，则依据上述贯连准则选扔权平均最大的像素点作为后续点，而且将其他的后续点作为新的追踪初始点另行追踪。当-条线追踪完毕后，紧接着追踪下个未追踪点，- 直到追踪完图像的所有边缘。

例具体说明边缘追踪的过程，如图 1所示。由图 1可知中心像素可以追踪八个方向，将八个方向分别以(0～7)八个数字分别进行编号，对八个方向分别给出追踪偏移量，如 0方向的偏移量以(-1，1)表示，1方向的偏移量以(0，1)表示，其余六个方向的偏移量，如图 1所示。计算机-般是按照从左到右、从上到下的顺序来读取图像文件的，因此将图像最左下方的像素点取为初始点。

探寻到初始点之后，将此像素点记录下来，并定义左上方 0方向为初始点的追踪方向，判别此点是不是目标点，若是则把此 目标点作为追踪边缘的开始点，并以逆时针旋转 90。的方向作为新的追踪方向，接着探寻该新方向上的点；如果不是 目标点就顺时针旋转 45。，直到找到目标点为止。当探寻到 目标点后，以当前追踪方向为基准，逆时针旋转 90。作为新的追踪方向，依此类推追踪下-个边缘点，直到回到初始点为止。

(1.O)◆(1，1)图1中心像素追踪的8个方向编号及偏移量Fig.1 8 Center Pixel Tracking Direction ID and Offset3实验验证通过 vc对所提出的导航标识线算法进行了验证，对采集到的导航标识线图像依照算法步骤依次进行了处理。

采集到的导航标识线原图，如图2所示。对原图用迭代阈值分割法进行处理后的二值化图像，如图3所示。从图 3中可以看到此阈值分割法成功的加强了前景和背景(导航标识线 )的对比度。

用普通的中值滤波法对阈值分割后的二值化图像进行滤波后的图像，如图4所示。用改进后的中值滤波法进行滤波后的图像 ，如图5所示∩以看出图4、图5都有效地去除了噪声，但是图 5标识线边缘更加清晰，体现了改进后的中值滤波法的优越性