Research on Tracking Method of Intelligent Iron Removal Mobile Robot Based on Monocular Vision
This study is dedicated to the development of a visual tracking method for intelligent iron shaving cleaning mobile robots, aiming to enhance the efficiency of robots in automatically cleaning iron shavings in complex industrial environments. The research focuses on image processing and analysis, particularly the automatic selection of image thresholds, which is key to achieving accurate image segmentation. This paper comprehensively analyzes existing technologies such as histogram valley method, Otsu’s method, and maximum entropy method, and proposes an improved image segmentation algorithm in response to the challenges of single-camera visual servo systems. Addressing the limitations of existing technologies, such as sensitivity to lighting changes and reliance on static images, this paper designs a stable and reliable tracking method for iron removal robot based on monocular vision. The method processes images in the RGB color space, using dynamic threshold extraction technology to effectively solve the real-time color image segmentation problem under varying lighting conditions and grid obstructions. The experimental part verifies the effectiveness of the proposed method. By segmenting the tracking images of the intelligent iron shaving cleaning mobile robot during actual travel, the results show that the method can adapt to different lighting conditions and has a fast segmentation speed, meeting the real-time requirements.
Iron Removal
智能铁屑清理移动机器人单目视觉寻迹研究的一个热点是视觉图像的处理分析。图像处理中,图像分割的基础是阈值的选择,因此阈值的自动选取一直是图像研究的重点和热点。已经提出的图像阈值自动选取方法多达数十种,但在实际使用中常用的方法只有直方图波谷法、Otsu法、最大熵方法、矩量保持法、梯度统计法等几种
基于样本直方图统计变量获取阈值的方法,重点是利用直方图波峰和波谷的特点来确定阈值,利用类间最大方差得到分割阈值,该方法可以自动得到统计意义上的最佳分割阈值。其关键技术在于把直方图划分成n个局部区域的准确性以及如何辨别波峰以及伪波峰,利用直方图获取阈值的方案在国防科技大学王祥科的论文《Otsu多阈值快速分割算法及其在彩色图像中的应用》
基于YUV色彩空间的固定阈值分割方法是利用YUV色彩空间的特性,Y表示明亮度,U和V描述图像的色度,和指定像素的颜色。该方法手动给定Ymin,Ymax,Umin,Umax,Vmin,Vmax作为固定阈值分割图像。该方案在刘斌的《基于颜色的目标跟踪系统在机器人中的应用》
基于HSI色彩空间的自适应阈值分割方法关键在于感兴趣区域ROI的获取以及阈值动态更新的方法,利用HS的联合直方图统计方法。该方案在南京航空航天大学杨星的研究生学位论文《机器人彩色目标识别与跟踪系统的研究与实现》
本文综合改进了上述方法,通过解决光照变化和有栅格遮拦的情况下彩色图像的实时分割以及轨迹的快速提取问题,设计了一种稳定可靠的基于单目视觉的智能铁屑清理机器人寻迹方法。
智能铁屑清理移动机器人广泛应用于工业生产领域,特别是在机械加工、汽车制造、航空航天等行业中,产品对环境中铁屑清洁程度要求非常高,但是这类生产环境中铁屑的产生又是不可避免的,因此需要及时频繁的进行铁屑清理。传统清理方式主要通过的人工操作专用工具进行清理,不仅效率低下,还存在一定的安全隐患。针对上述问题,本文设计了一种智能铁屑清理机器人,具备通过将磁吸模组安装在智能机器人上实现对地面上的铁屑铁钉进行自动清理以及对铁屑进行自动分类收集的功能。
本文设计的智能铁屑清理移动机器人如
本文主要研究一种基于摄像头的智能铁屑清理移动机器人图像快速分割以及前进寻迹的方法。对于光照实时变化或其他有阴影的场合来说,图像可以分为3个区域,强光照区域,正常光照区域以及弱光照区域,以
彩色图像动态分割算法的思路:在RGB色彩空间上对该图像进行处理,第一步:将其分离成3个单通道的图像:R通道,G通道以及B通道,本文以红色为目标颜色,R通道的信号强弱如
从图中可以看出分为3中颜色,其中白色代表原图中红色较浓,黑色部分表示原图几乎没有红色,灰色部分表示原图中参杂红色。
为增加目标区域提取时对背景色的抗干扰能力,采用平均相邻行像素值,并将新的像素值赋给当前行,以5行为例即:
(1)
其中 指的是从第一行到第五行对应的像素值。这样取平均的方法可以很好的减小外部因素以及背景色的干扰。
第二步:将R通道图片的第一行投射到一个横坐标为0到640,纵坐标为0到1 (0到255归一化之后的结果)的坐标系中,最近行对应如
从
第三步:分析
(2)
其中R,G,B分别代表原图中该点在三个通道中的像素值,α是一个估算值,在实验中获取一个合适值。a,b,c代表一个权重系数,即代表R,G,B三通道的像素值对于阈值选取的影响,RGB色彩模式是通过对R,G,B三个颜色通道的变化以及它们相互之间的叠加来得到,因此这三个值的选定将直接影响图像分割的效果。
本文设定场景将红色为目标颜色,则可以取a = b = c = 1,其结果如
当实际生产场景与本文设定场景不一致时,比如设定绿色为寻迹跟踪目标颜色,则可以适当的调整b的值,因为该值代表的是绿色像素的权重,因此可以取b = 1.2,即可达到彩色图像分割的效果。
随机选取智能铁屑清理移动机器人行进过程中的寻迹图像,按照1中所述方法进行图像分割,将图像分为两类,其中一类为要提取的目标颜色,其像素点的值仍为原值;另外一类为背景,其像素值设为0,图像分割效果如
从
本文研究了工业智能铁屑清理移动机器人单目视觉寻迹过程中寻迹图像的快速分割以及机器人前进寻迹的方法,设计了具体的实现方案,并随机抽取机器人寻迹过程中的寻迹图像进行试验验证,试验结果显示该方法是有效的。
研究得到宁波市“科技创新2025”重大专项基金支持(项目号:2022Z072,2023Z042)。
*通讯作者。