自移动表面行走机器人及其图像处理方法
【技术领域】
[0001]本发明涉及一种智能机器人，具体地说，涉及一种自移动表面行走机器人及其在导航过程中图像处理的方法。
【背景技术】
[0002]智能清扫机器人包括拖地机器人、吸尘机器人等，其融合了移动机器人和吸尘器技术，是目前家用电器领域最具挑战性的热门研发课题。从2000年后清扫机器人商用化产品接连上市，成为服务机器人领域中的一种新型高技术产品，具有可观的市场前景。
[0003]通常，这种智能机器人一般应用于室内环境，在机器人的机体上安装有摄像头，这种单目摄像头视觉导航技术主要包括图像分割、障碍物识别、感知周围环境、规划行走路线等，通过拍摄地面后，对拍摄后的图像进行处理可检测障碍物检测以及路径规划。而这一方法存在如下缺陷:如果室内环境地板砖地板边缘线过于明显，机器人可能会将该地板边缘线误认为是障碍物的一部分，从而在图像处理时对障碍物检测和识别时会产生严重影响，导致机器人工作效率降低或者影响使机器人无法工作。
[0004]基于上述问题，期望提供一种实现在图像预处理时去除这种地板边缘线，只留下同一灰度级别的地板背景部分与障碍物部分，应用于自移动表面行走机器人的去除地面地板边缘线的方法，以及实现该功能的自移动表面行走机器人，从而在机器人工作时有助于提高识别障碍物的准确性与可靠性。
【发明内容】
[0005]本发明所要解决的技术问题在于，针对现有技术的不足提供一种自移动表面行走机器人及其图像处理方法，可以使所述自移动表面行走机器人在工作时有助于提高识别障碍物的准确性与可靠性。
[0006]本发明所要解决的技术问题是通过如下技术方案实现的:
[0007]—种应用于自移动表面行走机器人的图像处理方法，包括如下步骤:
[0008]S1:机器人采集环境图像；
[0009]S2:对环境图像进行边缘二值化处理，得到含边缘像素点和背景像素点的二值图像；
[0010]S3:扫描该二值图像，得到间距不大于边缘像素点最大像素宽度阈值的两个相邻的边缘像素点A和B ;
[0011]S4:判断像素点A和B是否为相邻两个地板边缘像素点，若是，则进入S5，若否，则返回S3 ；
[0012]S5:消除S4中的地板边缘像素点A和B ;
[0013]S6:重复上述步骤:S3、S4和S5，直至消除二值图像中的所有地板边缘像素点。
[0014]为了避免扫描遗漏，S3中所述的扫描二值图像的方法为先逐行扫描再逐列扫描，或者先逐列扫描再逐行扫描；
[0015]为了准确的找到边缘像素点A和B，S3具体包括:
[0016]S3.1:扫描该二值图像，找出灰度值为255的像素点A ；
[0017]S3.2:以像素点A为起始点，判断在该起始点向外延伸m个像素宽度内是否有灰度值为255的像素点B，其中m为预设的边缘像素点最大像素宽度阈值，若是则进入步骤S4，若否则返回S3.1 ；
[0018]为了准确判断像素点A和B是否为相邻两个地板边缘像素点，S4具体包括:
[0019]S4.1:根据S3中像素点A、B,在环境图像中找到与像素点A、B对应的像素点A0、B0 ；
[0020]S4.2:找到像素点AO、B0后，各自向外延展P个像素宽度的得到像素点CO、D0 ;
[0021]S4.3:判断像素点CO、D0的灰度值是否在(K_v，K+v)的范围内，其中K为地板灰度平均值，V为预设的色差范围，若是则进入步骤S4.4，若否则返回S3 ；
[0022]S4.4:判断像素点C0与D0的灰度差值是否< =η,其中η为除噪图中相邻两块地板的灰度值最大差值，若是则判断像素点Α和B为相邻两个地板边缘像素点并进入步骤S5，若否则返回S3 ；
[0023]在S5中消除S4中的地板边缘像素点A和B的方法为:在二值图像中将A、B的像素值设置为0。
[0024]更好地，S2中利用Canny边缘检测算子法、Roberts梯度法、Sobel边缘检测算子法或Laplacian算法对环境图像进行计算，得到二值图像。
[0025]为了达到更好的图像处理效果，在S2之前还包括S1’:将采集的环境图像进行除噪处理。
[0026]更好地，S1’中利用高斯滤波法、中值滤波法或均值滤波法对图像进行除噪处理。
[0027]本发明还提供一种自移动表面行走机器人，所述机器人包括:图像采集单元、行走单元、驱动单元、功能部件和控制单元；
[0028]所述控制单元分别与所述功能部件、图像采集单元和驱动单元相连接，驱动单元与所述的行走单元相连接，所述驱动单元接受控制单元的指令，驱动所述行走单元行走，所述功能部件接受控制单元的指令按预定的工作模式进行表面行走，所述控制单元对图像采集单元采集到的图像进行处理；
[0029]所述自移动表面行走机器人采用上述的图像处理方法。
[0030]更好地，所述的功能部件为清扫部件、打蜡部件、安保报警部件、空气净化部件或/和磨光部件。
[0031]本发明所提供的自移动表面行走机器人及其图像处理方法，在机器人图像预处理时可有效地去除地板边缘线，只留下同一灰度级别的地板背景部分与部分障碍物，有助于提高识别障碍物的准确性与可靠性。
[0032]下面结合附图和具体实施例对本发明的技术方案进行详细地说明。
【附图说明】
[0033]图1为本发明实施例一图像处理方法的流程图；
[0034]图2为本发明实施例二图像处理方法的流程图；
[0035]图3为本发明机器人对采集图像进行去除噪声处理后的图像；
[0036]图4为将图3 二值化处理后的二值图像；
[0037]图5为图3中的去除地板边缘线后的图像；
[0038]图6为本发明自移动表面行走机器人结构框图。
【具体实施方式】
[0039]实施例一
[0040]图1为本发明实施例一图像处理方法的流程图，如图1所示并结合图4-5所示，图像处理方法，包括如下步骤:
[0041]S1:机器人通过图像采集单元(如摄像头)采集环境图像，该环境图像为灰度图像，其中图像内包括如门、箱子、地板等物体的影像；
[0042]S2:将环境图像进行边缘二值化处理，得到含边缘像素点和背景像素点的二值图像(如图3所示)，在本步骤中，可利用Canny边缘检测算子法、Roberts梯度法、Sobel边缘检测算子法或Laplacian算法对环境图像进行计算，所述二值图像为仅包括两种灰度值的灰度图像，即原采集到的图像中物体的边缘线(如门、箱子、地板等物体的边缘线)在该二值图像中体现为同一灰度值，所述灰度值可自行设置，只要能够与背景灰度值加以区分即可，例如，在本实施例中将边缘像素点灰度值设定为255，背景像素点灰度值设置为0 ;
[0043]S3:扫描该二值图像，得到间距不大于边缘像素点最大像素宽度阈值的两个相邻的边缘像素点A和B，本步骤具体包括:
[0044]S3.1:扫描该二值图像，找出灰度值为255的像素点A ；
[0045]S3.2:以像素点A为起始点，判断在该起始点向外延伸m个像素宽度内是否有灰度值为255的像素点B，其中m为预设的边缘像素点最大像素宽度阈值若是则进入下一步骤，若否则返回S3.1，本实施例中，S3.2中的像素宽度阈值m设为50，需要说明的是:m值的设定是根据一条地板边缘线可能某一端离摄像头远，另一端离摄像头近，因此某条实际上宽度基本恒定的地板边缘线在摄像头拍摄的图片里，其宽度就可能是宽窄不一的，随着离摄像头的距离变大，地板边缘线会逐渐变窄。而这里50取得是整条地板边缘线在摄像头拍摄的图里面距离最大的值，当然，这里50是根据某一环境中地板边缘线的实际宽窄设定的，在不一样的使用环境中，用户可以自行设定参数m的值。
[0046]找到了满足缝隙像素宽度要求的两个点后，接下来要判断这两点是否位于相邻两块地板上，即进入步骤S4;
[0047]S4:判断像素点A和B是否为相邻两个地板边缘像素点，若是，则进入S5，若否，则返回S3,本步骤具体包括:
[0048]S4.1:根据S3中像素点A、B，在S1中的所采集的环境图像中找到与像素点A、B对应的像素点Α0、Β0 ；
[0049]S4.2:找到像素点Α0、Β0后，各自向外延展P个像素宽度的像素点得到像素点C0、DO ；P的取值范围可大于等于3且小于等于6，本实施例中P设置为5，若是S3中是按行扫描，则以像素点A0为基础，向左/右移动5个像素距离得到C0,以像素点B0为基础，向右/左移动5个像素距离得到D0 ；
[0050]若在S3中是按列扫描，则以像素点A0为基础，向上/下移动5个像素距离得到C0,以像素点B0为基础，向下/上移动5个像素距离得到D0 ；
[0051]S4.3:判断像素点CO、DO的灰度值是否在(K_v，K+v)的范围内，其中K为地板灰度平均值，V为预设的色差范围，若是则进入步骤S4.4，若否则返回S3.1 ；
[0052]S4.4:判断像素点C0与D0的灰度差值是否〈=n，其中η为环境图像中相邻两块地板的灰度值最大差值，若是则判断像素点Α和Β为相邻两个地板边缘像素点并进入步骤S5，若否则