一种智能机器人的图像绘制方法及系统的制作方法

一种智能机器人的图像绘制方法及系统的制作方法
【专利摘要】本发明公开了一种智能机器人的图像绘制方法及系统，方法包括：输入待绘制的源图像；采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区域；根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径；机器人根据得到的最佳绘制路径进行图像绘制。本发明采用了基于局部二值化和全局二值化的混合方法对源图像进行特征提取，鲁棒性强、可靠、准确；以最短总绘制时间为目标，采用改进的路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径，绘制时间更短。本发明可广泛应用于图像处理领域。
【专利说明】
一种智能机器人的图像绘制方法及系统
技术领域
[0001] 本发明涉及图像处理领域，尤其是一种智能机器人的图像绘制方法及系统。
【背景技术】
[0002] 当前智能机器人已成为一个热门的研究课题，被应用到许多工业应用中，如组装、 喷漆和打磨等。随着智能机器人技术和绘图技术的不断发展，机器人绘图技术应运而生。机 器人绘图技术使用工业机器人来绘制照相机所拍摄的图像。由于需要根据拍摄的图像对机 器人进行实时控制，机器人绘图技术可以展示机器人智能应对不断变化环境的情况。
[0003] 在机器人绘图技术中，图像特征提取以及确定绘制路径是两个最重要的步骤。在 当前众多的图像特征提取方法中，二值化特征提取法是一种较常用的方法，二值化特征提 取法包括全局二值化方法和局部二值化方法。全局二值化方法算法简单，但对因光照不均 等情况而亮度差别大的图像的处理效果较差，鲁棒性较弱；局部二值化方法不受光照条件 等因素的影响，但其在某些方面的表现与高通滤波器类似，可能会导致机器人最终绘制的 图像出错，不够可靠和准确，例如，一个具有大面积的人头发图像在使用局部二值化方法处 理后可能会使机器人画出一个"秀头"。
[0004]图像特征提取后得到特征是需要被机器人填充的封闭性区域，这些区域有复杂的 形状以及空洞，直接处理这些区域变得非常困难，故在最短时间内遍历这些复杂的区域以 确定机器人的绘制路径就成了业内一个亟需解决的技术难题。现有的机器人绘图技术对此 并没有很好的解决方案，满足不了人们对图像绘制速度的高要求。

【发明内容】

[0005] 为解决上述技术问题，本发明的目的在于:提供一种鲁棒性强、可靠、准确和绘制 时间短的，智能机器人的图像绘制方法。
[0006] 本发明的目的在于:提供一种鲁棒性强、可靠、准确和绘制时间短的，智能机器人 的图像绘制系统。
[0007] 本发明所采取的技术方案是：
[0008] -种智能机器人的图像绘制方法，包括以下步骤：
[0009] 输入待绘制的源图像；
[0010] 采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填 充区域；
[0011] 根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到 机器人的最佳绘制路径；
[0012] 机器人根据得到的最佳绘制路径进行图像绘制。
[0013] 进一步，所述采用基于混合二值化图像处理的方法对源图像进行特征提取，得到 机器人的待填充区域这一步骤包括：
[0014] 采用局部二值化法对源图像进行处理，得到局部二值化图像；
[0015] 采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像；
[0016] 将局部二值化图像和全局二值化图像进行合并，得到包含有机器人的待填充区域 的二值化图像；
[0017] 将合并后的二值化图像由位图转换为矢量图。
[0018] 进一步，所述采用局部二值化法对源图像进行处理，得到局部二值化图像这一步 骤，其包括：
[0019] 采用积分图法计算源图像中每个像素的邻域的灰度算术平均值，计算公式为：
[0020]
[0021]其中，p(x，y)为源图像中点（x，y)的像素值，I(x，y)为源图像中点（x，y)在积分图 中对应的像素值，s为源图像中点（x，y)的邻域的大小，为向下取整符号，w和h分别 为源图像的宽度和高度，α和β均为给定的权重参数，m (X，y)
为源图像中点(X，y)的邻域的灰 度算术平均值；
[0022]根据计算的平均值为源图像的每个像素计算出相应的局部阈值，计算公式为：T (1，7)=111(1，7)-(3，其中，1'(1，7)为源图像中点(1，7)的局部阈值，(3为给定的常数；
[0023]根据计算的局部阈值对源图像进行局部阈值化，得到局部二值化图像，所述源图 像的局部阈值化公式为：
[0024]
[0025]其中，b(x，y)为源图像中点(x，y)局部阈值化后的像素值。
[0026]进一步，所述采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局 二值化图像这一步骤，其包括：
[0027]获取源图像的直方图曲线；
[0028] 根据源图像的直方图曲线采用抖动消除法确定源图像的直方图全局阈值；
[0029] 根据确定的全局阈值对源图像进行二值化，得到全局二值化图像。
[0030] 进一步，所述根据源图像的直方图曲线采用抖动判别法确定源图像的直方图全局 阈值这一步骤包括：
[0031]找到源图像的直方图曲线的所有极值点，并以此建立谷点的候选集；
[0032]逐一判断谷点的候选集中每个极值点的灰度值是否满足设定的抖动消除条件，若 是，则将该极值点从谷点的候选集中移除，反之，则保留该极值点，最终得到无抖动的候选 集，所述设定的抖动消除条件为：的"-以^川^以中^和^:分别为谷点的候选集中 第u个极值点和第u+1个极值点，f(x u)和f (xu+i)分别为Xi^Pxu+i对应的灰度值，U=I，2,…，p- I ;P为谷点的候选集中极值点的总数，ε为设定的抖动参数；
[0033] 从无抖动的候选集找出第一个满足X。为极大值点且χ〇+1为极小值点的极值点X。，然 后以极小值点Xo+i对应的灰度值f (Xo+i)作为源图像的直方图全局阈值，其中，〇 = 1，2，…，q_ 1; q为无抖动的候选集中极值点的总数，且q < P。
[0034] 进一步，所述根据机器人的待填充区域采用路径优化算法进行区域分割和最优路 径规划，得到机器人的最佳绘制路径这一步骤，其包括：
[0035] 采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟合，得到拟合后的待 填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的边缘的每段曲线，并 在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得到的线段来近似该 段圆弧；
[0036] 将拟合后的待填充区域分割为多个内部不带空洞的子区域；
[0037] 以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及 各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径。
[0038] 进一步，所述以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的 绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径这一步 骤，其包括：
[0039]寻找任意两个子区域间的最短距离；
[0040] 将每个子区域抽象成一个点，以两个子区域间的最短距离作为边的权重，将最短 总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近邻算法求解出各个子区域的 绘制顺序；
[0041] 计算各个子区域内每种模式路径的总绘制时间，计算公式为：
[0042]
[0043] 其中，ttQtal为当前子区域内当前模式路径的总绘制时间，V为机器人绘制工具的最 大移动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的 数量，t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间，t r和Ir分别为当前子 区域内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路 径扫描行的宽度；
[0044] 根据不同子区域间的距离和机器人绘制工具的移动速度计算不同子区域间的移 动时间；
[0045] 根据各个子区域的绘制顺序、各个子区域内每种模式的路径的总绘制时间和不同 子区域间的移动时间进行建模和最优化求解，得到最短总绘制时间对应的各个子区域的绘 制起点和绘制终点，所述最短总绘制时间Ttotal的关系表达式为：
[0046]
[0047]其中，每个子区域按照绘制顺序对应一个团，Y为最后一个团，k为第k个团，k= 1， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/ J]分别为团Y的角落点i和和dr/]分 别为团Y的绘制起点和绘制终点，!"(cpI；!/，i] ,cplir/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-Ι的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ 0，i ]为D [ k，i ]的初始值。
[0048]本发明所采取的另一技术方案是：
[0049] -种智能机器人的图像绘制系统，包括：
[0050] 输入模块，用于输入待绘制的源图像；
[0051] 征提取模块，用于采用基于混合二值化图像处理的方法对源图像进行特征提取， 得到机器人的待填充区域；
[0052] 最佳绘制路径获取模块，用于根据机器人的待填充区域采用路径优化算法进行区 域分割和最优路径规划，得到机器人的最佳绘制路径；
[0053]图像绘制模块，用于机器人根据得到的最佳绘制路径进行图像绘制。
[0054]进一步，所述最佳绘制路径获取模块包括：
[0055] 边缘拟合单元，用于采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟 合，得到拟合后的待填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的 边缘的每段曲线，并在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得 到的线段来近似该段圆弧；
[0056] 分割单元，用于将拟合后的待填充区域分割为多个内部不带空洞的子区域；
[0057] 最佳绘制路径确定单元，用于以最短总绘制时间为目标，采用启发式搜索算法确 定各个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳 绘制路径。
[0058] 进一步，所述最佳绘制路径确定单元包括：
[0059]最短距离寻找子单元，用于寻找任意两个子区域间的最短距离；
[0060]绘制顺序求解子单元，用于将每个子区域抽象成一个点，以两个子区域间的最短 距离作为边的权重，将最短总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近 邻算法求解出各个子区域的绘制顺序；
[0061] 第一时间计算子单元，用于计算各个子区域内每种模式路径的总绘制时间，计算 公式为：
[0062]
[0063] 其中，ttcltal为当前子区域内当前模式路径的总绘制时间，V为机器人绘制工具的最 大移动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的 数量，t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间，t r和Ir分别为当前子 区域内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路 径扫描行的宽度；
[0064] 第二时间计算子单元，用于根据不同子区域间的距离和机器人绘制工具的移动速 度计算不同子区域间的移动时间；
[0065] 绘制起点和绘制终点确定单元，用于根据各个子区域的绘制顺序、各个子区域内 每种模式的路径的总绘制时间和不同子区域间的移动时间进行建模和最优化求解，得到最 短总绘制时间对应的各个子区域的绘制起点和绘制终点，所述最短总绘制时间T total的关系 表达式为：
[0066]
[0067]其中，每个子区域按照绘制顺序对应一个团，r/为最后一个团，k为第k个团，k=l， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/ J]分别为团Y的角落点i和和dr/]分 别为团Y的绘制起点和绘制终点，!"(cpI；!/，i] ,cplir/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-Ι的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ O，i ]为D [ k，i ]的初始值。
[0068]本发明的方法的有益效果是:采用基于混合二值化图像处理的方法对源图像进行 特征提取，融合了局部二值化法和全局二值化法的优点，通过局部二值化解决全局二值化 方法对因光照不均等情况而亮度差别大的图像的处理效果较差的问题，不受光照条件的影 响，鲁棒性好;通过全局二值化局部避免局部二值化方法因表现类似高通滤波器而带来的 问题，减少机器人最终绘制的图像出错几率，更加可靠和准确;根据机器人的待填充区域采 用路径优化算法进行区域分割和最优路径规划，得到机器人的最佳绘制路径，提出了针对 机器人封闭性填充区域的路径优化算法来进行填充，能在最短时间内遍历这些复杂的区域 以确定机器人的最佳绘制路径，绘制时间更短。进一步，采用改进的边缘拟合法对机器人的 待填充区域的边缘进行拟合，能通过多段圆弧来拟合待填充区域的边缘的每段曲线，减少 边缘锯齿的现象，更加可靠。进一步，采用启发式搜索算法确定各个子区域的绘制顺序以及 各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径，进一步通过启发式 搜索算法提高了遍历速度和降低了运算复杂度。
[0069] 本发明的系统的有益效果是:在征提取模块中采用基于混合二值化图像处理的方 法对源图像进行特征提取，融合了局部二值化法和全局二值化法的优点，通过局部二值化 解决全局二值化方法对因光照不均等情况而亮度差别大的图像的处理效果较差的问题，不 受光照条件的影响，鲁棒性好;通过全局二值化局部避免局部二值化方法因表现类似高通 滤波器而带来的问题，减少机器人最终绘制的图像出错几率，更加可靠和准确;在最佳绘制 路径获取模块中根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规 划，得到机器人的最佳绘制路径，提出了针对机器人封闭性填充区域的路径优化算法来进 行填充，能在最短时间内遍历这些复杂的区域以确定机器人的最佳绘制路径，绘制时间更 短。进一步，在边缘拟合单元中采用改进的边缘拟合法对机器人的待填充区域的边缘进行 拟合，能通过多段圆弧来拟合待填充区域的边缘的每段曲线，减少边缘锯齿的现象，更加可 靠。进一步，在最佳绘制路径确定单元中采用启发式搜索算法确定各个子区域的绘制顺序 以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径，进一步通过启 发式搜索算法提高了遍历速度和降低了运算复杂度。
【附图说明】
[0070] 图1为本发明一种智能机器人的图像绘制方法的整体流程图；
[0071 ]图2为实施例一机器人画相系统的整体框架图；
[0072]图3为实施例一特征提取的流程图；
[0073]图4为实施例一源图像的直方图；
[0074]图5为实施例一绘制路径的关系不意图；
[0075] 图6为实施例一单个子区域的不同路径模式示意图；
[0076] 图7为实施例二的实验系统结构示意图；
[0077] 图8为实施例二特征提取的步骤流程图；
[0078] 图9为实施例二机器人进行路径规划和绘图的过程示意图；
[0079] 图10为实施例二机器人所绘出的图像。
【具体实施方式】
[0080] 参照图1，一种智能机器人的图像绘制方法，包括以下步骤：
[0081 ]输入待绘制的源图像；
[0082] 采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填 充区域；
[0083] 根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到 机器人的最佳绘制路径；
[0084] 机器人根据得到的最佳绘制路径进行图像绘制。
[0085]进一步作为优选的实施方式，所述采用基于混合二值化图像处理的方法对源图像 进行特征提取，得到机器人的待填充区域这一步骤包括：
[0086]采用局部二值化法对源图像进行处理，得到局部二值化图像；
[0087]采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像； [0088]将局部二值化图像和全局二值化图像进行合并，得到包含有机器人的待填充区域 的二值化图像；
[0089] 将合并后的二值化图像由位图转换为矢量图。
[0090] 进一步作为优选的实施方式，所述采用局部二值化法对源图像进行处理，得到局 部二值化图像这一步骤，其包括：
[0091] 采用积分图法计算源图像中每个像素的邻域的灰度算术平均值，计算公式为：
[0092]
[0093] 其中，p(x，y)为源图像中点（x，y)的像素值，I(x，y)为源图像中点（x，y)在积分图 中对应的像素值，s为源图像中点（x，y)的邻域的大小
&向下取整符号，w和h分别 为源图像的宽度和高度，α和β均为给定的权重参数，m(x，y)为源图像中点(x，y)的邻域的灰 度算术平均值；
[0094] 根据计算的平均值为源图像的每个像素计算出相应的局部阈值，计算公式为：T (1，7)=111(1，7)-(3，其中，1'(1，7)为源图像中点(1，7)的局部阈值，(3为给定的常数；
[0095] 根据计算的局部阈值对源图像进行局部阈值化，得到局部二值化图像，所述源图 像的局部阈值化公式为：
[0096]
[0097] 其中，b(x，y)为源图像中点(x，y)局部阈值化后的像素值。
[0098] 进一步作为优选的实施方式，所述采用基于直方图阈值的全局二值化法对源图像 进行处理，得到全局二值化图像这一步骤，其包括：
[0099]获取源图像的直方图曲线；
[0100] 根据源图像的直方图曲线采用抖动消除法确定源图像的直方图全局阈值；
[0101] 根据确定的全局阈值对源图像进行二值化，得到全局二值化图像。
[0102] 进一步作为优选的实施方式，所述根据源图像的直方图曲线采用抖动判别法确定 源图像的直方图全局阈值这一步骤包括：
[0103] 找到源图像的直方图曲线的所有极值点，并以此建立谷点的候选集；
[0104] 逐一判断谷点的候选集中每个极值点的灰度值是否满足设定的抖动消除条件，若 是，则将该极值点从谷点的候选集中移除，反之，则保留该极值点，最终得到无抖动的候选 集，所述设定的抖动消除条件为：|f(x u)-f(xu+i) I <ε，其中，XU和XU+1分别为谷点的候选集 中第11个极值点和第11+1个极值点，;^1 1)和汽111+1)分别为111和111+1对应的灰度值，11=1，2，~， P-I ;P为谷点的候选集中极值点的总数，ε为设定的抖动参数；
[0105] 从无抖动的候选集找出第一个满足X。为极大值点且Χο+ι为极小值点的极值点X。，然 后以极小值点Xo+1对应的灰度值f (Xo+1)作为源图像的直方图全局阈值，其中，〇 = 1，2，…，q_ 1; q为无抖动的候选集中极值点的总数，且q < P。
[0106] 进一步作为优选的实施方式，所述根据机器人的待填充区域采用路径优化算法进 行区域分割和最优路径规划，得到机器人的最佳绘制路径这一步骤，其包括：
[0107] 采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟合，得到拟合后的待 填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的边缘的每段曲线，并 在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得到的线段来近似该 段圆弧；
[0108] 将拟合后的待填充区域分割为多个内部不带空洞的子区域；
[0109] 以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及 各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径。
[0110] 进一步作为优选的实施方式，所述以最短总绘制时间为目标，采用启发式搜索算 法确定各个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的 最佳绘制路径这一步骤，其包括：
[0111] 寻找任意两个子区域间的最短距离；
[0112] 将每个子区域抽象成一个点，以两个子区域间的最短距离作为边的权重，将最短 总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近邻算法求解出各个子区域的 绘制顺序；
[0113] 计算各个子区域内每种模式路径的总绘制时间，计算公式为：
[0114]
[0115] 其中，ttcltal为当前子区域内当前模式路径的总绘制时间，v为机器人绘制工具的最 大移动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的 数量，t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间,t r和Ir分别为当前子 区域内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路 径扫描行的宽度；
[0116] 根据不同子区域间的距离和机器人绘制工具的移动速度计算不同子区域间的移 动时间；
[0117] 根据各个子区域的绘制顺序、各个子区域内每种模式的路径的总绘制时间和不同 子区域间的移动时间进行建模和最优化求解，得到最短总绘制时间对应的各个子区域的绘 制起点和绘制终点，所述最短总绘制时间Ttotal的关系表达式为：
[0118]
[0119]其中，每个子区域按照绘制顺序对应一个团，r/为最后一个团，k为第k个团，k= 1， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/ J]分别为团Y的角落点i和和dr/]分 别为团Y的绘制起点和绘制终点，!"(cpI；!/，i] ,cplir/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-Ι的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ 0，i ]为D [ k，i ]的初始值。
[0120]参照图1，一种智能机器人的图像绘制系统，包括：
[0121 ]输入模块，用于输入待绘制的源图像；
[0122] 征提取模块，用于采用基于混合二值化图像处理的方法对源图像进行特征提取， 得到机器人的待填充区域；
[0123] 最佳绘制路径获取模块，用于根据机器人的待填充区域采用路径优化算法进行区 域分割和最优路径规划，得到机器人的最佳绘制路径；
[0124] 图像绘制模块，用于机器人根据得到的最佳绘制路径进行图像绘制。
[0125] 进一步作为优选的实施方式，所述最佳绘制路径获取模块包括：
[0126] 边缘拟合单元，用于采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟 合，得到拟合后的待填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的 边缘的每段曲线，并在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得 到的线段来近似该段圆弧；
[0127] 分割单元，用于将拟合后的待填充区域分割为多个内部不带空洞的子区域；
[0128] 最佳绘制路径确定单元，用于以最短总绘制时间为目标，采用启发式搜索算法确 定各个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳 绘制路径。
[0129] 进一步作为优选的实施方式，所述最佳绘制路径确定单元包括：
[0130]最短距离寻找子单元，用于寻找任意两个子区域间的最短距离；
[0131] 绘制顺序求解子单元，用于将每个子区域抽象成一个点，以两个子区域间的最短 距离作为边的权重，将最短总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近 邻算法求解出各个子区域的绘制顺序；
[0132] 第一时间计算子单元，用于计算各个子区域内每种模式路径的总绘制时间，计算 公式为：
[0133]
[0134] 其中，ttcltal为当前子区域内当前模式路径的总绘制时间，V为机器人绘制工具的最 大移动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的 数量，t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间，t r和Ir分别为当前子 区域内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路 径扫描行的宽度；
[0135] 第二时间计算子单元，用于根据不同子区域间的距离和机器人绘制工具的移动速 度计算不同子区域间的移动时间；
[0136] 绘制起点和绘制终点确定单元，用于根据各个子区域的绘制顺序、各个子区域内 每种模式的路径的总绘制时间和不同子区域间的移动时间进行建模和最优化求解，得到最 短总绘制时间对应的各个子区域的绘制起点和绘制终点，所述最短总绘制时间T total的关系 表达式为：
[0137]
[0138]其中，每个子区域按照绘制顺序对应一个团，r/为最后一个团，k为第k个团，k=l， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/ J]分别为团Y的角落点i和和dr/]分 别为团Y的绘制起点和绘制终点，!"(cpI；!/，i] ,cplir/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-Ι的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ 0，i ]为D [ k，i ]的初始值。
[0139] 下面结合说明书附图和具体实施例对本发明作进一步解释和说明。
[0140] 实施例一
[0141] 参照图2-6,本发明的第一实施例：
[0142] 针对现有技术鲁棒性弱、不够可靠和准确，绘制时间长的缺陷，本发明提出了一种 新的机器人绘图方法，来展示机器人的智能。为提取图像特征，本发明提出了一种基于全局 二值化和局部二值化技术混合的特征提取方法;然后使用区域分割方法，将复杂的区域分 割成简单的子区域，最后结合本发明所提出的一个最优路径规划的方法，来产生画一幅画 的最佳路径。
[0143] 图2为本发明所提出的机器人画相系统的整体框架。其中，输入的图像是由相机拍 摄的彩色照片。然而，绘制出来的图像是黑白图像，且绘制的过程比较耗时，所以绘制的图 像应当尽量的简洁。因此，必须提取出能表达出源图像的特征。本发明所提取的特征是指一 些可以通过机器人用笔填充的封闭性区域。但是，机器人经过往复运动填充后的区域边缘 可能是锯齿状的。因此，这些区域的边缘必须被机器人平滑地绘制出来。此外，应该优化绘 图路径以降低绘制时间。特征提取和路径规划的程序较为复杂，故其会在个人计算机上运 行。最后所生成的路径将被发送给机器人，以执行绘图过程。
[0144] 下面主要对特征提取和路径规划这两个主要过程进行详细说明。
[0145] (一)特征提取
[0146] 本发明特征提取的步骤如图3所示，先得到源图像的二值化图像，然后将其转换成 矢量图。二值化技术可以分为两大类:全局二值化--使用一个固定的阈值对整个图像进行 二值化，以及局部二值化--对每个像素都使用不同的阈值进行二值化。考虑到这两种方法 各有利弊，本发明结合这两种方法的优点得到二值化源图像之后，再把所获得的位图转换 为矢量图，以提取每个区域的几何信息。
[0147] (1)局部二值化
[0148] 由于照片的不同部分可能有不同的光照条件，所以本发明需要使用局部二值化技 术对照片进行处理。为此本发明提出了局部自适应二值化算法，这算法对每个像素都计算 出一个阈值，具体算法过程如下：
[0149] Step 1:计算出每个像素的周围区域(即邻域)的灰度的算术平均值。
[0150] 这个过程可以通过使用Integral Image(也称Su_ed-area Table，积分图）加速 到线性时间来实现。假设源图像中，点（X，y)的灰度值是P (X，y )，那么它在积分图中相应的 值Kx, y)定义如下：
[0151]
[0152] 整个Integral Image可以通过以下的等式在线性的时间内计算出来：
[0153] I(x,y)=p(x,y)+I(x-1 ,y)+I(x,y-l)-I(x-l ,y-l)
[0154] 假设邻域的大小是奇数s，那么点(x，y)的邻域的灰度均值m(x，y)可以通过以下等 式进行计算：
[0155] d = [s^-2j
[0156] sum(x，y)=I(x+d，y+d)_I(x+d，y_d_l)_I(x_d_l，y+d)+I(x_d_l，y_d_l)
[0157] m(x,)') = sum(x, \')xΛ- s-
[0158] Step 2:为每个像素计算出局部阈值T(x，y)，计算公式为：
[0159] T(x,y)=m(x,y)-c
[0160] 这里的c是一个常量。
[0161] Step 3:使用Step 2计算出的阈值对图像进行二值化。本发明通过以下等式计算 出二值化图像的每一个像素点b(x，y):
[0162]
[0163] 局部阈值法在某些方面的表现像一个边缘检测方法，故这种方法可以很好地提取 图像形状特征。显然，邻域的尺寸s与源图像的分辨率有关。s是一个不小于3的奇数。本发明 提出了一个等式来计算s:
[0164] s = Lcrxw+ /jfX &+2」X 2+ 3
[0165] 这里，w和h分别为源图像的宽度和高度，α和β均为给定的权重参数
[0166] (2)全局二值化
[0167] 局部二值化方法在某些方面的表现地像个高通滤波器，它会在某些情况下得到奇 怪的结果。例如，一个具有大面积的头发图像可能会使机器人画出一个"秀头"。本发明提出 的解决方案是通过加上头发，来修复"秃头"图像，其步骤如下：1)使用前面所说的局部二值 化方法，将源图像二值化。2)使用全局二值化方法，将源图像二值化。3)合并这两张图像。
[0168] 全局二值化的目的是提取可能含有头发的暗部区域。但是，不同的图像有不同的 光照条件，而阈值也应该有所区别，故本发明提出了一个基于直方图的阈值确定算法。源图 像的一个典型的直方图如图4所示。图4中，点A是一个较好的全局阈值。
[0169] 本发明确定一个抖动的直方图曲线的阈值的方法如下：
[0170] Step 1:找到直方图曲线的所有极值点，并以此建立谷点的候选集。
[0171] Step 2:检测并消除抖动。如果Xu和Xu+i满足不等式I f (xu)-f (Xu+i) I <ε，那么范围 那么范围[Xu，Xu+1]的部分是一个抖动XjP Xu+1则需要从候选集中移除。重复这个步骤直到检 测不到新的抖动为止。这里ε为设定的抖动参数，
[0172] Step 3:从无抖动的候选集找出第一个满足X。为极大值点且1。+1为极小值点的极 值点X。，然后以极小值点Xo+l对应的灰度值f(X〇+l)作为源图像的直方图全局阈值。
[0173] (3)失量图
[0174] 合并后的二值化图像是位图，此图由一些封闭性区域构成。然而，二值化的位图中 所含的信息只有每个像素的值(〇或1)。为了获得每个区域的信息，还需要做一些额外的工 作。更重要的是，机器人需要为每一个区域进行描边，直接使用机器人点出边界的每一个像 素并不明智。故应该找到边界的路径，然后让机器人沿着这个边缘移动。
[0175] 为此，本发明提出的方案是把位图转换为矢量图。失量图通过几何表达式，而不是 像素来描述各区域的矢量轮廓。得到失量图后，本发明即可基于这些用代数表达式所描述 的边界，来规划机器人的路径。
[0176]本发明采用Potrace软件来完成失量图的获取工作。另外，该软件也可以通过去除 过小的区域来抑制斑点，从而进一步去除了图像中的噪声和小的细节。
[0177] (二)最佳路径规划
[0178] 最佳路径规划过程可进一步细分为：
[0179] (1)边缘路径拟合
[0180] Po trace软件产生的边缘由一些直线和Bezier曲线组成。Bezier曲线是一种在图 形操作中广泛使用的参数曲线。但是，大部分的机器人和CNC只能进行直线和圆弧运动。若 使用直线去拟合Bezier曲线时，即使使用大量的控制点，也可能会导致边缘锯齿的产生。本 发明提出了一种使用多段圆弧来拟合一段Bezier曲线的技术，它产生的拟合结果可能会存 在一些极小半径的圆弧，而这些圆弧并不能被机器人处理。在此种情况下，本发明使用了连 接圆弧两个端点所得到的线段来近似这段圆弧来避免这个问题，且不会损失太多的精确 度。
[0181] (2)区域填充
[0182] 为填充这些拟合后的封闭性区域，第一步是进行区域分割。这些封闭性区域的形 状可能非常复杂，同时可能包含一些空洞。这会在接下来的路径规划中带来一些困难。本发 明通过将这些区域分割成简单、不带空洞的子区域进行简化来解决这个问题。
[0183] 每个子区域的路径可以被独立的产生，然后需要决定每个子区域的绘制顺序以得 到最短的绘制时间。对于一个区域，填充路径可以从任何一个角落开始或终止，如图6所示。 起始点和结束点会影响每个多区域填充时的工具移动时间。所以，本发明首先需要确定这 些点。而对于一个区域，可以使用不同的路径模式，如图6所示。
[0184] (3)路径规划
[0185] 根据多区域的路径连接理论，当连接不同区域的路径时，有两个影响绘制时间的 重要因素：1) 一个区域内部的路径模式;2)不同区域间的移动距离。如图5所示，我们可以对 这个问题建模如下：团g[k]为每一个区域，点cp[k, j]为团k的角落点，点s[k-l]和e[k-l]分 另IJ是团k-Ι的起点和终点。本发明寻找全局最优的绘制路径过程是一个NP-hard问题。本发 明使用了一个启发式搜索方法来解决这个问题，具体步骤如下：
[0186] Step 1:寻找所有两个子区域间的最短距离。这个步骤能确定理论上的区域间的 最短距离，以便于确定各子区域的先后绘制顺序。由于角落点非常少，这个步骤可以通过穷 举法计算出来。实际上由于子区域还受到绘制起点和绘制终点的影响，还需要通过S t e p 3 求出次最优解来作为最佳路径的实际最优解。
[0187] Step 2:将每个子区域当成点，以Step 1中得到的两个区域间的最短距离当成边 的权重，来寻找最短的绘制时间所对应的绘制顺序。这个过程是一个旅行商问题，可以通过 启发式最近邻算法解决。
[0188] Step 3:确定每个子区域的起点和终点。
[0189] 如前所述，每个子区域的路径模式和区域间的移动距离都会影响到绘制时间。而 机器人绘制工具的转向次数是一个主要的影响工具移动时间的因素。而对于每种模式的路 径，都可以计算出它的移动时间：假设工具的最大移动速度是V，加速度是一个定值a，扫描 行的数量是η，每个扫描行的长度分别是Il, 12,…In，填充每个扫描行的时间分别是tl，t2,… tn，扫描行的宽度是width(这个值一般很小），从一个扫描行移动到下一个扫描行的时间是 tc，那么总的绘制时间ttotal可以通过以下公式计算出来：
[0190]
[0191] 根据上式可以计算出每种模式的路径的绘制时间，因为这是一个较为容易完成的 工作。另外，从一个区域到另外一个区域的移动时间，也可以通过类似计算tr的方法或根据 扫描速度和区域间的距离计算出来。所以，对于每个子区域所选择的每一对起点和终点，都 可以计算出填充这个区域的时间以及在不同区域中转移的时间。
[0192] 对此，本发明将优化问题建模如下：给定这些团的遍历次序（即子区域的绘制顺 序）、从团i中的点m移动到团j中的点η所花费的时间T(cp[i，m]，cp[ j，n])，需要确定每个团 k的起点st[k]和终点e[k]，以得到最短的整体遍历时间。假设，从最开始的起点到团k中的 点i的最短遍历时间为D(k，i)。那么对于最后一个团Y，总的最短遍历时间T total和它的起点 和终点可以通过以下等式计算出来：
[0193]
[0194]
[0195]
[0196]
[0197]
[0198]
[0199]
[0200] 本发明将第一个团的D(k，i)设置为0,即有：
[0201] D[0，i]=0
[0202] 以上计算的时间复杂度是(Kk2Y),其中，n'是团的数量，而k是每个团的角落点的 数量。因为，k通常是个很小的常数，所以这个路径规划算法的时间复杂度是非常低的。 [0203] 实施例二
[0204]参照图7-10,本发明的第二实施例：
[0205]为了验证本发明方法的效果，本发明提出了图7所示的实验系统来进行实验验证。 如图7所示，本实验系统包括一个相机，一个配备了马克笔的ABB IRB120工业机器人。马克 笔通过一个特别设计的容器连接在机器人上，这个容器里有一个弹簧，使得马克笔在纸上 移动时能更加流畅。而特征提取和路径规划算法则使用C#实现，相应的程序在一个笔记电 脑上运行。
[0206]本实施例的具体过程如下：
[0207] (1)特征提取
[0208]特征提取的每个步骤的输出如图8的A-E所示。其中，源图像A是使用OpenCV程序进 行人脸提取后的照片；图8的B和C分别是局部二值化和全局二值化的结果，使用的参数如 下:a)c = 9.〇;b)a = 0 = 〇.〇4;c)e = 5,这些实验得出来的经验数据可以在大部分情况下使 用。如图8的B所示，使用局部二值化后的图像，可以描绘出源图像的形状，但其得到的是一 个很少头发的奇怪的结果。因此，还需通过增加头发来修复这个结果。如图8的C所示，通过 全局二值化，可以提取出包含头发的暗部区域。然后，我们将B和C这两张图片进行合并，以 得到最后的二值化结果（即图8的D)，然后使用Potrace软件将合并后的位图D转换为矢量图 E。转换时Potrace软件的参数为〃-t 10-s〃，这表示抑制斑点时的turdsize为10,输出格式 为SVG。图8的E是转换后的矢量图，这也是特征提取最终的输出。
[0209] (2)路径规划
[0210] 图8的F是将边缘进行圆弧拟合的结果，其包含了845段直线或圆弧。可以看出，拟 合后的结果和原来的矢量图几乎是完全相同的。
[0211] 圆弧拟合后，这些封闭性区域会被分割成子区域。得到合适的子区域后，会先使用 本发明的路径连接算法得到这些子区域的绘制顺序，然后再确定每个子区域的起点和终 点，以得到最短的绘制时间。最后，生成整个绘图路径并将路径发送给机器人。图9展示了机 器人的绘图过程，其中，A是进行边缘圆弧拟合，B是进行区域填充。
[0212] 采用本发明的方法后，机器人使用马克笔画出来的最终的图像如图10所示。可以 看出，机器人自动画出来的图像的效果非常不错。由此可见，本发明所提出的特征提取和路 径规划算法的效果较好。同时，本发明的方法也可能应用到其它工业应用（如喷漆和打磨 等）中，以智能地控制机器人来完成所需的任务。
[0213]本发明提出了一个使用图像特征提取和路径规划算法来进行绘图的智能机器人 系统及其实现方法。为处理具有不同光照条件的照片，本发明使用了基于局部二值化和全 局二值化的混合方法来进行特征（即封闭性区域)提取;因为机器人使用往复运动填充一块 区域时，会造成锯齿状的边缘，所以本发明使用矢量图的信息先通过圆弧拟合将这些区域 进行描边以得到平滑的边缘;为得到最短的绘制时间，本发明提出了一个新的路径优化算 法，该算法基于单个区域的路径生成以及多区域的路径连接理论。实验结果表明，本发明方 法能有效地进行图像绘制。本发明所提出的特征提取和最优路径规划的方法，不单单能应 用于机器人绘图中，也可用于许多需要智能机器人技术的工业应用中，如喷漆和打磨等。 [0214]以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施 例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替 换，这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
【主权项】
1. 一种智能机器人的图像绘制方法，其特征在于:包括以下步骤： 输入待绘制的源图像； 采用基于混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区 域； 根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器 人的最佳绘制路径； 机器人根据得到的最佳绘制路径进行图像绘制。2. 根据权利要求1所述的一种智能机器人的图像绘制方法，其特征在于:所述采用基于 混合二值化图像处理的方法对源图像进行特征提取，得到机器人的待填充区域这一步骤包 括： 采用局部二值化法对源图像进行处理，得到局部二值化图像； 采用基于直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像； 将局部二值化图像和全局二值化图像进行合并，得到包含有机器人的待填充区域的二 值化图像； 将合并后的二值化图像由位图转换为矢量图。3. 根据权利要求2所述的一种智能机器人的图像绘制方法，其特征在于:所述采用局部 二值化法对源图像进行处理，得到局部二值化图像这一步骤，其包括： 采用积分图法计算源图像中每个像素的邻域的灰度算术平均值，计算公式为：其中，P(x，y)为源图像中点（x，y)的像素值，l(x，y)为源图像中点（x，y)在积分图中对 应的像素值，s为源图像中点（x，y)的邻域的大小，J "为向下取整符号，《和h分别为源 图像的宽度和高度，α和β均为给定的权重参数，m(x，y)为源图像中点(x，y)的邻域的灰度算 术平均值； 根据计算的平均值为源图像的每个像素计算出相应的局部阈值，计算公式为： 1'(1，7)=111(1，7)-(3，其中，1'(1，7)为源图像中点(1，7)的局部阈值，(3为给定的常数； 根据计算的局部阈值对源图像进行局部阈值化，得到局部二值化图像，所述源图像的 局部阈值化公式为：其中，b(x，y)为源图像中点(x，y)局部阈值化后的像素值。4. 根据权利要求2所述的一种智能机器人的图像绘制方法，其特征在于:所述采用基于 直方图阈值的全局二值化法对源图像进行处理，得到全局二值化图像这一步骤，其包括： 获取源图像的直方图曲线； 根据源图像的直方图曲线采用抖动消除法确定源图像的直方图全局阈值； 根据确定的全局阈值对源图像进行二值化，得到全局二值化图像。5. 根据权利要求4所述的一种智能机器人的图像绘制方法，其特征在于:所述根据源图 像的直方图曲线采用抖动判别法确定源图像的直方图全局阈值这一步骤包括： 找到源图像的直方图曲线的所有极值点，并以此建立谷点的候选集； 逐一判断谷点的候选集中每个极值点的灰度值是否满足设定的抖动消除条件，若是， 则将该极值点从谷点的候选集中移除，反之，则保留该极值点，最终得到无抖动的候选集， 所述设定的抖动消除条件为：|f(x u)-f(xu+i) I <ε，其中，XU和XU+1分别为谷点的候选集中第u 个极值点和第u+1个极值点，f(xu)和f(xu+i)分别为xu和x u+i对应的灰度值，u=l，2,…，p-l ;p 为谷点的候选集中极值点的总数，ε为设定的抖动参数； 从无抖动的候选集找出第一个满足X。为极大值点且χ〇+1为极小值点的极值点X。，然后以 极小值点Xo+1对应的灰度值f (Xo+1)作为源图像的直方图全局阈值，其中，〇 = l，2，~，q-l;q 为无抖动的候选集中极值点的总数，且q<P。6. 根据权利要求1-5任一项所述的一种智能机器人的图像绘制方法，其特征在于:所述 根据机器人的待填充区域采用路径优化算法进行区域分割和最优路径规划，得到机器人的 最佳绘制路径这一步骤，其包括： 采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟合，得到拟合后的待填充 区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的边缘的每段曲线，并在圆 弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得到的线段来近似该段圆 弧； 将拟合后的待填充区域分割为多个内部不带空洞的子区域； 以最短总绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及各个 子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制路径。7. 根据权利要求6所述的一种智能机器人的图像绘制方法，其特征在于:所述以最短总 绘制时间为目标，采用启发式搜索算法确定各个子区域的绘制顺序以及各个子区域的绘制 起点和绘制终点，从而得到机器人的最佳绘制路径这一步骤，其包括： 寻找任意两个子区域间的最短距离； 将每个子区域抽象成一个点，以两个子区域间的最短距离作为边的权重，将最短总绘 制时间寻找问题转化为旅行商问题，然后采用启发式最近邻算法求解出各个子区域的绘制 顺序； 计算各个子区域内每种模式路径的总绘制时间，计算公式为：其中，ttcital为当前子区域内当前模式路径的总绘制时间，V为机器人绘制工具的最大移 动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的数量， t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间，tr和lr分别为当前子区域 内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路径扫 描行的宽度； 根据不同子区域间的距离和机器人绘制工具的移动速度计算不同子区域间的移动时 间； 根据各个子区域的绘制顺序、各个子区域内每种模式的路径的总绘制时间和不同子区 域间的移动时间进行建模和最优化求解，得到最短总绘制时间对应的各个子区域的绘制起 点和绘制终点，所述最短总绘制时间Ttotal的关系表达式为：其中，每个子区域按照绘制顺序对应一个团，r/为最后一个团，k为第k个团，k= 1， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/，j]分别为团Y的角落点i和和etr/]分 别为团r/的绘制起点和绘制终点，I^cplir/，i] ,ορ?Γ/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-1的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ 0，i ]为D [ k，i ]的初始值。8. -种智能机器人的图像绘制系统，其特征在于:包括： 输入模块，用于输入待绘制的源图像； 征提取模块，用于采用基于混合二值化图像处理的方法对源图像进行特征提取，得到 机器人的待填充区域； 最佳绘制路径获取模块，用于根据机器人的待填充区域采用路径优化算法进行区域分 割和最优路径规划，得到机器人的最佳绘制路径； 图像绘制模块，用于机器人根据得到的最佳绘制路径进行图像绘制。9. 根据权利要求8所述的一种智能机器人的图像绘制系统，其特征在于:所述最佳绘制 路径获取模块包括： 边缘拟合单元，用于采用改进的边缘拟合法对机器人的待填充区域的边缘进行拟合， 得到拟合后的待填充区域，所述改进的边缘拟合法采用多段圆弧来拟合待填充区域的边缘 的每段曲线，并在圆弧的半径小于设定的半径阈值时使用连接该段圆弧两个端点所得到的 线段来近似该段圆弧； 分割单元，用于将拟合后的待填充区域分割为多个内部不带空洞的子区域； 最佳绘制路径确定单元，用于以最短总绘制时间为目标，采用启发式搜索算法确定各 个子区域的绘制顺序以及各个子区域的绘制起点和绘制终点，从而得到机器人的最佳绘制 路径。10. 根据权利要求9所述的一种智能机器人的图像绘制系统，其特征在于:所述最佳绘 制路径确定单元包括： 最短距离寻找子单元，用于寻找任意两个子区域间的最短距离； 绘制顺序求解子单元，用于将每个子区域抽象成一个点，以两个子区域间的最短距离 作为边的权重，将最短总绘制时间寻找问题转化为旅行商问题，然后采用启发式最近邻算 法求解出各个子区域的绘制顺序； 第一时间计算子单元，用于计算各个子区域内每种模式路径的总绘制时间，计算公式 为：其中，ttcltal为当前子区域内当前模式路径的总绘制时间，v为机器人绘制工具的最大移 动速度，a为机器人绘制工具给定的加速度，η为当前子区域内当前模式路径扫描行的数量， t。为机器人绘制工具从一个扫描行移动到下一个扫描行的时间，tr和lr分别为当前子区域 内当前模式路径中第r个扫描行的填充时间和长度，width为当前子区域内当前模式路径扫 描行的宽度； 第二时间计算子单元，用于根据不同子区域间的距离和机器人绘制工具的移动速度计 算不同子区域间的移动时间； 绘制起点和绘制终点确定单元，用于根据各个子区域的绘制顺序、各个子区域内每种 模式的路径的总绘制时间和不同子区域间的移动时间进行建模和最优化求解，得到最短总 绘制时间对应的各个子区域的绘制起点和绘制终点，所述最短总绘制时间T tcltal的关系表达 式为：其中，每个子区域按照绘制顺序对应一个团，r/为最后一个团，k为第k个团，k= 1， 2，~，11/;0[11/4]、0|>4]和0[1^-14]分别为从第一个团的绘制起点到团11 /、团1^和团1^-1中 的点i的最短绘制时间，cptr/，i]和cptr/，j]分别为团Y的角落点i和和etr/]分 别为团r/的绘制起点和绘制终点，I^cplir/，i] ,ορ?Γ/，j])为团r/中的点i到团r/中的点j的 绘制时间，cp[k-l，j]和cp[k-l，t]分别为团k-1的角落点j和t，cp[k，i]为团k的角落点i，T (cp[k-l，j]，cp[k-l，t])为团k-1 中的点 j到团k-1 中的点t的绘制时间，T(cp[k-1，t]，cp[k, i ])为团k-1中的点t到团k中的点i的移动时间，D [ 0，i ]为D [ k，i ]的初始值。
【文档编号】G06T7/00GK106056648SQ201610415232
【公开日】2016年10月26日
【申请日】2016年6月14日
【发明人】黄鑫龙, 方思雯, 毕胜, 陈和平, 席宁
【申请人】深圳市智能机器人研究院