基于SLIC方法的光照偏强农田图像分割研究

精准农业是未来农业发展的趋势,而农田图像分割是精准农业的前提与基础。针对光照偏强条件下农田图像高光点区域丢失植物绿色特征对图像分割质量的影响,以SLIC方法和YCrCb颜色空间中的Cg分量为基础,利用不同分类器实现光照偏强条件下农田图像分割的研究。首先采用SLIC对农田图像进行预处理,获取超像素模块;为避免植物叶面因光照偏强出现高光点区域丢失部分绿色特征,引入YCrCb颜色空间模型中的Cg分量和超绿颜色因子提取特征;为避免监督学习对训练样本要求高,采用半监督学习,将有标签样本和无标签样本进行混合;最后采用不同的分类器进行图像分割,并对实验结果采用混淆矩阵和Kappa系数进行评价。对比实验结果可得,采用距离判别法核函数为diagQuadratic的图像分割效果较其他方法较好,分割正确率较高。     

改进OTSU法的材积测量图像分割

图像分割是图像理解与分析的基础。在众多的图像分割方法中,最大类间方差法（OTSU法）被认为是阈值选取最优方法之一。在木材体积非接触测量系统中需要从图像中分割出计算模型,然后根据标定计算并存储。文章结合目标所占比例对分割效果的影响,在分析OTSU的基础上提出改进的最大类间方差算法,并通过实验证明该方法能有效的优化计算模型。     

低光照强噪声背景下图像多阈值分割方法研究

针对光照不均匀、突发噪声背景下,采用单一图像阈值分割方法兼顾所有像素,会造成图像分割效果较差、噪声平滑程度较低,导致降噪处理图像所丢失的细节较多的问题.提出低光照强噪声背景下图像多阈值分割方法.优化自适应灰度直方图多阈值,采用相应矩阵滤波处理低光照强噪声图像,根据直方图上点的界定,获取图中的背景与目标区域,根据区域对应...     

一种对光照具有鲁棒性的图像分割方法

研究了灰度图像的OTSU(最大类间方差)自动阈值分割法。OTSU方法作为一种单一阈值的分割方法,当图像受光照和反射光等的影响明显时,将会出现严重的误分割现象。考虑到OTSU方法的最大类间方差化的思想,根据灰度图像的像素点灰度的直方图分布、空间分布,提出了一个新的分割阈值方法。先根据OTSU方法的特点自设计一个函数,对图像进行变换,以便后面的处理,再对其图像以改进的OTSU方法进行分割。通过对化学实验中两种液体的拍摄图片及数字图像处理中标准图片进行试验,理论分析与实验结果表明：该方法能够对受光照及反射光影响大的图像实现正确的分割,将目标图像清晰地从背景中分割出来。     

一种网页图像文字分割方法

针对复杂网页图像中文本的特点,提出了一种基于最大类间差法（OTSU）的文字分割方法。对原文字图像进行预处理,统一了分割后字符的颜色、去除了大量的噪声、提高了图像的对比度;在全局阈值的基础上确定了各字符区域的位置;利用局部最优阈值对文字图像进行局部分割。实验结果表明,方法在保证较高准确率的基础上,提升了分割后字符的效果,具有较强的鲁棒性。     

基于改进距离标记的彩色细胞图像分割

针对分水岭算法过分割的问题，引入了一种新的距离标记方法。首先利用改进的最大类间方差法（OTSU）对彩色细胞图像进行目标提取，然后根据面积因素判断各区域是否可能存在细胞重叠，对可疑重叠区域进行改进的距离标记，并把标记结果作为分水岭算法的基础，最终得到较准确的分割结果。     

基于机器视觉的航空插头焊杯定位北大核心

为了降低航空插头焊杯定位偏差,提高定位精度,提出基于机器视觉的航空插头焊杯定位方法。使用Opencv对采集的焊杯图像进行预处理,去除噪声和背景等干扰信息,增强图像亮度和对比度,对比最大类间方法和最大熵阈值法在三种光照条件下图像分割的效果,发现最大类间方差法在光照改变时分割比较稳定,且其分割所用时间远小于最大熵阈值法,选用最大类间方差法作为图像阈值分割方法,分割得到只有焊杯的图像。对分割图像进行形态学操作,去除因光照较强时个别焊杯出现的毛刺,采用加权灰度质心法获取焊杯的圆心坐标,从而实现了焊杯的准确定位。获取航空插头不同位置的5个焊杯在三种光照条件下焊杯坐标,结果表明,所提方法的定位误差较低,可以实现焊杯的高精度定位。     

基于最佳熵法棉花图像分割与提取的研究

为了提高棉花图像的分割精度、速度,避免强光照的干扰,提出了一种基于YCbCr颜色空间下,利用最佳熵法对棉花图像进行阈值分割,并对分割后的图像采用连通区域标记去噪。通过试验验证了图像的分割效果并与迭代式阈值分割算法做了比较,结果表明,提出的算法分割时间为0．5732s。此算法适合在强光照和阴影的干扰下从复杂的背景提取棉花,而且最后对棉花进行了质心标记,为后续的棉花定位奠定了基础。     

复杂工况下视觉AGV导航标识带中心线的提取研究

针对光照不均匀、导航标识带破损、少量杂物干扰的复杂工况条件下,对视觉AGV采集到的路面导航标识带图片进行特征提取,采用灰度化、中值滤波进行了图像预处理,研究了Otsu法和迭代法等动态阈值分割算法以及形态学在图像分割中的应用,并对预处理图像作了分割对比实验;然后对分割后的图像进行边缘提取,分析了基于最小二乘法和Hough变换算法的直线拟合原原理,提出了Hough算法下基于边缘线的中心线拟合算法,并作了直线拟合对比试验;实验表明,复杂工况下,采用基于形态学和Otsu算法相结合的方法对图像进行分割,得到的二值图像边界更完整,效果更好,基于Hough变换算法较最小二乘法能更精确有效地提取出导航标识带中心线及其方程。     

改进的OTSU射线图像分割算法

为提高对工业X射线图像的分割效果,提出一种改进的OTSU图像分割算法.分析了经典OTSU算法存在的不足,将类内方差也作为计算最佳阈值的一个因素考虑,从而提出了一种改进的OSTU阈值选择函数.在阈值分割过程中,采用局部递归法逐次进行分割.采用目标背景面积差和类内方差的比值作为递归结束的条件.通过与最大熵法、经典OT-SU法、局部递归OTSU法进行实验对比,证明本算法对于射线图像是一种优秀的阈值分割算法.     

一种基于学习向量量化神经网络的图象分割方法

基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向,其中道路图象的正确分割是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题,提出了一种基于LV Q神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量,应用基于LV Q学习算法的神经网络分类器进行道路与非道路识别;为解决环境噪声对神经网络输出的影响,本文设计了串行级联式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实测图象进行分割处理验证了该方法的有效性和鲁棒性,可用于室外环境下机器人的实时视觉导航控制。     

Navigation control for a mobile robot

This article describes a navigation method of a mobile robot which uses a single camera and a guide mark. A travel path is instructed to the robot by means of path drawn on a monitor screen. The image of the guide mark provides information regarding the robot's position and heading direction. The heading direction is adjusted while moving if any deviation from the specified path is detected. The proposed method has been implemented in a mobile robot which runs at the average speed of 2.5 ft/s. without deviating more than one foot from the specified path in an indoor environment. © 1994 John Wiley & Sons, Inc.     

A robust navigation system for robotic wheelchairs

A landmark based navigation system for robotic wheelchairs is developed. The proposed navigation system is robust in the localization procedure which is the major problem in robotic navigation systems. Every landmark is composed of a segment of metallic path and a radio-frequency identification (RFID) tag. The odometry information is used for localization, which is corrected on-line every time the robotic wheelchair is over a landmark. A topological map is generated using such landmarks to compute the shortest path. A technique to generate the topological map for this navigation system and an obstacle avoidance strategy are also developed.     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.     

基于多智能体深度强化学习的协作导航应用

多机器人协作导航目前广泛应用于搜索救援、物流等领域, 协作策略与目标导航是多机器人协作导航面临的主要挑战. 为提高多个移动机器人在未知环境下的协作导航能力, 本文提出了一种新的分层控制协作导航(hierarchical control cooperative navigation, HCCN) 策略, 利用高层目标决策层和低层目标导航层, 为每个机器人分配一个目标点, 并通过全局路径规划和局部路径规划算法, 引导智能体无碰撞地到达分配的目标点. 通过Gazebo平台进行实验验证, 结果表明, 文中所提方法能够有效解决协作导航过程中的稀疏奖励问题, 训练速度至少可提高16.6%, 在不同环境场景下具有更好的鲁棒性, 以期为进一步研究多机器人协作导航提供理论指导, 应用至更多的真实场景中.     

昆虫视觉启发的光流复合导航方法

昆虫能够使用视觉感受的光流(Optical flow, OF)信息执行导航任务. 启发于昆虫的视觉导航, 本文提出了一种生物视觉启发的光流复合导航方法, 它由光流导航和光流辅助导航两部分组成, 以实现高效精确的视觉导航定位. 该方法中, 光流导航的作用是使用昆虫视觉启发的光流法, 测量系统每一时刻的运动位移, 然后使用路径积分累加位移得到位置信息; 光流辅助导航的作用是针对路径积分会产生累积误差的缺点, 使用光流匹配的方法来估计和修正导航中的位置误差. 该光流辅助导航也参考了昆虫启发的光流法, 通过基于光流的卡尔曼滤波器来执行实际和预测光流的迭代匹配. 由于光流导航和光流辅助导航中的光流计算来源于同一昆虫启发光流法, 使得光流复合导航的两部分可共享输入信号和部分执行过程. 文中使用移动机器人进行导航实验,证明了该复合导航方法的效率.     

基于简化Mumford-Shah模型的导航基准图适配区分割方法

基于景象匹配的飞行器导航数字基准地图中需要划分匹配稳定的区域,以提高导航系 统航迹的可靠性.该文首先讨论了描述基准图局部区域匹配稳定性的局部匹配稳健度量指标, 据此定义了适配区的概念.常规的基于相关函数局部匹配稳健度量需要大量的计算时间,难以 实用化.为此,文中采用了三种可快速计算的匹配稳健度量指标:相关主峰曲率、可跟踪度及特 征密度,以及相应的快速算法.同时,引入了一种基于简化Mumford-Shah模型的水平集算法进 行适配区划分,通过演化由模型推导出的偏微分方程,就能得到适配区和非适配区的最优划分. 最后对实际的导航基准图的适配区划分试验表明,该文的适配区分割方法不仅计算速度优于基 于相关函数的方法,而且可以获得合理的适配区分布.     

基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。     

A new deterministic approach in a decision support system for ship’s trajectory planning

The paper introduces a Decision Support System for ships, developed to solve a problem of collision avoidance with static and dynamic obstacles. The system maps the decision making capability of a human (navigation) expert to solve the path planning problem for a ship in a complex navigation environment. It can be further developed to provide automatic control of a ship. It utilizes a new, fast and effective, deterministic method, called the Trajectory Base Algorithm, to calculate a safe, optimal path for a ship. The system structure, a detailed explanation of a new method, followed by results of simulation tests are all presented in the paper. The results proof a successful application of the method to solve a path planning problem for ships with the consideration of both static and dynamic obstacles in the environment, marine traffic regulations and dynamic properties of a ship, what makes this approach applicable in commercial systems. The approach can also be adapted for application in mobile robots path planning. The experimental results and ability of the system to achieve a new functionality of full autonomy show significance of this contribution to the development of Expert and Intelligent Systems domain. The author believes that autonomous systems constitute the future of Expert and Intelligent Systems.     

Cooperative and Geometric Learning Algorithm (CGLA) for path planning of UAVs with limited information

In this paper, we propose a new learning algorithm, named as the Cooperative and Geometric Learning Algorithm (CGLA), to solve problems of maneuverability, collision avoidance and information sharing in path planning for Unmanned Aerial Vehicles (UAVs). The contributions of CGLA are three folds: (1) CGLA is designed for path planning based on cooperation of multiple UAVs. Technically, CGLA exploits a new defined individual cost matrix, which leads to an efficient path planning algorithm for multiple UAVs. (2) The convergence of the proposed algorithm for calculating the cost matrix is proven theoretically, and the optimal path in terms of path length and risk measure from a starting point to a target point can be calculated in polynomial time. (3) In CGLA, the proposed individual weight matrix can be efficiently calculated and adaptively updated based on the geometric distance and risk information shared among UAVs. Finally, risk evaluation is introduced first time in this paper for UAV navigation and extensive computer simulation results validate the effectiveness and feasibility of CGLA for safe navigation of multiple UAVs.