面向复杂环境的巡检机器人视觉导航与避障方法与流程
本发明涉及图像处理,尤其涉及一种面向复杂环境的巡检机器人视觉导航与避障方法。
背景技术:
1、在巡检机器人领域,视觉导航与避障技术是实现自主运行的关键基础。然而,在实际应用中,巡检机器人往往需要在户外或半开放环境中运行,这些场景普遍存在光照变化剧烈、雨雾天气频发以及空气中悬浮颗粒物较多等复杂环境因素,从而对视觉系统的稳定性和可靠性提出了更高要求。
2、在复杂环境中,尤其是在雨、雾等低能见度条件下,图像质量会发生明显退化。大气散射效应会导致图像整体对比度降低、颜色失真,远距离目标信息被压缩甚至淹没;同时,雨丝、水滴等动态干扰会叠加在图像之上,使局部区域出现模糊、遮挡甚至伪边缘现象。这类退化不仅影响图像的视觉观感,更直接削弱了边缘检测、特征提取和目标识别等后续处理算法的有效性,从而降低导航与避障决策的准确性。
3、现有技术中,针对复杂环境视觉退化问题,通常采用图像增强、去雾或去雨算法进行预处理,例如基于直方图均衡的亮度增强方法、基于物理模型的大气散射校正方法以及基于深度学习的图像复原方法等。这些方法在一定程度上能够改善图像的清晰度和对比度,但仍存在明显不足。一方面,部分方法侧重全局增强,难以兼顾局部细节恢复,容易导致噪声放大或边缘失真;另一方面,针对雨丝、水滴等局部干扰的处理往往缺乏精细建模,难以在去除干扰的同时保持目标结构的完整性。此外,在目标已受到遮挡或轮廓不连续的情况下,现有方法普遍缺乏有效的结构补全机制,难以恢复目标的几何连续性和空间一致性。
4、因此,如何在复杂环境条件下,有效提升巡检机器人视觉系统对退化图像的处理能力,在改善整体可见性的同时,实现对关键目标轮廓的稳定提取与合理补全,并保证处理结果在时序上的一致性与在结构上的可靠性,成为当前亟需解决的技术问题。这不仅关系到视觉信息的质量提升,也直接影响巡检机器人导航与避障系统的安全性和智能化水平。
技术实现思路
1、本发明提供了一种面向复杂环境的巡检机器人视觉导航与避障方法,用于实现在雨雾、低能见度等复杂环境下对巡检场景目标和障碍物的稳定感知与准确提取,提升巡检机器人在复杂环境中的导航精度、避障安全性和自主巡检可靠性。
2、第一方面,本发明提供了一种面向复杂环境的巡检机器人视觉导航与避障方法,所述方法包括:
3、步骤s1:通过巡检机器人的摄像机采集雨雾天气下的原始图像数据,对其执行分区块亮度均衡化与局部对比度增强处理,得到基础图像;
4、步骤s2:对基础图像执行边缘检测与区域划分,提取雨雾干扰区域与非干扰区域的交界线特征,经噪声过滤与区域二次校验后生成干扰区域分布图;
5、步骤s3:将干扰区域分布图与基础图像像素级叠加配准,量化干扰区域与背景的灰度对比度差异,结合空间密度统计生成差异显著区域图;
6、步骤s4:基于差异显著区域图提取目标初始轮廓,检测定位雨雾遮挡导致的轮廓断点,通过纹理一致性匹配推断遮挡区域内容,生成初步轮廓修复方案;
7、步骤s5:基于修复方案通过插值路径规划完成断点平滑连接,结合颜色渐变填充生成修复后的目标轮廓图像,经对比度调整与边缘平滑得到融合图像;
8、步骤s6:对融合图像执行目标分割、形状约束校正与深度层次优化,得到目标识别结果,基于该结果生成导航路径与避障轨迹,控制巡检机器人执行对应动作。
9、第二方面,本发明提供一种面向复杂环境的巡检机器人视觉导航与避障系统,用于实现上述的方法,所述系统包括:
10、图像均衡处理单元,用于通过巡检机器人的摄像机采集雨雾天气下的原始图像数据,对其执行分区块亮度均衡化与局部对比度增强处理,得到基础图像;
11、干扰区域划分单元,用于对基础图像执行边缘检测与区域划分,提取雨雾干扰区域与非干扰区域的交界线特征,经噪声过滤与区域二次校验后生成干扰区域分布图;
12、显著区域分析单元,用于将干扰区域分布图与基础图像像素级叠加配准,量化干扰区域与背景的灰度对比度差异,结合空间密度统计生成差异显著区域图;
13、轮廓修复规划单元,用于基于差异显著区域图提取目标初始轮廓,检测定位雨雾遮挡导致的轮廓断点,通过纹理一致性匹配推断遮挡区域内容,生成初步轮廓修复方案;
14、轮廓图像修复单元,用于基于修复方案通过插值路径规划完成断点平滑连接,结合颜色渐变填充生成修复后的目标轮廓图像,经对比度调整与边缘平滑得到融合图像;
15、导航避障执行单元,用于对融合图像执行目标分割、形状约束校正与深度层次优化,得到目标识别结果,基于该结果生成导航路径与避障轨迹,控制巡检机器人执行对应动作。
16、第三方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述的方法。
17、本发明的有益效果如下:
18、本发明通过对原始图像执行分区块亮度均衡化与局部对比度增强,先行削弱雨雾散射、局部反光和亮度失衡对成像质量的影响,为后续边缘检测和区域判断提供更清晰稳定的基础图像;在此基础上对干扰区域与非干扰区域进行划分,并结合边界提取、噪声过滤及二次校验,能够更准确地识别雨滴、水雾等视觉扰动范围,避免将环境干扰误判为真实目标;进一步地,将干扰区域分布结果与基础图像进行像素级配准,并结合灰度差异量化和空间密度统计,能够从复杂场景中筛选出真正影响目标观察和导航判断的重点显著区域,使后续处理由整体增强转向关键区域精细修复,提升了处理的针对性和有效性;并利用纹理一致性匹配对被雨雾遮挡造成的目标轮廓断点进行推断与补全,再通过插值连接、颜色渐变填充及边缘平滑,将修复后的轮廓与原始图像自然融合,不仅恢复了目标结构连续性,也提高了图像内容的视觉真实性和几何完整性;在完成图像层修复后,方案继续通过语义分割、形状约束校正和深度层次优化,对目标类别、轮廓边界、空间关系进行进一步确认,使识别结果同时具备较高的准确性、稳定性和场景适应性。最终,基于上述识别结果提取障碍物位置、尺寸和可通行区域等关键信息,并结合巡检任务要求、机器人运动学约束以及动态窗口法生成全局路径和局部避障轨迹,从而实现感知、识别、决策与控制之间的有效配合,能够在雨雾等复杂环境下显著提升巡检机器人对关键目标和障碍物的辨识能力、路径规划精度及避障安全性,增强其连续自主巡检的可靠性。
1.一种面向复杂环境的巡检机器人视觉导航与避障方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,步骤s1中,得到基础图像,包括:
3.根据权利要求1所述的方法,其特征在于,步骤s2中,生成最终干扰区域分布图,包括:
4.根据权利要求1所述的方法,其特征在于,步骤s3中,生成差异显著区域图,包括:
5.根据权利要求3所述的方法,其特征在于,步骤s4中,生成初步轮廓修复方案,包括:
6.根据权利要求1所述的方法,其特征在于,步骤s5中,经对比度调整与边缘平滑得到融合图像,包括:
7.根据权利要求1所述的方法,其特征在于,步骤s6中,得到目标识别结果,包括:
8.根据权利要求7所述的方法,其特征在于,步骤s6中,控制巡检机器人执行对应动作包括:
9.一种面向复杂环境的巡检机器人视觉导航与避障系统,用于实现如权利要求1-8中任一项所述的方法,其特征在于,所述系统包括:
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-8中任一项所述的方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com