Обработка изображения для задачи движения мобильного робота по направляющей

Для задачи отслеживания направления рассмотрим алгоритм обработки изо­бражения, используемый для обнаружения в видеокадрах цветной направляю­щей линии на полу (представленной вектором независимых параметров).

Цветовая информация широко используется в алгоритмах обработки изо-

бражений для осуществления операции сегментации, заключающейся в выде­лении в цифровом изображении связанных областей точек (пикселей) имеющих схожие характеристики. При сегментации изображения с использованием цвета обычно выделяются области имеющие одинаковый цвет. В традиционных циф­ровых системах обработки изображения цветовая информация обычно пред­ставляется тройкой значений красного, зеленого и голубого цветов, которые определяют цвет пикселя в цветовом пространстве RGB {Red-Green-Blue - «красньш-зеленый-синий»). Непосредственное использование цветового про­странства RGB для цветовой сегментации изображения обычно приводит к не­удовлетворительным результатам. Причиной тому является тот факт, что в цве­товом пространстве RGB информация о цвете связана с информацией о ярко­сти, а последняя подвержена изменению в зависимости от уровня освещения сцены видеокадра. Другие системы цветового кодирования, такие как нормали­зованная система RGB или система HSV {hue-saturation-value — «цвет- насыщенность-яркость») значительно ослабляют влияние освещенности сцены видеокадра на результаты цветовой сегментации, однако обладают другим не­достатком, который заключается в отсутствии перцепционной однородности передаваемого ими цвета.

В нашем алгоритме обработки изображения мы используем цветовую систе- [345]. Данная система является наиболее перцепционно одно­родной и хранит информацию о цвете и яркости точек изображения в разных компонентах. Каждая точка изображения в системекодируется тре­

мя компонентами (координатами). Первая координата, обозначаемая как содержит информацию о яркости пикселя, две другие хроматические координа­ты, содержат информацию о «чистом» цвете пикселя. Для перевода

информации в цветовые координаты системы CIEиспользуются сле­

дующие выражения

222

эффициентами согласно стандарту Rec.709 [345]. Хроматические координаты практически не чувствительны к изменениям освещенности сцены ви­деокадров и могут использоваться для более надежной цветовой сегментации изображения. Для повышения скорости работы алгоритма сегментация может производиться с использованием подстановочных таблиц.

Алгоритм цветовой сегментации изображения, используемый в данной рабо­те состоит из следующих шагов:

1) .

2) . Изображение преобразуется в цветовое пространство XYZ, используя

выражение (4.30), а затем в цветовое пространствоиспользуя (4.27)­

(4.29). Для повышения скорости обработки вычисления с плавающей точкой в (4.27)-(4.29) заменяются целочисленной арифметикой с использованием зара­нее вычисленных подстановочных таблиц.

3) . Изображение в цветовых координатахпреобразуется в индекси­

рованное изображение с использованием подстановочной таблицы. В данном случае подстановочная таблица используется для индексирования каждого пик­селя в соответствии с его цветом по набору искомых цветов. Каждая строка данной таблицы содержит минимальное и максимальное значение хроматиче­ских координаткаждого искомого цвета в изображении и минимальное

значениедня отсечения темных пикселей, в которых значение цвета иска­жено шумом CCD сенсора камеры.

4) . Индексированное изображение обрабатывается медианным фильтром для устранения остаточного высокочастотного цветового шума.

После обработки индексированное изображение будет содержать некоторое число объектов (связанных областей пикселей с одним и тем же индексом). В полученном изображении также содержится некоторое количество цветового шума средних или низких частот, локальные скопления которого могут также

формировать ложные объекты.

Заключительным шагом в алгоритме обработки изображения является соб­ственно морфологическая цветовая сегментация изображения, которая находит отдельные объекты в индексированном изображении.

Рис.4.8. Пример цветовой сегментации объектов в видеокадре: а- исходное цветное изображение; б - обнаруженные объекты.

Общее число ложных объектов, отброшенных алгоритмом цветовой сегмен­тации, обозначенных как N_d,используется для динамической настройки ба­ланса белого цвета. Проблема баланса белого цвета существует в цифровых устройствах формирования изображения. Она связана с изменением цветового сигнала при изменении цветовой температуры света освещающего сцену ви­деокадра. Данная проблема особенно актуальна при работе в помещениях, где могут одновременно присутствовать несколько источников освещения с раз­личной цветовой температурой — дневной свет, лампы накаливания, люминес­центные лампы. Неправильная настройка цветового баланса приведет к неудов­летворительным результатам при цветовой сегментации изображения из-за по­явления большого уровня шума в индексированном по цвету изображении. В традиционных видеокамерах существует несколько фиксированных режимов

баланса белого цвета для различных режимов освещения. В нашем случае для выбора наиболее подходящего в текущий момент фиксированного режима ба­ланса белого цвета видеокамеры используется следующий показатель качества q = 1∕(1 + N_d).Алгоритм автоматически выбирает тот режим баланса белого цвета, при котором значение показателя качества qмаксимально.

Рис.4.9. Параметры, описывающие направляющую в плоскости изображения.

Обнаруженная в кадре направляющая линия описывается следующими неза­висимыми параметрами:

• координатами центра тяжести направляющей х_с и у_с;

• коэффициентом наклона направляющей в кадре I_d

наиболее близко совпадающей с направляющей на изображении (рис.4.9). Ко­эффициенты а_х и c_yвычисляются при помощи метода наименьших квадратов.

Геометрически, параметр /^соответствует углу, отсчитываемому по часовой стрелке, между подобранной методом наименьших квадратов прямой (4.32) и осью Y в системе координат изображения. Значение параметра I_dлежит в пределах [-5, 5].

4.3.2.