探測機器人煤礦井下地圖創(chuàng)建
加入技術交流群
圖6Canny邊緣檢測和Hough變換邊緣提取
在井下環(huán)境中，紅外熱像儀在各種地形的檢測中發(fā)揮著不可或缺的作用。當井下環(huán)境中光照亮度不夠時或者視覺傳感器不能判別時，可以用紅外熱像儀傳感器采集到的圖像數(shù)據(jù)與視覺傳感器相融合，加強對地形的檢測。
圖7紅外熱像儀采集到的井下環(huán)境圖像
圖7為在井下環(huán)境中紅外熱像儀采集到的圖像。對此圖像采用紋理檢測和邊緣檢測，與視覺傳感器采集到的數(shù)據(jù)相互融合，增強了對井下階梯的檢測能力，為機器人尋找規(guī)劃最優(yōu)路徑提供了前提。
3.4.2較大面積水面識別
在越野地形下，對于移動機器人自主導航來說，對積水的探測是一個重要的挑戰(zhàn)。對于水密性不好的機器人來說，穿越較深的水域會對機器人本體造成嚴重的后果，雖然DEEC_II機器人本體是基于IP67標準設計的，但由于機器人攜帶有如氣體傳感器等需要與空氣密切接觸的設備，因此過深的積水仍然會對機器人的功能造成無法挽回的損壞。
近年來，應用于移動機器人導航的水體檢測技術已經(jīng)有了一定的研究基礎和初步的發(fā)展。在2003年，Matthiesetal.通過記錄與分析能夠影響水體屬性的環(huán)境變量，采用多種傳感器研究了在各種不同環(huán)境條件下的水體檢測[[i]]。Iqbaletal.最近也在使用傳感器和相關的算法進行探測水體的研究工作[[ii]]。多種不同的傳感器，包括被動式傳感器（視覺，短波紅外，熱紅外，偏振，遙感）[[iii]]和主動式傳感器（激光）在水體的檢測的研究中獲得了較為廣泛的應用。
能夠表現(xiàn)水體存在的特征有好多，例如水體的顏色，水體的紋理，水體的起伏和水體的紅外輻射能等等。根據(jù)單一的特征去檢測僅僅對某一特定的水體有效。例如，時空變化分析對從固定的平臺去檢測流動的水體是有效果的，但是靜止的水體效果不理想[[iv]]。也可以通過可見光相機采集的多種水體特征，通過信息融合的方法來檢測水體[[v]]，A.Rankin利用水體對天空或其他景物的反射等多種特征的融合用于于日間水體的檢測。Xie利用水體反射的偏振特性提出一種進行水體特征檢測的算法[[vi]]。上述研究人員所提取的水體特征，如天空反射、景物反射以及偏振特性等，多數(shù)是在日間條件下進行的，對于夜間水體檢測的研究目前未見有比較完善的方法，而Rankin提到，他們進一步將要主要解決的問題也是夜間水體檢測的問題。
煤礦井下環(huán)境常年不見日光，在災后絕大多數(shù)情況下井下都是處于斷電狀態(tài)，是不可能有外界照明的。因此，井下機器人對于水體的檢測只能依靠其自身照明系統(tǒng)或夜視系統(tǒng)來實現(xiàn)，水體對于來自機器人照明系統(tǒng)燈光的反射由于入射角度的原因與自然光或外部燈光照射下的情況有很大的不同。這里我們熱成像儀和視覺傳感器相結合的方式檢測井下水體。通過不同傳感器對水體特征的檢測確定疑似水體目標，接下來通過對這些特征數(shù)據(jù)的信息融合，篩選排除可能性較小的疑似水體目標，最終獲得真實水體的位置和大小為機器人的自主導航規(guī)劃路徑提供可靠信息。
采用熱成像儀對水體進行檢測
熱成像儀是一種用于檢測遠紅外熱輻射的傳感器，我們采用的FLIRPHOTON320熱像儀其檢測波長范圍為2-14μm。通過熱像儀可以有效地探測井下物體的紅外輻射信號，并將其轉換為可以能夠進行信息處理的圖像信號。
紅外成像技術實質上是一種波長轉換技術，即把紅外輻射分布轉換為可視圖像的技術。它將來自景物自身各部分紅外輻射的差異轉換為可見圖像的細節(jié)，最終形成一幅紅外熱圖。與場景的可見光圖像不同，場景的紅外輻射并不能由人眼直接觀測，而需要借助紅外探測器將紅外輻射轉換為某種可被顯示設備顯示的信號(如電壓、電流等)。紅外成像技術的實現(xiàn)設備被稱為紅外成像系統(tǒng)(熱像儀是其中典型的一種)，主要由光學系統(tǒng)、探測器、信號處理器和顯示設備等部件組成。
在井下環(huán)境中，礦石、軌道、支柱、機械、水體等等目標，由于在物質的內部，電子、原子、分子都在不斷的運動著，在有外界的刺激或干擾的情況下，電子、原子、分子會改變運動的狀態(tài)，就會發(fā)生能量的釋放——熱輻射。在絕對零度(-273℃)以上的物體都不同程度的輻射紅外能量。每種物質有其自己獨特的能量特征信息，因而不同物質對應的輻射能是不一樣的。利用這一區(qū)別，就可以檢測出井下環(huán)境中存在的水域，如圖8所示。
需要說明如何進行檢測，例如水的熱熔比比較高，以及蒸發(fā)等現(xiàn)象的存在，導致水體溫度往往地域周圍的溫度，這是檢測水體存在的一個重要特征。
圖8采用熱像儀檢測到水體圖像（灰度較深部分為水面）
視覺傳感器檢測水面
在自然環(huán)境中，水面一般是具有較高亮度(自然光或較高入射角的燈光環(huán)境)，弱紋理（基本無波紋和倒影）的區(qū)域。這一點在井下略有不同，機器人本體上攜帶的燈光相對來說入射角度低，亮度較強，由于水面的起伏度和粗糙度相對于水面周圍環(huán)境來說要小得多。因此，對于較低入射角來說，水面會由于鏡面反射的原因，其表面成像區(qū)域的亮度相對較低；而水面周五的土壤、石塊、路面等由于存在漫反射的原因，其平均亮度相對較高。另外，一般情況下，相對于水面附近的地面，機械，墻壁等其起伏程度、高程都較低，在非結構化路面條件下其高程差多數(shù)比較明顯。因此，利用立體視覺技術，將探測區(qū)域的亮度、紋理、起伏度和高程等多特征并進行合理的融合，可以獲得較為準確的井下水面檢測結果。
井下水面亮度特征的提?。?BR>
是否考慮使用K均值聚類的方法，這個需要衡量一下，另外，使用K均值聚類可以將多個因素，如亮度、紋理、高程等因素同時考慮實現(xiàn)分類。
聚類（Cluster）分析是由若干模式（Pattern）組成的，通常，模式是一個度量（Measurement）的向量，或者是多維空間中的一個點。聚類分析以相似性為基礎，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。
由于井下環(huán)境相對于野外環(huán)境較為固定，為了更加準確的提取井下水面的亮度特征，采用了自適應的二值分割法。
首先，通過立體視覺傳感器采集到井下一般環(huán)境的（含水面）的多幅彩色圖像組成一個井下環(huán)境的圖庫。將采集到的彩色圖像轉換成灰度圖像，并用人工的方式將水面與其他周圍的景物分割開。從圖庫中統(tǒng)計出井下水面和周圍環(huán)境圖像的灰度值的范圍，確定這兩類環(huán)境的灰度值的中心值的范圍——經(jīng)驗閾值。經(jīng)過多次的實驗，調整確定經(jīng)驗閾值，這樣在根據(jù)亮度檢測水體時，能夠格更加精確地分類。經(jīng)過大量的井下實驗，水面灰度大致是180左右，周圍景物(非水面)的灰度大致是40左右。統(tǒng)計得到了水面和非水面的中心值后，把經(jīng)驗閾值設為水面和非水面的中心值，然后就可以進行對井下環(huán)境聚類了。把要檢測的灰度圖中每一個像素點和中心值比較，根據(jù)最近鄰法把每個像素點都聚類，聚類完成后就得到了兩類；然后按照聚類的結果算出新的兩個類的中心點，重新進行聚類；這樣就可以不停的把要檢測的圖片中像素聚類，不斷更新得到兩類的中心點，可以預見中心點的變化將趨于穩(wěn)定。當?shù)玫降膬蓚€中心點前次和后次相當接近的時候，就停止運算(比如說前后兩次運算結果得到的中心點的值的比值大于0.999)。通過以上運算，就可以按照亮度把待檢測圖分割為兩個類——水面和其周圍環(huán)境。
基于亮度特征的井下水面檢測存在著其固有的問題，可能將其他高亮的物體（例如，光滑的單色物體，表面整齊的礦石等等）誤判為水體。
井下水面紋理特征的提?。?BR>
紋理，是對圖像的象素灰度級在空間上的分布模式的描述，反映物品的質地，如粗糙度、光滑性、顆粒度、隨機性和規(guī)范性等。對紋理簡單的理解可以是物體表面的平滑程度，一般來說，水面相對于周圍的環(huán)境，應該是比較光滑的弱紋理區(qū)域，所以通過尋找一幅圖片中的弱紋理區(qū)域可以提取出要檢測的水面。
描述一塊圖像區(qū)域的紋理有三種主要的方法，統(tǒng)計分析方法、結構分析方法和頻譜分析方法。統(tǒng)計方法有自相關函數(shù)、紋理邊緣、結構元素、灰度的空間共生概率(spatialgay-tonecooccurrenceprobabilities)、灰度行程和自回歸模型。統(tǒng)計方法將紋理描述為光滑、粗糙、粒狀等等。結構方法研究基元及其空間關系，基元一般定義為具有某種屬性而彼此相連的單元的集合，屬性包括灰度、連通區(qū)域的形狀、局部一致性等?？臻g關系包括基元的相鄰性、在一定角度范圍內的最近距離等等。根據(jù)基元間的空間聯(lián)系，紋理可以分為弱紋理或強紋理，進一步細分，可以根據(jù)基元的空間共生頻率來劃分，也可以根據(jù)單位面積內的邊緣數(shù)來區(qū)別，基元也可以定義為灰度行程。頻譜方法是根據(jù)傅立葉頻譜，根據(jù)峰值所占的能量比例將圖像分類。包括計算峰值處的面積、峰值處的相位、峰值與原點的距離平方、兩個峰值間的相角差等手段。
描述一幅水面圖片紋理的方法如下:算法開始時先設置大小為N×N的滑動窗口，按照從左向右，從上到下的順序滑動。每次滑動一個像素的距離，并計算窗口內的象素灰度的相似度(公式如下)；
Ti為窗口內像素灰度的相似度，可以認為這是對紋理的描述，窗口內灰度變化越大，則相似度越小，那么紋理就越強，反之紋理越弱，Xi為每個窗口內的各個像素灰度值，而X為窗口內像素灰度和的均值，N為窗口大小。在我們的實驗中，窗口的大小是根據(jù)經(jīng)驗設置的，窗口不能太小，太小了反映不出具體的紋理特征，太大了會造成劃分太粗，通過大量的實驗，認為設置窗口大小N=9（沒有做過試驗，需要驗證）效果是最好的。通過以上計算，就得到一幅圖片中除去邊緣像素的每一個像素的紋理描述，進而得到一張圖片的紋理描述圖。提取水面紋理特征通過將水圖庫中的所有圖片進行處理，得到一個水面紋理庫，對這些水面和非水面的紋理統(tǒng)計，最終確定水面紋理值的范圍一般在5左右（有待試驗），而周圍紋理較強的景物的紋理相似度則一般在7以上，有相對明顯的區(qū)分度，我們可以利用這個統(tǒng)計結果來合理的設置初始值。通過聚類的方法能很容易就找到一幅圖片中的弱紋理區(qū)域，這就是要找的水面。 三維掃描儀相關文章:三維掃描儀原理 熱成像儀相關文章:熱成像儀原理
評論