智能挖掘机视觉系统中图像处理技术研究

【摘要】：随着陆地资源紧张程度的加剧,人类正向着海洋、太空等更广阔的领域迈进。无论是在水下进行挖掘作业还是在太空进行资源开采,其环境都是十分复杂、恶劣的,甚至有辐射或放射性污染,操作者若直接介入,人身安全得不到保证,而通过智能挖掘机代替人完成这些危险工作是一个理想的方案。因此,智能挖掘机的研究工作具有很重要的理论价值和工程意义。而视觉系统作为实现智能挖掘机所必须的一部分,其重要性不言而喻。 本文从挖掘机的应用角度出发,针对视觉系统中图像处理的几个关键技术性问题做了系统、深入的理论分析,提出了相应的改进算法,并针对挖掘机工作中的典型步骤,分析了改进算法的应用情况。本文的主要工作有以下几方面： (1)分析了传统Chan Vese分割算法不能同时平滑噪声和保护弱边缘信息的原因,提出基于各向异性平滑的图像分割算法。分割模型中引入各向异性平滑项,并利用梯度信息对初始轮廓线进行设置。实验结果显示,改进的分割算法可以在平滑噪声的同时保护弱边缘信息,提高对弱边缘的捕捉能力,且利用梯度信息设置初始轮廓线可以大人减少不必要的运算量。 (2)针对现有全局轮廓匹配方法无法匹配受遮挡目标的不足,提出基于分段轮廓曲率的局部轮廓匹配算法。以曲率极值点为分段点进行轮廓分段处理,用每段轮廓上各点的曲率构造特征向量,采用微分进化算法处理寻优问题。实验结果显示,利用分段轮廓曲率特征进行匹配可以正确匹配受遮挡的目标,采用微分进化算法处理寻优问题,可以提高寻优速度,并保证获得全局最优解。 (3)分析了现有遮挡区域检测方法精度低的原因,提出基于联合特征的遮挡区域检测算法。利用图像中的颜色信息和运动信息进行遮挡区域检测,并采用双边滤波方法,处理遮挡区域的运动不连续问题。实验结果显示,利用颜色信息和运动信息进行联合判定,可提高遮挡区域检测的精度。 (4)针对标准Mean Shift跟踪算法特征表述没有引入像素点空域信息的不足,提出基于空域一颜色域特征表述的跟踪算法。把模板和目标区域分为重叠的子块,分别估计每个子块内像素点的空域一颜色域分布,从而引入空域信息。实验结果显示,引入像素点空域信息后,可以克服传统加权颜色直方图模型表述能力差的缺陷,提高跟踪精度。 (5)以挖掘机回转卸载过程为例,详细分析了本文改进算法在实际工作中的应用情况,用实验手段验证了本文改进的图像处理算法的可行性,最后讨论了智能挖掘机系统的信息融合问题。