基于blob的积木特征提取算法

《基于blob的积木特征提取算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于BLOB的积木特征提取算法

2、第1内容加载中...lunouseg(this)">500)this.style.ouseg(this)">　　利用上述公式将RGB彩色图像转换为OHTA颜色空间内I′2颜色特征的灰度图像，采用单一阈值的图像分割算法进行了图像分割。2．2　基于BLOB的图像分析算法　　BLOB是指具有相似图像特征（如颜色、纹理等）、而且在空间上是连通的象素组成的块。基于BLOB的特征提取思想于人类视觉本身：人在观察自然景物时会首先根据颜色、纹理、轮廓等特征把所看到的景物粗略地分成几个较大的区域，然后再对感兴趣的区域进行仔细观察以获得细节

3、信息。模仿人的这一视觉处理过程，在图像理解时，可以首先对图像进行分割（二值化），得到若干个互不相交的封闭区域，然后再对其进行处理。　　BLOB由相互连接的象素组成，但如果在查找BLOB时记下每个象素的信息显然是不可取的；从另一个角度讲，BLOB由相互重叠的线段（run）组成，图1（a）是一个放大的BLOB，该BLOB可以看成由线段a1，a2，a3，a4，a5，a6组成，这些线段在相邻两行间有重叠部分，即相邻两行的线段的X坐标范围交集不为空。所以对该BLOB分析时，只要记下这些线段的端点坐标（A1，A2），（A3，A4），（A5，A6），（A7，A8），

4、（A9，A10），（A11，A12）。查找BLOB的算法框图如图1（b）所示。2．3　基于积木先验知识的特征提取算法　　Jain和Binford在1991年发表的题为“计算机视觉中的无知、短视和天真”一文中指出，视觉处理早期阶段需要使用带有普遍意义的知识，后期过程则要用到明确的物体模型。但视觉研究者大都将注意力集中在各种算子的发展上，而忽略了提取对象知识表示与推理等问题。本文充分利用了积木是4边形以及其面积和图像噪声面积有明显差距这一先验知识，从积木图像中提取出了积木的4个顶点，进而根据顶点坐标提取出了积木的各条边长，然后根据边长决定机器人的抓取位置。

5、积木特征提取算法的具体流程如下：　　（1）对生成的BLOB链表进行遍历，计算出每一个BLOB的面积，提取出每一个BLOB的外接矩形。　　（2）如果BLOB的面积小于已定阈值，说明是噪声，不必对其进行处理；否则说明是积木，需要对其进行特征提取。　　（3）因为已知积木为四边形，积木的4个顶点必分别位于外接矩形的四条边上，沿着外接矩形的四条边进行查找，即可找到积木的4个顶点坐标。（4）根据积木的顶点坐标计算其边长，判断积木的形状是矩形还是正方形，然后得出机器人可以抓取的位置。　　利用手绘的彩色图片对算法进行了仿真，处理流程如图2所示。500)this.sty

6、le.ouseg(this)">500)this.style.ouseg(this)">500)this.style.ouseg(this)">500)this.style.ouseg(this)">3　积木特征提取试验3．1　搭积木机器人试验平台　　搭积木机器人是视觉传感器识别技术和工业机器人技术的体现，安装在机器人上方的摄像机实时拍摄散乱摆放的积木照片，传送至视觉处理模块提取出特征坐标，通过坐标变换转换为控制机器人运动的指令坐标，使机器人能够准确抓取积木，然后将其放置到指定位置。该机器人显示了安装了视觉传感器的现代机器人对外部信息快速感知、处理和反

7、应高度自动化的特点。同时也展示了机器视觉、工业机器人和计算机控制的基本原理和功能，凸现了机器人技术、机器视觉技术、信息技术在机器人领域的重要作用，是向公众特别是青少年展示人工智能和机器人视觉技术的科普平台。3．2　算法性能试验　　图3为积木特征提取算法根据现场拍摄的积木图像提取的坐标，从图中可以看出，算法可以准确地从图像中获得积木的外接矩形、4个顶点和需要抓取的边，坐标位置精度满足工业机器人操作的需要。4　结　语　　本文提出了一种基于BLOB的积木特征提取算法，根据BLOB的原理在分割后的二值化图像中进行遍历，生成一个动态BLOB链表；在BLOB分析时

8、充分利用了积木的先验知识，在保证特征提取精度的同时简化了运算过程。该算法速度快，稳定性好，精度在机器人允许的误差范围内，目前的工作主要集中在机器人的运动规划算法设计和提高特征提取算法的精度方面，已对搭积木机器人进行进一步的完善。500)this.style.ouseg(this)">