基于HSI图像分割的AGV道路标线中心线提取

基于 HSI 图像分割的 AGV 道路标线中心线提取
姜汉荣 钱晓明
（ 南京航空航天大学机电学院， 南京 210016 ）
摘
要
针对视觉导航 AGV 的道路标线中心线提取， 提出了一种新型的基于 HSI 图像分割的方法。 该方法首先将原始的
RGB 图像转换成 HSI 图像， 在此基础上完成图像分割 。图像分割所获得的单色位图， 经过图像形态学的处理， 包括开运算、 腐 蚀、 差运算等， 最终可提取出道路标线的中心线 。对实际道路图像数据的实验验证了该方法的有效性 。 与原有方法相比， 该 方法所需运算简单， 实现该方法所需硬件资源消耗小， 适合基于嵌入式系统开发的视觉导航 AGV。 关键词 自动导引车 视觉导航 HSI 图像 文献标志码 A 形态学 中图法分类号 TP391． 76 ；
［2 ， 3 ］
。
图1 道路标线中心线检测子系统功能框图
［8 ］
AGV 的视觉引导系统的一个重要功能是对图 像进行处理， 实现对道路标线中心线的有效检测 。 实现道路标线中心线检测的子系统功能框图如图 1 CCD 摄 像 机 获 取 图 像 数 所示。在这 个 子 系 统 中， 据， 并通过视频采集卡传送到计算机或者微型控制 器中
本设计采用形态学中的“开运 路标线的边缘平滑， 消除这些黑点。 算” 开运算是形态学中一种基本运算， 实际上是先 “膨胀” “腐蚀” 后 的过程， 利用它可以填充物体内细 小空洞， 连接临近物体、 平滑其边界， 但同时并不明
物体区域具有一些噪声孔， 而背 通常都很不平滑， 景区域上散布着一些小的噪声物体， 如图 2 分割得
2011 年 9 月 23 日收到 mail： mnj783355 @ 第一 作 者 简 介： 姜 汉 荣， 男， 硕 士 研 究 生。 E163. com。
［7 ］
1
图像分割
实践证 Fra Baidu bibliotek， 道路标线亮度信息不同于路边亮
和图
这是对其进行提取的基本依据。 图像在形成、 度， 传输、 接收的过程中， 由于内部或者外部因素的干 会使图像质量降低或者退化， 因此常常需要对 扰， 图像进行预处理。 图像预处理通常包括去噪平滑，
j =0 i， m
3
实验验证
为了验证本设计所提出的道路标线中心线提
取方法的有效性， 对三幅实际道路标线的图像进行 了中心线的提取运算。 第一幅图像的黄色标线一 端缺失， 第二幅图像的黄色标线中间缺失， 第三幅 并包含部分周围环境。 作为 图像的黄色标线完整， 实验对象的道路图像分辨率均为 640 × 480 （ 30 万像 素的 VGA 图像） 。 图 6 显示了从三幅实际道路图像提取道路标线 中心线的效果图。 每个小图的左侧为原始道路图 右侧为提取到的道路标线中心线。 实验结果表 像， 本设计所提出的中心线检测方法， 可以有效地 明， 应对实际图像的各种非理想因素， 实现对道路标线 中心线的有效提取。 需要强调指出的是， 与常见的 AGV 道路标线中 心线提取方法相比
参
1 陈
考
文
献
超，叶庆泰． 基于图像引导的自动引导小车系统设计． 机械
2004 ； 20 （ 1 ） ： 65 —67 设计与研究， 2 Li Jiegu． Global measure on image content． Journal of Shanghai Jiao 2000 ； （ 2 ） ： 108 —111 tong University， 3 4 易 2010 ； 29 （ 2 ） ： 44 —46 弘． AGV 视觉导航研究． 研究与开发， 瀛， 等． 基于视觉引导 AGV 路径跟踪模糊
第 11 卷 第 35 期 2011 年 12 月 1671 — 1815 （ 2011 ） 35-8757-04
科
学
技
术
与
工
程
Science Technology and Engineering
Vol. 11 No. 35 Dec． 2011 2011 Sci. Tech. Engrg.
计算机技术
{
0 ， 若 H≤H th 且 S≥S th 1 ， 其它
（ 4）
S th ） 的选择直接影响后续的图像处理效 （ H th ， 果， 设计中 需 要 根 据 系 统 的 实 际 应 用 环 境 谨 慎 选 定。本设计通过对实际获取的道路图像数据的反 S th = 80 （ H、 S 都是 8 bit 数） 。 复试验， 选定 H th = 35 ， 图 2 是在对室外环境中实际获取的道路标线进 行图像分割后的效果图。 图 2 （ a ） 是试验中获取的 原始图像， 图 2 （ b） 是基于 HSI 图像数据进行分割的 图 2 （ c ） 给出了基于 RGB 图像效果图。 作为对比， 图像数据进行分割的图像效果图。 通过对比可以 HSI 颜色空间阈值分割法效果要比 RGB 颜色 发现， 空间阈 值 分 割 法 图 像 边 缘 平 滑。 与 常 见 的 基 于 RGB 颜色空间的阈值分割， 本设计采用 HSI 颜色空 间阈值分割法在应用中具有更好的效果 。
膨胀是将与物体接触的所有背景点合并到该 使边界向外部扩张的过程， 利用它可以填 物体中， 补物体中的空洞； 在膨胀操作时， 输出像素值是输 入图像相应像素邻域内所有像素的最大值 。 腐蚀 是一种消除边界点， 使边界向内部收缩的过程， 利 用它可以消除小而且无意义的物体。 在腐蚀操作 中， 输出像素值是输入图像相应像素邻域内所有像 设定一个 素的最小值。对于一个二值图像 I（ x，y） ， 结构元素 T （ i，j ） 。 在膨胀操作中， 对于特定像素 选定以其为中心、 与结构元素大小对应的区域， 点， “与” 与结构元素进行 运算， 如果任何像素的计算值 那么对应的输出像素值为 1 。 对于腐蚀操作， 为 1， 如果任何一个像素的计算值为 0 ， 那么对应的输出 像素值为 0 。典型的膨胀与腐蚀运算可表示为 y） = （ I ⊕ T ） （ x， y ） = OR［ I （ x + i， y 膨胀 D（ x，
［4 —6 ］
像形态学的图像增强技术
， 提出了一种用于道路
标线中心线检测的方法。 通过仿真工具运用该方 法对实际获取的道路图像数据进行处理 ， 验证了该 方法能够有效的用于道路标线中心线检测 。
。计算机或者微控制器首先对获取的图像
数据进行必要的预处理， 然后通过图像分割将感兴 最后通过图形的数据 趣的区域（ 标志线） 提取出来， 计算完成中心线检测。 现综合 HSI 颜色模型的图像分割技术
8758
科
学
技
术
与
工
程
11 卷
图像增强、 图像的几何校正处理等内容。 在预处理之后， 对图像数据进行图像分割。 图 所以分 像分割的目的是将感兴趣的区域提取出来 ， 割针对区域是最好的方法。 设计中获取的是彩色 图像， 彩色图像的分割经常需要用彩色空间模型有 2 种， 一种是 RGB 颜色模型， 一般偏向硬件， 绝大多 数的监视器采用这类模型。另外一种模型是 HSI 颜 色模型， 它是用色调、 饱和度、 亮度来描述颜色， 其中 用亮度描述光的强度。 用色调和饱和度描述色彩， HSI 可以由 RGB 颜色空间转换而来， 转换公式为 R +G +B I= 3 （ 1）
刘沙沙，魏生民，薛
2009 ， 37 （ 8 ） ： 108 —111 控制研究． 机床与液压，
图6
实验结果
5
崔辰鹏，金钰飞，钱晓明， 等． AGV 视觉导向 Hough 变换算法的 FPGA 硬件实现． 工业控制计算机， 2010 ， 23 （ 6 ） ： 41 —42
可以通过很小的代价保证运算的实时性 ， 非常有利 于基于嵌入式系统开发的视觉导航 AGV。
情况， 使用 HSI 颜色模型分割图像更加有利于道路 首先将获取的 RGB 图像数 路标的信息提取。因此， 在 HSI 图像数据上实现图 据转换成 HSI 图像数据， 像分割。 S 分量设 在获取 HSI 图像数据后， 对像素的 H、 S th ) ， 置一个阈值 ( H th ， 然后对每个像素的数据进行 获得道路图像单色位图。 如下处理， p=
1 H= G ＞ B ； 180 ， G ＜ B }] [ 90 － arctan ( F / 槡 3 ) + {0 ， 360 （ 2） G， B） mean（ R ， S =1 = I （ 3）
R、 G、 B 为 RGB 空间下的像素数据分量， H、 S、 其中， I 为 HIS 空间下的像素数据分量， F= 2R － G － B 。 G －B
［4 —6 ］
+ j） ＆T（ i， j） ］
m i， j =0
（ 5）
y） = （ I T ） （ x， y ） = AND［ I （ x + i， y 腐蚀 E （ x， + j） ＆T（ i， j） ］ （ 6） AND 表示逻辑与运算。 其中 OR 表示逻辑或运算， 图 3 是利用“开运算 ” 方法消除噪声点的效果 从图中可以明显看出， 道路标线上的噪点明显 图， 已经被消除了。在开运算中， 比较重要的一个步骤 是选定合适的结构元素大小。 结构元素的大小需 要根据具体应用情形 （ 图像大小、 标线粗细等 ） 选 定。在本设计中， 通过对实际道路图像数据的反复 选定结构元素尺寸为 12 × 8 。 试验， 为了检测道路标线的边沿曲线， 将图 3 所示开 。“腐蚀 ” 运算 运算 运算后的图像再次进行“腐蚀 ”
35 期
姜汉荣， 等： 基于 HSI 图像分割的 AGV 道路标线中心线提取
［8 ］
8759
显改变原来物体的面积
。
的目的是 获 得 道 路 标 线 面 积 内 缩 的 一 幅 新 图 像。 “腐蚀” 在 运算中， 采用了尺寸为 3 × 3 的结构元素。 将此新图像与图 3 所示的图像做差运算， 即可得出 道路标线的边沿曲线， 计算后的道路标线边缘线如 图 4 所示。 对道路标线的两条边沿曲线进行求平均值运 即可得出道路标线的中心线。如图 5 所示。 算，
4
结论
设计针对视觉导航 AGV 这一应用， 综合基于
Path Central Guide Line Extraction for AGV Based on HSI Image Segmentation
AGV（ Automated Guided Vehicle） 是指装备有电 磁或光学 导 引 装 置， 能够按照规定的导引路线行 具有小车运行和停车装置、 安全保护装置以及 驶， 具有各种移载功能的运输小车
［1 ］
。 在室外环境中，
AGV 经常采用视觉导航引导小车的行驶路线。 视 觉导航是通过 CCD 或者 CMOS 摄像头拍摄路面标 线的图像信息， 经车载计算机对图像的处理来识别 并根据车辆与路径轨迹之间的相对位置的判 路径， 断结果， 来控制车辆运行方向的一种引导方式
， 实现本方法所需要完成的
图像处理运算相对简单很多。 主要运算包括： RGB 颜色空间到 HIS 颜色空间的转换、 基于小型结构元 素的开运算和腐蚀运算、 图像的差运算。 与文献中 的方法相比， 实现上述运算所需硬件资源消耗很小 ，
8760
科
学
技
术
与
工
程
11 卷
HSI 颜色模型的图像分割技术和基于图像图形学计 提出了一种有效的 AGV 道路 算的标志线提取技术， 标线中心线的提取方法。 该方法能够适应自然环 境中光线变化， 提取出边缘平滑， 断点少的标线轮 廓。对实际道路图像数据的实验表明该方法能够 准确有效地提取出道路标线中心线。 与文献中的 所提出的方法更利基于嵌入式系统的视 方法相比， 觉导航 AGV 的设计开发。
6
刘
进， 齐晓慧， 李永科． 基于机器视觉的 AGV 路径跟踪． 火力
2010 ， 35 （ 8 ） ： 133 —135 与指挥控制， 7 杨 杰，张铭钧，徐建安． 基于彩色图像的运动目标分割方法 ． 2006 ， 42 （ B05 ） ： 170 —174 机械工程学报， 8 1999 章毓晋． 图像处理和分析． 北京： 清华大学出版社，
HSI 颜色模型是从人的视觉系统出发的， 更加 一般当图像上 符合人的视觉特性对于颜色的理解， 面有阴影或者光线变化比较大时都选取这种彩色 空间对图像进行处理
［7 ］
。 对于主要应用于室外的
图2
两种分割方法效果对比
到的图像在白色区域有很多细小的黑点 ， 为了使道
2
基于开运算的中心线提取
由于噪声的存在， 图像在分割后所得到的边界