24、全天候机器人视觉的应用与探索

全天候机器人视觉的应用与探索

在机器人视觉的应用领域，面临着诸如光照变化、阴影干扰、雨天场景等复杂情况的挑战。本文将详细介绍几种应对这些挑战的方法和算法，包括目标跟踪、道路与导航线提取、可通行区域识别以及雨天场景跟踪等方面。

1. 目标跟踪方法对比

在目标跟踪方面，L1方法和均值漂移跟踪方法在不同场景下表现各异。通过三组序列图像实验发现：
- L1方法 ：在行人序列图像中，由于该序列图像中阴影造成的亮度衰减相对其他序列不剧烈，L1方法能够正确跟踪目标。然而，在跟踪摩托车和汽车目标时，当目标进入光照剧烈变化的阴影区域后，L1方法会丢失目标。
- 均值漂移跟踪方法 ：单独使用时，在有阴影的场景中容易丢失目标。但基于固有图像的均值漂移跟踪方法，由于固有图像对阴影不敏感，能够使跟踪过程正确运行。

2. 农村场景道路与导航线提取

基于视觉的机器人自动导航系统中，道路检测是关键步骤。农村道路场景常存在阴影和光照变化，植物、车辆和树木产生的阴影和光照变化会对道路提取造成干扰。下面介绍一种针对有阴影的农村和郊区道路图像的道路提取算法。

2.1 算法步骤

该算法的主要步骤如下：
1. 提取颜色固有图像 ：使用基于正交分解的方法从有阴影的道路图像中提取颜色固有图像。
2. 固有图像分割与形态学处理 ：基于Otsu方法和K-means算法对颜色固有图像进行分割和形态学处理。
- Otsu方法分割 ：