移动机器人视觉避障：HSI彩色图像分割与目标定位方法

"这篇论文研究了移动机器人单目视觉避障导航的问题，特别是针对室内环境中的多障碍物图像分割和目标定位。论文提出了一种结合HSI彩色图像空间序列分割和Otsu阈值选择的图像分割方法，通过亮度均值的幂次变换提升亮度空间的对比度，有效地从背景中分离出多个目标区域。利用透视投影原理，论文采用了目标定位的几何方法来获取目标在空间中的坐标，这种方法在Pioneer-2移动机器人上进行了验证，证明了其有效性和实用性。" 在移动机器人技术中，视觉导航是一项关键技术，因为它具有广阔的探测范围和丰富的信息获取能力。随着计算机视觉理论和算法的进步，视觉导航逐渐成为导航技术的重要方向。典型的视觉导航流程包括图像采集、彩色图像分割、目标识别、场景理解/定位以及顶层行为控制策略。图像分割是这一过程的关键步骤，因为它能将输入图像转化为有效图像区域或像素标记，这些标记随后用于目标识别，进一步支持机器人的3D场景理解、定位和行为控制。 在论文中，研究者特别关注了HSI空间在彩色图像分割中的应用，因为HSI模型的亮度分量与彩色信息独立，对外部光照条件的变化不那么敏感。他们提出了一个改进的方法，通过基于图像亮度均值的幂次变换增强图像的亮度对比度，以适应室内环境光线的变化。同时，他们结合Otsu方法来优化图像分割的阈值选择，这改进了先前方法的效果。 目标定位部分，论文引用了不需要摄像机内参标定的几何定位方法，但这些方法通常需要知道摄像机的水平和垂直视野角。为了克服这个限制，论文提出了一种新的几何方法，它依赖于摄像机的内参和相对于机器人的安装位置来确定目标与机器人的相对位置，无需知道具体视野角。这种方法在实际应用中展示了高精度和实用性。 障碍物目标的提取是通过HSI空间的颜色特性实现的，因为HSI模型更接近人类视觉感知。RGB颜色空间的三个分量高度相关，而HSI空间的亮度分量独立，使得它在光照变化环境下表现优越。通过这种方法，可以有效地从复杂的背景中提取出目标像素坐标，并进一步转换为空间坐标，从而实现精准的目标定位。 这篇论文贡献了一种适用于室内环境的移动机器人视觉避障技术，它在图像处理和目标定位方面都有创新性的改进，能够提高机器人的自主导航能力。