室内惯性_视觉组合导航地面图像分割算法

的分割过程。但是这种方法存在的问题是需要人工参 与、算法的通用性差等问题。在不同的室内环境中， 如果地面区域的颜色、纹理等特征不同，则需要重新 设定地面特征信息； 同时， 即使是在同一室内环境中， 随着光照条件变化的影响， 也会使得地面区域的颜色、 纹理等特性发生较大的变化， 从而会降低算法的性能。
Floor segmentation algorithm for indoor vision/inertial integrated navigation
WANG Jian-ming1, WANG Xi1, WANG Sheng-bei1, LI Shi-xin2, LENG Yu3
(1. School of Electronics and Information Engineering,Tianjin Polytechnic University, Tianjin 300160, China; 2. Tianjin Navigation Instruments Research Institute, Tianjin 300131, China; 3. Suzhou Entry-Exit Inspection and Quarantine Bureau, Suzhou 215021, China) Abstract: Navigation is a key technology for autonomous robots, which makes them movable in an unknown environment. To tackle the difficulty of building indoor navigation map for inertial navigation systems, a new map building method for inertial/visual navigation is proposed. By limiting robot’s movement within the floor areas, the global navigation map is generated from a bird-view image. An algorithm of automatic floor segmentation is proposed, which employs principal component analysis to implement dimension reduction for local color features and adopts clustering analysis to realize floor segmentation automatically. Finally, an indoor bird-view image database is built to evaluate the algorithm. The algorithm gets the worst performance, 75% averaged accurate segmentation rate, on the fourth group images because illumination reflection is found in the images. Average accurate segmentation rates on other groups are around 85%. Thus, the preprocessing algorithms, such as illumination refection detection, can help to improve the performance of the algorithm. Keywords: indoor autonomous robot; integrated navigation; image segmentation; clustering analysis
ri , j
( j 1) L2 1 ( i 1) L1 1 k jL2

l iL1

I (k , l ,1) ，
gi , j
( j 1) L2 1 ( i 1) L1 1 k jL2
[2] [1]
案，把图像传感器固定在天花板上，实时拍摄室内的 俯视图像，如图 1 所示。 该导航方案的工作过程如下：首先利用图像传感 器获取室内环境的俯视图像，然后利用无线通信技术 实时地把图像数据传输给机器人；机器人根据接收到 的图像进行计算，以获取或更新当前室内环境的全局 导航地图；利用惯性传感器获取机器人的运动状态， 同时从俯视图像中获得机器人在全局地图的位置，通 过路径规划算法完成机器人的导航过程。 研究过程中采用如下假设： 假设 1： 机器人仅在室内环境中的地面区域活动， 其它区域都视为禁止机器人活动的障碍物区域； 假设 2：在室内环境的俯视图像中，地面区域所 占比例最大； 假设 3： 所有地面区域的颜色、 纹理特征是一致的。 基于以上假设，只要指定室内各标志性物体在俯 视图像中的位置，然后从俯视图像中分割出地面区域 作为机器人活动区域以实现障碍物自动躲避，就可以 很方便的建立全局导航地图。 本文主要研究俯视图像地面区域自动分割算法。
移动机器人需要在未知、复杂以及动态的环境中 自主移动，因此导航技术是移动仪器人的核心技术之
收稿日期：2011-08-26；修回日期：2011-09-20
一。移动机器人的导航方法有多种，如惯性导航、电 磁导航、GPS导航和视觉导航等等。其中惯性导航和
基金项目：天津市应用基础及前沿技术研究计划（项目名称：室内移动机器人视觉导航新方法研究（10JCYBJC26300） 作者简介：汪剑鸣（1974—） ，男，博士，教授，硕士生导师，主要从事机器人导航，计算机视觉与模式识别等方面的研究。 E-mail: wangjianming@
天
花
图像 传感 器
板
视野范围
导航组件 机器人
图1 Fig.1 图像采集方案示意图
Scheme of image acquis为了完成对俯视图像中地面区域的分割，可以首
先指定地面区域的颜色、纹理等特征，然后完成图像
1
惯性/视觉组合导航中的图像采集方案
在室内环境中，移动机器人一般是在地面区域行
（1. 天津工业大学 电子与信息工程学院，天津 300160；2. 天津航海仪器研究所，天津 300131； 3. 苏州出入境检验检疫局，苏州 215021）
摘要： 导航技术是机器人实现自主移动的关键技术之一。 针对惯性导航创建全局导航地图困难等问题， 提出一种新的惯性/视觉组合导航室内全局地图创建方法。规定机器人只能在地面区域中移动，并利 用室内俯视图像建立全局地图，提出一种俯视图像地面区域的自动分割算法。首先，利用主元分析算 法对图像的局部颜色特征进行降维；其次，利用聚类算法对地面区域进行自动分割；最后，建立了室 内俯视图像数据库并对算法的性能进行了验证。由于第四组图像中包含反光区域，算法的分割结果较 差，平均正确分辨率为 75%。算法在其他各组的平均正确分割率为 85%左右。为提高算法的性能，可 在应用本算法前利用反光区域检测算法对图像进行预处理。 关 键 词：室内移动机器人；组合导航；图像分割；聚类分析 文献标志码：A 中图分类号：U666.1
设彩色图像用 I 表示，为 M×N×3 的矩阵，划分 的图像块大小为 m×n，提取后的局部颜色特征集合为 F={fi，j|i=1，2……L1，j=1，2……L2} (1)
ri、 其中，fi 为三维向量，即 fi={ri,j, gi,j, bi,j}。L1、L2、 gi、 bi 分别按下式计算：
M N L1 ， L2 ， m n
第 19 卷第 5 期 2011 年 10 月 文章编号：1005-6734(2011)05-0553-06
中国惯性技术学报 Journal of Chinese Inertial Technology
Vol.19 No.5 Oct. 2011
室内惯性/视觉组合导航地面图像分割算法
汪剑鸣 1，王 曦 1，王胜蓓 1，李士心 2，冷 宇 3
走。如果能够获取室内的地面区域，则可以解决机器 人在移动过程中障碍物躲避、路径规划等问题，同时 也可以建立全局导航地图。为了获取室内环境的全局 图像，本文采用图像传感器与机器人相分离的设计方
第5期
汪剑鸣等： 室内惯性/视觉组合导航地面图像分割算法
555
针对上述问题，本文提出一种自适应地面分割算 法。该算法的基本思想如下：如果假设 2 成立，则在 俯视图像中地面区域的样本数最多。根据这个特点， 利用聚类算法对图像特征的样本点进行分析，认为在 聚类结果中样本数最多的一类即为地面区域样本。算 法主要步骤如下： 1) 利用图像局部特征提取算法， 得到图像特征的 样本数据； 2) 采用主元向量分析算法， 对图像的特征数据进 行降维； 3) 设计聚类算法，对样本数据进行自动分类； 4) 根据分类结果的样本数量， 判断地面区域样本 的类别完成地面区域的分割，并分割进行后处理。 2.1 特征提取 本文主要采用图像的局部颜色特征作为分割地面 的依据。 提取图像的局部颜色特征时， 可以直接把每个 象素点的颜色值作为一个特征向量，但存在如下不足： 1) 每个像素点都参与运算， 会使得计算量大大增 加，严重影响聚类算法的运算速度，从而影响到整个 系统的实时性； 2) 直接对单个像素点的颜色特征进行聚类分析， 易受噪声影响。 因此在提取颜色的局部信息时，首先对原始图像 进行分块处理， 然后对每个图像块提取平均颜色特征。 图像分块的实例如图 2（b）所示。
554
中国惯性技术学报
第 19 卷
视觉导航是最常用的两种导航方式，为了提高导航系 统的整体性能，实现两种导航方式的优势互补，惯性/ 视觉组合导航已经成为导航领域的又一个热点问题。 1997 年 Bosse 等人采用图像分析和惯性技术相 融合的方法研究了直升机降落时，需要进行平移速度 和旋转速度精确估计的问题。2003年Skaff 等人研究 了Hexapod机器人的导航问题，Hexapod机器人是一种 利用六条腿行走的机器人， 作者采用惯性/视觉相结合 的方式实现了机器人沿直线行走的导航。2007年南京 航空航天大学的熊智等[5]，提出飞行器景象匹配辅助/ 惯性组合导航方案，通过机载图像传感器实时获取地 面景物图像并与计算机内预存二维数字图像进行匹 配，为惯性导航系统提供实时的位置修正信息。2008 年Carlo[3]等研究了利用立体视觉辅助惯性导航的方法 来解决室内有遮挡以及复杂市区环境中飞行机器人运 动状态精确估计的问题。 2010 年 Markus Kleinert 、 Sebastian Schleith[4]，在室内GPS导航失效的情况下， 采用视觉同时定位与地图构建（即Visual SLAM）技 术辅助惯性导航的方法，实时建立了环境的增量式地 图,有效抑制了导航系统的误差积累。 惯性导航是指利用机器人的瞬时加速度和角加速 度等数据来完成机器人的导航过程。由于惯性导航所 需要的数据都来自于机器人系统的内部，因此具有不 依赖外界信息,不易受外界干扰影响等优点。 但存在的 问题是由于只利用内部数据实现导航，因而难以获取 环境的全局信息。为了解决在室内环境中惯性导航建 立全局导航地图困难的问题，本文提出了一种新的惯 性/视觉组合导航的全局地图创建方法， 首先通过安装 在天花板上的相机获取室内环境的俯视图像，然后从 中提取地面区域作为机器人移动的区域，从而实现机 器人移动过程中的自动避障并建立室内的环境的全局 导航地图。本文主要对俯视图像地面区域自动分割算 法进行了研究，基于PCA和聚类分析技术设计一种地 板区域自动分割算法，该算法具有不需要人工参与， 通用性好， 对光照等环境变化具有自适应能力等优点。