本发明专利技术适用计算机技术领域,提供了一种路径优化方法及系统,该方法包括:利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测;对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径;对所述第一路径依次通过交叉以及变异操作,形成第二路径;按照预设顶点数量,在所述第二路径中选取子路径,并判断所述子路径中的起点与终点之间能否直达,以确定优化路径。本发明专利技术通过对图像进行处理,使得图像中障碍物的轮廓更加清晰,以便于提高路径规划的精确度,在全局路径规划的基础上,依次对子路径进行处理,进一步地提高路径规划的精确度,提高机器人的工作效率。
【技术实现步骤摘要】
本专利技术属于计算机
,尤其涉及一种路径优化方法及系统。
技术介绍
路径规划是智能机器人导航技术中不可缺少的重要组成部分,也是现阶段智能机器人研究的主要研究方向,良好的路径规划可以节省机器人大量的作业时间以及减少机器人的损耗,尤其是在灾后救援领域发挥更为重要的作用。影响路径规划有两个方面:一个是从空中拍摄图像,由于受限于环境和技术,拍摄的角度不能完全垂直于地面,因此拍摄角度对地面的障碍物的轮廓有着很大的影响,容易引起误判,从而影响规划效果;另一个是采用全局路径规划方法是在环境信息全部已知的情况下,通过全局路径规划找到优选地的路径,计算量太大,实时性欠佳。
技术实现思路
本专利技术的目的在于提供一种路径优化方法及系统,旨在解决现有技术中路径规划受限于图像质量与数据计算量,导致无法在短时间找到更加优化的路径。一方面,本专利技术提供了一种路径优化方法,所述方法包括下述步骤:利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测;对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径;对所述第一路径依次通过交叉以及变异操作,形成第二路径;按照预设顶点数量,在所述第二路径中选取子路径,并判断所述子路径中的起点与终点之间能否直达,以确定优化路径。另一方面,本专利技术提供了一种路径优化系统,所述系统包括:图像处理单元,用于利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测;第一路径形成单元,用于对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径;第二路径形成单元,用于对所述第一路径依次通过交叉以及变异操作,形成第二路径;以及路径优化单元,用于按照预设顶点数量,在所述第二路径中选取子路径,并判断所述子路径中的起点与终点之间能否直达,以确定优化路径。本专利技术实施例通过对图像进行处理,使得图像中障碍物的轮廓更加清晰,以便于提高路径规划的精确度,在全局路径规划的基础上,依次对子路径进行处理,进一步地提高路径规划的精确度,提高机器人的工作效率。附图说明图1是本专利技术实施例一提供的路径优化方法的实现流程图;以及图2是本专利技术实施例二提供的路径优化系统的结构示意图;具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。以下结合具体实施例对本专利技术的具体实现进行详细描述:实施例一:图1示出了本专利技术实施例一提供的路径优化方法的实现流程图,为了便于说明,仅示出了与本专利技术实施例相关的部分,详述如下:在步骤S101中,利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测。在本专利技术实施例中,图像在生成、传输、处理、发送和接收等过程时,不可避免的会受到各种噪声的干扰和影响,比如在大气环境中,由于光线在空气中会产生散射和吸收,使得图像的有些地方可能产生灰白效应,导致图像的对比度下降严重,有时甚至会影响图像的视觉效果而无法进行下一步处理。因此,首先对空中机器人采集的图像进行预处理,优选地,可以采用的去噪方法是中值滤波法和形态学去噪。对去噪后的图像进行校正,利用坐标间的多项式变换来近似表示这种非线性的畸变,并选取一些控制点来消除畸变。具体地,对于图像上的点(x,y),利用多项式变换得到校正后的点(f,g),式1如下:x=Σi=0nΣj=0n-iaijfigjy=Σi=0nΣj=0n-ibijfigj]]>其中,aij,bij为多项式的系数,n为次数,利用已知的控制点进行求解。如果控制点数目与方程组中未知数的数目相同,则可以直接求解方程组;而在一般的图像畸变校正处理中,为了获得较高的校正准确度,控制点数目会多于方程组中未知数的数目,通过求误差平方和最小准则下的最优近似解,具体做法如下:对L个控制点,用多项式拟合后的误差平方和最小,即:ϵ=Σl=1L[x-Σi=0nΣj=0n-iaijfliglj]2=min]]>则有:∂ϵ∂ast=2Σl=1L(Σi=0nΣj=0n-iaijfliglj-xl)flsglt=0]]>可以得到,式2:Σl=1L(Σi=0nΣj=0n-iaijfliglj)fliglj=Σi=0nΣj=0n-iaij(Σl=1Lfli+sglj+t)=Σl=1Lxlflsglt]]>同理有,式3:Σl=1L(Σi=0nΣj=0n-ibijfliglj)fliglj=Σi=0nΣj=0n-ibij(Σl=1Lfli+sglj+t)=Σl=1Lylflsglt]]>上述式子中L为控制点的个数,s=0,1,2,…,n;t=0,1,2,…,n-s;s+t≤n。在式2和式3中都包含(n+1)(n+2)/2,则可组成线性方程组,解出aij以及bij,带入式1便可求出校正后的点(f,g)。校正准确度与所用校正多项式次数n有关,多项式次数越高,拟合误差越小,但是随着n增加,系数数目增加,导致计算量急剧增加,对一般的非线性失真,通常采用三次多项式进行拟合,方法比较简单有效,且准确度较高,此时式1可写为:x=a00+a01f+a02f2+a03f3+a10g+a11fg+a12f2g+a20g2+a21fg2+a30g3y=b00+b01f+b02f2+b03f3+b10g+b11fg+b12f2g+b20g2+b21fg2+b30g3]]>进一步地,对图像中障碍物的边缘进行检测包括:利用中值滤波法对所述图形进行去噪处理,除去所述图像中的噪声以及保留边缘信息;对所述图像中每个像素点计算梯度值,分别对x方向和y方向做卷积运算,公式如下:Fx=-11-11Fy=-11-11]]>可以计算得到:对所述梯度值进行非极大抑制;根据高阈值以及低阈值进行边缘检测,并对边缘进行连接,所述高阈值设定为所述低阈值的三倍。在步骤S102中,对障碍物的顶点进行标记,并通过选取障碍物的顶点形成第一路径。在本专利技术实施例中,将图像中的障碍物标记为Gn以及障碍物的顶点标记为Mmun,其中,Gn表示障碍物的编号,依次标记为:G0,G1,G2…Gn,Mmun表示障碍物中顶点的编号;根据所确定的起点以及终点,获取从起点到终点的所有路径,路径由障碍物的顶点组成;从路径中选取第一路径,路径被选中的概率为:pi=fiΣj=1Nfj]]>其中,pi表示路径i被选中的概率,fi表示路径i的自适应度,N表示所有路径的总数。将路径作为种群,路径作为个体,路径中从起点到终点经过的每个顶点作为基因,从种群中选择出优良的个体,并淘汰掉不良的基因,从路径中选取第一路径的目的是把性能好的个体直接遗传给下一代。种群中个体被选中的概率与其适应度的大小成正比,若种群的大小为N,其中一个个体i的适应度为fi,适应度函数是取一个较大的值Smax减去路径长度S,路径长度S越大,适应度f越小;路径长度本文档来自技高网...
【技术保护点】
一种路径规划方法,其特征在于,所述方法包括下述步骤:利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测;对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径;对所述第一路径依次通过交叉以及变异操作,形成第二路径;按照预设顶点数量,在所述第二路径中选取子路径,并判断所述子路径中的起点与终点之间能否直达,以确定优化路径。
【技术特征摘要】
1.一种路径规划方法,其特征在于,所述方法包括下述步骤:利用多项式变换对图像进行校正后,对图像中障碍物的边缘进行检测;对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径;对所述第一路径依次通过交叉以及变异操作,形成第二路径;按照预设顶点数量,在所述第二路径中选取子路径,并判断所述子路径中的起点与终点之间能否直达,以确定优化路径。2.如权利要求1所述的方法,其特征在于,所述利用多项式变换对图像进行校正的步骤,包括:对于所述图像上的点(x,y),利用多项式变换得到校正后的点(f,g),计算式如下:x=Σi=0nΣj=0n-iαijfigjy=Σi=0nΣj=0n-ibijfigj]]>其中,aij,bij为多项式的系数,n为次数,利用已知的控制点进行求解。3.如权利要求1所述的方法,其特征在于,所述对图像中障碍物的边缘进行检测的步骤,包括:利用中值滤波法对所述图形进行去噪处理,除去所述图像中的噪声以及保留边缘信息;对所述图像中每个像素点计算梯度值,分别对x方向和y方向做卷积运算,公式如下:Fx=-11-11Fy=-11-11]]>可以计算得到:对所述梯度值进行非极大抑制;根据高阈值以及低阈值进行边缘检测,并对边缘进行连接,所述高阈值设定为所述低阈值的三倍。4.如权利要求1所述的方法,其特征在于,所述对所述障碍物的顶点进行标记,并通过选取所述障碍物的顶点形成第一路径的步骤,包括:将所述图像中的障碍物标记为Gn以及所述障碍物的顶点标记为Mmun,其中,Gn表示所述障碍物的编号,依次标记为:G0,G1,G2…Gn,Mmun表示所述障碍物中顶点的编号;根据所确定的起点以及终点,获取从起点到终点的所有路径,所述路径由所述障碍物的顶点组成;从所述路径中选取第一路径,所述路径被选中的概率为:pi=fiΣj=1Nfj]]>其中,pi表示路径i被选中的概率,fi表示路径i的自适应度,N表示所有路径的总数。5.如权利要求1所述的方法,其特征在于,所述按照预设顶点数量,在所述第二路径中选取子路径,通过判断所述子路径能否直达,以确定优化路径的步骤,包括:计算所述图像中每个障碍物顶点的地势值;将所述第二路径从起点开...
【专利技术属性】
技术研发人员:李坚强,邓根强,李赛玲,明仲,
申请(专利权)人:深圳大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。