一种基于激光反射特性的地毯识别方法技术

本发明专利技术公开了一种基于激光反射特性的地毯识别方法，采用可在地面上运行的识别装置，所述识别装置上搭载有能够在地面形成光斑的激光器以及能够拍摄地面光斑图像的摄像组件，利采用激光照射地面，利用不同地面材质对激光反射特性不同，特别是地毯对激光的静态反射特性和动态反射特性与其他地面材质相比差异较大来完成地毯识别，不仅充分利用了激光环境适应性好、成本低廉等特点，而且识别容易且识别率高，简单实用且准确度高，能够很好的满足实时处理的需求，能够有效的提升用户体验，非常适合于安装在扫地机器人等相关家电上。适合于安装在扫地机器人等相关家电上。适合于安装在扫地机器人等相关家电上。

【技术实现步骤摘要】
一种基于激光反射特性的地毯识别方法


[0001]本专利技术涉及扫地机器人应用领域，具体是一种基于激光反射特性的地毯识别方法。

技术介绍

[0002]近年来，随着科技的不断进步，各种智能机器人开始进入普通人的世界，在日常生活中得到了广泛应用。其中，扫地机器人通过人工智能技术，能够自动完成地面的清扫工作，得到了广大用户的喜爱。
[0003]但是越来越多的家庭在地面铺设了地毯，需要扫地机器人针对不同的地面采用不同的模式进行工作，特别是针对地毯，扫地机器人需要调整吸扫的力度或避免开启拖地模式等。手动设置需要人工不停的干预，用户体验感极差，因此需要扫地机器人能够自动识别地毯。目前的扫地机器人，大都利用超声波在不同材质物体表面反射特性的不同，采用超声波传感器来识别地毯，但是由于超声波波长较长，易受环境温度、环境噪声影响而影响地毯识别率。

技术实现思路

[0004]针对上述现有技术中的不足，本专利技术提供一种基于激光反射特性的地毯识别方法，根据激光照射在地毯上和其他地面材质上的不同表现进行识别，简单实用且准确度高，能够很好的满足实时处理的需求。
[0005]为实现上述目的，本专利技术提供一种基于激光反射特性的地毯识别方法，采用可在地面上运行的识别装置，所述识别装置上搭载有能够在地面形成光斑的激光器以及能够拍摄地面光斑图像的摄像组件，所述识别方法具体包括如下步骤：
[0006]步骤1，获取包含若干地面光斑图像的图像帧序列；
[0007]步骤2，基于图像帧序列判断识别装置在各个采样时刻的工作模式，所述工作模式包括静态模式与动态模式；
[0008]步骤3，若识别装置的工作模式为静态模式则进入步骤4，若识别装置的工作模式为动态模式则进入步骤5；
[0009]步骤4，基于图像帧序列中光斑的轮廓是否规则进行地毯识别；
[0010]步骤5，基于图像帧序列中光斑的变化幅度进行地毯识别。
[0011]进一步地，步骤2中，所述基于图像帧序列判断识别装置的工作模式，具体为：
[0012]对于图像帧序列{RGB
n
(x,y)|n＝1,2,
…
,N}中的每幅图像RGB
n
(x,y)，得到其对应的灰度图P
n
，然后计算第n+2采样时刻的判定参数TH＝|2P
n+1
‑
P
n+2
‑
P
n
|，当TH≤ε1时，这判定在第n+2采样时刻识别装置的工作模式为静态模式，否则为动态模式，其中，ε1为设定参数。
[0013]进一步地，步骤4中，所述基于图像序列中光斑的轮廓是否规则进行地毯识别，具体为：
[0014]步骤4.1，获取当前采样时刻的地面光斑图像RGB
n
(x,y)，并将其从RGB颜色空间转
换到YUV颜色空间，得到亮度分量图像Y
n
(x,y)；
[0015]步骤4.2，获取亮度分量图像Y
n
(x,y)中亮度最大的像素点(x0,y0),并在亮度分量图像Y
n
(x,y)中以像素点(x0,y0)为中心，以半径为50得到邻域δ1的亮度平均值t1，以及以半径为100得到邻域δ2的亮度平均值t2；
[0016]步骤4.3，基于亮度平均值t1与亮度平均值t2得到第一分割阈值th1，并根据第一分割阈值th1对亮度分量图像Y
n
(x,y)进行二值化得到二值化图像EY
n
(x,y)；
[0017]步骤4.4，在二值化图像EY
n
(x,y)中以像素点(x0,y0)为圆心、tgθ为斜率的直线上，搜索距离像素点(x0,y0)最远且EY
n
(x
θ
,y
θ
)＝1的像素点(x
θ
,y
θ
)，令θ＝{1,2,
…
,360}，即能得到对应360个像素点的集合，为{(x
l
,y
l
)|l＝1,2,
…
,360}；
[0018]步骤4.5，计算像素点集合{(x
l
,y
l
)|l＝1,2,
…
,360}中各个像素点与像素点(x0,y0)之间的距离，得到距离组成的一维向量DL＝[d1,d2,
…
,d
360
]，并对一维向量DL进行二阶差分得到一维向量DF1；
[0019]步骤4.6，统计一维向量DF1中大于等于0的元素总数s1，若s1>360
×
α1则判定当前采样时刻的识别到了地毯，否则没有识别到地毯，其中，α1为第一控制参数。
[0020]进一步地，步骤4.2中，所述亮度平均值的获取过程为：
[0021][0022][0023]式中，M1为邻域δ1包含像素点的个数，M2为邻域δ2包含像素点的个数。
[0024]进一步地，步骤4.3中，所述第一分割阈值的获取过程为：
[0025][0026]式中，ε2为第一调节参数。
[0027]进一步地，步骤5中，所述基于图像帧序列中光斑的变化幅度进行地毯识别，具体为：
[0028]步骤5.1，获取前一采样时刻与当前采样时刻的地面光斑图像RGB
n
(x,y)、RGB
n+1
(x,y)，并将其从RGB颜色空间转换到YUV颜色空间，得到亮度分量图像Y
n
(x,y)、Y
n+1
(x,y)，并获取亮度分量图像Y
n
(x,y)、Y
n+1
(x,y)中亮度最大的像素点，分别为(x1,y1)、(x2,y2)；
[0029]步骤5.2，在亮度分量图像Y
n
(x,y)中以像素点(x1,y1)为中心，以半径为50得到邻域δ3的亮度平均值t3，以及以半径为100得到邻域δ4的亮度平均值t4；
[0030]步骤5.3，在亮度分量图像Y
n+1
(x,y)中以像素点(x2,y2)为中心，以半径为50得到邻域δ5的亮度平均值t5，以及以半径为100得到邻域δ6的亮度平均值t6；
[0031]步骤5.4，基于亮度平均值t3、t4、t5、t6得到第二分割阈值th2，并根据分割阈值th2分别对亮度分量图像Y
n
(x,y)、Y
n+1
(x,y)进行二值化得到二值化图像FY
n
(x,y)、FY
n+1
(x,y)；
[0032]步骤5.5，基于二值化图像FY
n
(x,y)、FY
n+1
(x,y)，以及像素点(x1,y1)与像素点(x2,y2)之间的位姿关系得到判断阈值S，若S>α2则判定当前采样时刻的识别到了地毯，否则没本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于激光反射特性的地毯识别方法，其特征在于，采用可在地面上运行的识别装置，所述识别装置上搭载有能够在地面形成光斑的激光器以及能够拍摄地面光斑图像的摄像组件，所述识别方法具体包括如下步骤：步骤1，获取包含若干地面光斑图像的图像帧序列；步骤2，基于图像帧序列判断识别装置在各个采样时刻的工作模式，所述工作模式包括静态模式与动态模式；步骤3，若识别装置的工作模式为静态模式则进入步骤4，若识别装置的工作模式为动态模式则进入步骤5；步骤4，基于图像帧序列中光斑的轮廓是否规则进行地毯识别；步骤5，基于图像帧序列中光斑的变化幅度进行地毯识别。2.根据权利要求1所述基于激光反射特性的地毯识别方法，其特征在于，步骤2中，所述基于图像帧序列判断识别装置的工作模式，具体为：对于图像帧序列{RGB
n
(x,y)|n＝1,2,
…
,N}中的每幅图像RGB
n
(x,y)，得到其对应的灰度图P
n
，然后计算第n+2采样时刻的判定参数TH＝|2P
n+1
‑
P
n+2
‑
P
n
|，当TH≤ε1时，这判定在第n+2采样时刻识别装置的工作模式为静态模式，否则为动态模式，其中，ε1为设定参数。3.根据权利要求1或2所述基于激光反射特性的地毯识别方法，其特征在于，步骤4中，所述基于图像序列中光斑的轮廓是否规则进行地毯识别，具体为：步骤4.1，获取当前采样时刻的地面光斑图像RGB
n
(x,y)，并将其从RGB颜色空间转换到YUV颜色空间，得到亮度分量图像Y
n
(x,y)；步骤4.2，获取亮度分量图像Y
n
(x,y)中亮度最大的像素点(x0,y0),并在亮度分量图像Y
n
(x,y)中以像素点(x0,y0)为中心，以半径为50得到邻域δ1的亮度平均值t1，以及以半径为100得到邻域δ2的亮度平均值t2；步骤4.3，基于亮度平均值t1与亮度平均值t2得到第一分割阈值th1，并根据第一分割阈值th1对亮度分量图像Y
n
(x,y)进行二值化得到二值化图像EY
n
(x,y)；步骤4.4，在二值化图像EY
n
(x,y)中以像素点(x0,y0)为圆心、tgθ为斜率的直线上，搜索距离像素点(x0,y0)最远且EY
n
(x
θ
,y
θ
)＝1的像素点(x
θ
,y
θ
)，令θ＝{1,2,
…
,360}，即能得到对应360个像素点的集合，为{(x
l
,y
l
)|l＝1,2,
…
,360}；步骤4.5，计算像素点集合{(x
l
,y
l
)|l＝1,2,
…
,360}中各个像素点与像素点(x0,y0)之间的距离，得到距离组成的一维向量DL＝[d1,d2,
…
,d
360
]，并对一维向量DL进...

【专利技术属性】
技术研发人员：刘晓华，李昊，
申请(专利权)人：深圳市优象计算技术有限公司，
类型：发明
国别省市：