基于圖像的草地識別方法及草坪維護機器人的制作方法
【技術領域】
[0001] 本發明涉及一種基于圖像的草地識別方法，還涉及一種草坪維護機器人。
【背景技術】
[0002] 目前，隨著人類生活節奏的加快，自動化的家庭設備在全球越來越受到歡迎。由于 其具有自動工作程序而自行工作，這樣并不需要人力始終操控。人們可以從繁重的家庭任 務中解脫出來，節省了大量的精力從而得到更多的休閑時光。這種自動化的家庭設備也稱 自動工作設備，包括像主要用于房間清潔的自動吸塵器，還包括像主要用于家庭花園的草 坪護理機器人如自動割草機等。
[0003] 草坪護理機器人通常在開放式、沒有物理圍欄的環境中工作，因此必須保證其不 會離開所工作的草坪。目前，產品化的解決方案為在草坪的邊界上布置電線，草坪護理機器 人感應電線產生的電磁信號判斷是否出界。這種方案技術上比較簡單可靠，但是需要手工 開槽布線，比較麻煩和耗能，為此，業界也在嘗試其他的解決方案，例如通過拍攝和分析地 面圖像來識別草地邊界。但目前圖像識別方案均沒有產品化，原因為隨著草種、季節、地形 等等因素的不同，草地的具體圖像千變萬化，目前的圖像識別方案無法保證準確的識別各 類草況，導致針對實驗中的常規草況時識別率高，但一旦投入實際試驗就會出現各種誤判， 無法產品化。

【發明內容】

[0004] 有鑒于此，本發明的目的在于提供一種識別率高的基于圖像識別草地的方法。
[0005] 本發明解決現有技術問題所采用的技術方案是：一種基于圖像的草地識別方法， 包括以下步驟：S0.獲得待識別的圖像塊；S1.處理圖像塊以獲得圖像塊的色調圖和灰度 圖；S2.從所述色調圖中，提取至少一個和草地特征相關的特定色調特征值；S3.對所述灰 度圖進行頻域變換以提取至少一個和草地特征相關的特定頻域特征值；S4.執行下列子步 驟S41、S42、S43、S44中的至少一個：S41.將Haar-like模板應用于所述灰度圖以提取至少 一個和草地特征相關的特定Haar-like特征值；S42.對所述灰度圖進行矩陣變換以提取至 少一個和草地特征相關的特定矩陣統計特征值；S43.轉換圖像塊的顏色空間，顏色空間具 有多個顏色通道，以提取所述圖像塊的至少一個和草地特征相關的特定顏色通道特征值； S44.通過局部特征算子提取圖像塊的至少一個和草地特征相關的特定局部特征值；S5.判 斷步驟S2、S3、S4中提取出的各個特定色調特征值、特定頻域特征值，以及根據S4中所執行 的子步驟而相應包括的特定Ha ar -1 i k e特征值、特定矩陣統計特征值、特定顏色通道特征 值、特定局部特征值中的至少一個是否均位于對應的預設閾值區間內，若全部為是，則識別 圖像塊為草地圖像，否則識別圖像塊為非草地圖像。
[0006] 進一步的，所述至少一個特定色調特征值包括：各個像素點的色調值的平均值，和 /或色調值在預設閾值區間內的像素點占全部像素點的比例。
[0007] 進一步的，步驟S3中，所述頻域變換的方式包括傅里葉變換和Gabor變換的至少 一種。
[0008] 進一步的，所述傅里葉變換具體為：對所述灰度圖進行傅里葉變換以生成大小相 同的頻域圖，所述頻域圖中各個坐標位置具有各自的相位值和幅值；提取特定頻域特征值 的方式具體為：提取至少一個特定坐標位置的相位值和幅值，分別作為一個特定頻域特征 值。
[0009] 進一步的，所述步驟S41具體為：將至少一個預設特征模板以至少一種預設形態 放置在圖像塊中，進行Haar-like運算獲得Haar-like特征值，所述預設形態為預設的大小 和位置。
[0010] 進一步的，所述步驟S42中，矩陣變換的方式為灰度共生矩變換和Hu不變矩變換 的至少一種。
[0011] 進一步的，所述步驟S43中，所述顏色空間包括HSV顏色空間、CMY顏色空間、Lab 顏色空間或YIQ顏色空間中的至少一種，所述特定顏色通道特征值為：特定顏色通道上各 個像素的參數值的平均值。
[0012] 進一步的，步驟S4中，執行子步驟S41、S42、S43、S44中的至少兩個。
[0013] 進一步的，步驟S0具體為：獲得目標物的圖像，將圖像劃分為若干個圖像塊。
[0014] 進一步的，步驟S2、S3、S4中提取出的各個特定色調特征值、特定頻域特征值，以 及根據S4中所執行的子步驟而相應包括的特定Haar-like特征值、特定矩陣統計特征值、 特定顏色通道特征值、特定局部特征值中的至少一個的總量至少為10個。
[0015] 本發明還提供了一種草坪維護機器人，包括：殼體、行走模塊、安裝在殼體上的圖 像采集裝置，以及連接圖像采集裝置和行走模塊以控制自動行走設備工作的主控模塊，所 述圖像采集裝置拍攝目標區域，形成圖像；所述主控模塊包括：圖像塊提取單元、圖像塊預 處理單元、色調特征提取單元、頻域特征提取單元和草地識別單元，還包括Haar-like特征 提取單元、矩陣統計特征提取單元和顏色通道特征提取單元、局部特征算子單元中的至少 一個；所述圖像塊提取單元將圖像采集裝置拍攝的圖像劃分為若干圖像塊；所述圖像塊預 處理單元處理圖像塊以獲得圖像塊的色調圖和灰度圖；所述色調特征提取單元從所述色調 圖中提取至少一個和草地特征相關的特定色調特征值；所述頻域特征提取單元對所述灰度 圖進行頻域變換，以提取至少一個和草地特征相關的特定頻域特征值；所述Haar-like特 征提取單元將Haar-like模板應用于所述灰度圖，以提取至少一個和草地特征相關的特定 Haar-like特征值；所述矩陣統計特征提取單元對所述灰度圖進行矩陣變換，從變換后的 矩陣中提取至少一個和草地特征相關的特定矩陣統計特征值；所述顏色通道特征提取單元 轉換圖像塊的顏色空間，所述顏色空間具有多個顏色通道，以從中提取至少一個和草地特 征相關的特定顏色通道特征值；所述局部特征算子提取圖像塊的至少一個和草地特征相關 的特定局部特征值；所述草地識別單元判斷提取出的特定色調特征值、特定頻域特征值，以 及根據S4中所主控模塊所具有的特征提取單元而相應包括的特定Haar-like特征值、特定 矩陣統計特征值、特定顏色通道特征值、特定局部特征值中的至少一個是否均位于對應的 預設閾值區間內，若全部為是，則識別圖像塊為草地圖像，否則識別圖像塊為非草地圖像。
[0016] 進一步的，所述至少一個特定色調特征值包括：各個像素點的色調值的平均值，和 /或色調值在預設閾值區間內的像素點占全部像素點的比例。
[0017] 進一步的，所述頻域變換的方式包括傅里葉變換和Gabor變換的至少一種。
[0018] 進一步的，所述傅里葉變換具體為：對所述灰度圖進行傅里葉變換以生成大小相 同的頻域圖，所述頻域圖中各個坐標位置具有各自的相位值和幅值；提取特定頻域特征值 的方式具體為：提取至少一個特定坐標位置的相位值和幅值，分別作為一個特定頻域特征 值。
[0019] 進一步的，所述Haar-like特征提取單元將至少一個預設特征模板以至少一種預 設形態放置在圖像塊中，進行Haar-1 ike運算獲得Haar-1 ike特征值，所述預設形態為預設 的大小和位置。
[0020] 進一步的，所述矩陣變換的方式為灰度共生矩變換和Hu不變矩變換的至少一種。
[0021] 進一步的，所述顏色空間包括HSV顏色空間、CMY顏色空間、Lab顏色空間或YIQ顏 色空間中的至少一種，所述特定顏色通道特征值為：特定顏色通道上各個像素的參數值的 平均值。
[0022] 進一步的，所述主控模塊包括Haar-like特征提取單元、矩特統計特征提取單元、 顏色通道特征提取單元和局部特征提取單元中的至少兩個。
[0023] 進一步的，所述特定顏色通道特征值為：該特定顏色通道上各個像素的參數值的 平均值。
[0024] 進一步的，所述提取出的各個特定色調特征值、特定頻域特征值，以及根據S4中 所主控模塊所具有的特征提取單元而相應包括的特定Haar-1 ike特征值、特定矩陣統計特 征值、特定顏色通道特征值、特定局部特征值中的至少一個的總量至少為10個。與現有技 術相比，本發明的有益效果為：通過使用多種特征提取方式提取和草地相關的特定特征值， 綜合判斷圖像塊是否是草地圖像，準確率高，適應的草地種類廣。
【附圖說明】
[0025] 以上所述的本發明的目的、技術方案以及有益效果可以通過下面的能夠實現本發 明的具體實施例的詳細描述，同時結合附圖描述而清楚地獲得。
[0026] 附圖以及說明書中的相同的標號和符號用于代表相同的或者等同的元件。
[0027] 圖1是本發明的一種實施方式的草地識別方法的流程圖。
[0028] 圖2是本發明的一種實施方式的Gabor濾波器組示意圖。
[0029] 圖3是本發明的一種實施方式的Haar-like邊緣特征模板示意圖。
[0030] 圖4是本發明的一種實施方式的Haar-like線性特征模板示意圖。
[0031] 圖5是本發明的一種實施方式的Haar-like中心特征模板示意圖。
[0032] 圖6是本發明的一種實施方式的Haar-like對角線特特征模板示意圖。
[0033] 圖7是本發明的一種實施方式的草坪機器人系統示意圖。
[0034] 圖8是圖7所示的自動工作系統中自動行走設備的模塊圖。
[0035] 圖9是圖8所示的自動行走設備的側視圖。
[0036] 圖10是圖8所示的自動行走設備的拍攝區域示意圖。
[0037] 1、草坪維護機器人 4、停靠站
[0038] 5、草地 6、邊界
[0039] 7、非草地 11、殼體
[0040] 13、輪組 15、圖像采集裝置
[0041] 17、行走模塊 19、工作模塊
[0042] 29、遮擋板 33、能量模塊
[0043] 31、主控模塊 310、圖像塊提取單元
[0044] 311、圖像塊預處理單元 312、色調特征提取單元
[0045] 313、頻域特征提取單元 314、Haar-like特征提取單元
[0046] 316、草地識別單元 317、矩陣統計特征提取單元
[0047] 318、局部特征算子提取單元 319、顏色通道特征提取單元
【具體實施方式】
[0048] 以下詳細介紹一種基于圖像的草地識別方法的實施例。
[0049] 參照圖1，本實施例的基于圖像的草地識別方法包括以下步驟：
[0050] 步驟S0,獲得待識別的圖像塊。
[0051] 獲得待識別的圖像塊的具體方式為：獲得目標物的圖像，將圖像劃分為若干個圖 像塊。本步驟中，首先將圖像采集裝置采集并傳遞的原始圖片進行預處理，劃分為多個大小 相同的待識別的圖像塊。更具體的，本步驟首先將原始圖像進行邊緣裁切，去除掉色調可能 不準確的部分，隨后進行大小壓縮，轉換成分辨率相同的標準圖像，然后對標準圖像進行網 格化劃分，得到若干個無邊緣重復的圖像塊，每個圖像塊的分辨率相同。
[0052] 步驟S1，處理圖像塊以獲得對應的色調圖和灰度圖。
[0053] 在本步驟中，如果圖像塊的色彩格式為RGB格式或者其他非HSV的格式，則將圖 像塊的色彩格式轉換成HSV格式，將其中的色調信息提取出來，就得到了圖像塊對應的色 調圖，處理后，色調圖的大小和圖像塊的大小相同，其上的每個像素點均對應具有一個色調 值，以代表圖像塊的各個像素點的色調值。
[0054] 此外，本步驟還將圖像塊進行灰度化處理得到其灰度信息，生成對應的灰度圖，以 代表圖像塊的各個像素點的灰度值。
[0055] 步驟S2,從色調圖中提取至少一個和草地特征相關的特定色調特征值。
[0056] 草坪上的草的顏色通常都位于一定的色調區間內，本步驟基于這一原理對提取