机器人综述图像处理在移动机器人视觉系统中的发展及应用.docx
《机器人综述图像处理在移动机器人视觉系统中的发展及应用.docx》由会员分享，可在线阅读，更多相关《机器人综述图像处理在移动机器人视觉系统中的发展及应用.docx（34页珍藏版）》请在冰豆网上搜索。
机器人综述图像处理在移动机器人视觉系统中的发展及应用
中国地质大学（武汉）
机器人综述——图像处理在移动机器人视觉系统中的发展及应用
小组成员：
班级：
指导老师：
殷蔚明
日期：
2016年6月26日
第一章移动机器人的发展历程和现状1
1.1机器人研究的发展历程1
1.2移动机器人研究的现状1
1.3移动机器人的发展趋势3
第二章视觉图像处理技术的发展应用4
2.1视觉图像处理技术在导航中的应用4
2.2视觉图像处理技术在目标识别与跟踪中应用5
2.3移动机器人视觉系统的发展趋势6
第三章图像处理技术的内容6
3.1图像处理6
3.2图像预处理7
3.2.1图像灰度化7
3.2.2中值滤波8
3.3图像分割9
3.3.1边缘检测9
3.3.2二值化处理10
3.4特征提取10
第四章图像处理改进与优化11
4.1针对图像灰度化处理的改进11
4.1.1颜色模型11
4.1.2图像分割13
4.1.3图像聚类14
4.1.4目标定位16
4.1.5实验结果与分析17
4.2针对灰度图像处理的中值滤波的优化18
4.2.1高斯滤波19
4.2.2均值滤波19
4.2.3最小均方差滤波19
4.3针对边缘处理的优化20
第五章应用前景——视觉伺服22
5.1机器人视觉伺服系统分类22
5.2研究方向23
5.3结语24
参考文献24
摘要
随着计算机技术、机器视觉以及图像处理算法的不断发展，人们对带有视觉系统的移动机器人的研究越来越深入。
本文主要叙述移动机器人视觉系统中的图像处理的相关问题。
通过对视觉图像预处理算法等技术的介绍，来增加我们对移动机器人的了解。
通过对移动机器人国内外发展现状及图像处理技术的介绍，本文指出了图像处理在移动机器人视觉系统中的不足之处，提出了优化的方法。
最后本文对图像处理在移动机器人中的应用进行展望。
第一章移动机器人的发展历程和现状
1.1机器人研究的发展历程
上世纪60年代，随着人类社会与科学技术的进步，机器人作为人类智慧的结晶问世了。
机器人技术的形成不是一朝一夕的，它的发展离不开计算机、控制理论、机构学、信息传感技术、人工智能、仿生学等相关学科理论的发展与成熟。
中国工程院前院长宋健博士曾经指出:
“机器人学的进步和应用是20世纪自动控制最有说服力的成就，是当代最高意义上的自动化。
”[l]正是这种多学科的交叉使得机器人技术不断发展成为当前的一种高新技术，使其成为人类最伟大的发明之一。
机器人技术经历了从无到有、从低级到高级的发展过程，经历了第一代的“示教一一再现”式机器人，第二代的具有较低程度的感知能力的机器人，到现在的第三代具有智能的机器人。
机器人也逐渐变得更加自主、更加智能。
自主移动机器人就是所谓的第三代智能自主机器人的典型系统。
机器人技术代表了高科技的发展前沿，在人类社会生产和生活中应用范围越来越广泛、影响越来越深远。
正因为如此，研究者们己经开始重新认识和探索机器人技术的作用和影响，自主移动机器人技术作为机器人技术中的重要组成部分也由此成为国内外研究的一个热点。
1.2移动机器人研究的现状
随着人类社会活动的加强和科学技术的发展，移动机器人的应用范围也越来越广。
在工业、农业、军事、科研、旅游、医疗、体育运动和家庭服务等许多领域都可以发现他们的身影。
移动机器人的广泛应用给人类的社会生产和生活带来了极大的方便，它们的出现使人类能从纷繁、复杂、危险的工作环境中解脱出来成为了可能。
在军事领域，移动机器人技术越来越有用武之地。
美国国家科学委员会：
“20世纪的核心武器是坦克，21世纪的核心武器是无人作战系统，其中2000年以后遥控地面无人作战系统将陆续装备部队，并走向战场[2]。
用机器人协助甚至代替人类的士兵，可以提高作战的效率并且更为重要的是它们能降低部队的伤亡。
从上个世纪80年代开始，美国国防高级研究计划局（DARPA）制定了自主地面车辆（ALV）计划以及后来的“无人地面机器人”计划。
这项计划掀开了人们对自然环境中移动机器人的研制热潮。
而受到9.11事件的影响后，美国陆军开始转向轻型化、特种化、无人化的发展之路。
DARPA和一些大学的研究机构纷纷先于军方展开未来无人作战平台的预研工作[3]。
图1.1，1.2展示的是DARPA等研制出的一款无人战车一一“粉碎者”。
图1.3显示了“粉碎者”行动控制流程。
图1.1“粉碎者”无人战车图1.2“粉碎者”在执行任务
图1.3“粉碎者”行动控制流程
“粉碎者”无人作战平台的研制成功并没有使其立即被投入战场，研究人员将其作为一款旨在验证军用智能作战机器人的技术平台。
“粉碎者”为未来智能作战机器人能够走向真正的战场进行了初步的探索，其中使用的各种技术体现了目前作战机器人技术的最高水平。
而美国在阿富汗、伊拉克战争中成功地将机器人投入战场，让机器人能够代替士兵进行侦查、排爆、救护、站岗放哨等任务，并开始组建机器人部队。
地球上的资源是有限的，总有枯竭的一天，人类要想长久的存在于宇宙中，就必须到其它星球上获取资源。
于是空间资源勘测成为具有危机意识国家必争的战略要地，空间技术也成为当前的研究热点之一。
欧美、俄罗斯、日本等西方发达国家在空间机器人研究领域投入了大量的人力物力，并取得了瞩目的成果。
尤其是美国实施的火星登陆计划更是将空间技术推向了高潮。
现阶段，对于未知的太空和异星环境，人类还不可能“以身试险”地对异星进行探测和开发，而行星探测机器人则能代替人类对异星上可能的着陆点、气候与地质条件、水和生命痕迹进行探测。
美国曾与1997年和2004年两次成功将移动机器人送上火星，它们就是著名的“旅居者”号、“勇气号”和“机遇号”。
它们在火星上不同地点登陆，对火星进行移动考察，目的在于探明火星是否存在水和生命的迹象。
而2012年，美国又将一个火星车“好奇号”送上了火星，并借助于“好奇号”将火星地面的图片首次传回了地球。
相比于太空和军用机器人，我们更有机会接触的是移动式服务机器人。
这类机器人在欧美、日本等国家广泛应用于:
医疗福利领域、商场超市领域、餐馆旅馆服务、维修清洗服务以及家庭服务。
我国对自主移动机器人技术的研究要晚于西方发达国家。
我国作为一个大国，不能寄希望从其他国家得到真正的高新技术，必须自主发展本国的高新技术。
为了明确我国机器人技术的研究方向，国家有关部门制定了以机器人技术发展为主题的战略目标，即：
根据21世纪我国国民经济对先进制造及自动化技术的需求，瞄准国际前沿高科技发展方向创新性地研究和开发工业机器人技术领域的基础技术、产品技术和系统技术。
国内的许多著名高校和研究所开始对自主移动机器人领域进行探讨和研究，培养了很多这方面的专家和学者。
经过研究者们多年的努力，我国在机器人领域取得了很大的进步，己初步形成了“产、学、研”一条龙的研发环境，一些产品和技术也跻身世界前列[4]。
哈尔滨工业大学研制出了DY-1型导游服务机器人，它可以自主行走并能和游客进行简单的对话。
香港城市大学智能设计、自动化及制造研究中心研究出了自动导航车和服务机器人。
中国科学院沈阳自动化研究所研制成功了AGV和防暴机器人。
清华大学成功研制出了THMR-V智能车。
在行星探测机器人研制方面，北京航空航天大学机器人研究所、中国科学技术大学、上海交通大学等研制出了自己的行星探测机器人。
随着中国航天事业的蒸蒸日上，中国载人登月的“嫦娥计划”己经不再是梦想，先进的行星探测机器人一定大有用武之地。
1.3移动机器人的发展趋势
随着人类科学技术的进步和发展，移动机器人的发展经历了从无到有，从低级到高级的过程。
移动机器人的未来发展是朝着智能化、情感化、特种化、小型化发展的。
机器人技术发展的最高阶段应该是出现具有智能和情感的机器人，这样的机器人可以像人类一样能够思考且具有感情。
机器人技术要发展到这一阶段，既需要人工智能技术的重大突破，也需要成功研制出机器脑等。
人类对于自身构造的了解，尤其是对人的大脑和神经系统的深入研究将对机器人的智能化起到关键性的推动作用。
反过来，机器人，尤其是医用机器人的投入使用，使得人类对于人的智化研究能够更加深入。
第二章视觉图像处理技术的发展应用
机器人感知系统使用许多传感器，有的传感器的功能也逐渐的接近于人类的各种感觉器官，包括视觉、听觉、触觉、接近觉。
同时机器人还有一些特有的传感器，比如力传感器和速度传感器等等。
视觉是人类最重要的感知途径。
人类获取环境中的信息有大约80%是应用视觉来感知的[5]。
视觉传感器获取的信息量如此之大，使得人类在研究智能机器人的过程中也要实现用视觉来感知环境。
可想而知，如果机器人具有了类似人眼功能的传感器，对于机器人的智能化的提高将是显著的。
视觉传感器因获取信息量大，使用范围广，因而基于视觉的感知系统成为了机器人感测外界环境的重要手段。
2.1视觉图像处理技术在导航中的应用
基于视觉图像信息的导航是当前移动机器人导航领域研究的热点之一。
所谓视觉导航是指移动机器人利用装配的各种类型的摄像机拍摄所处环境的局部图像，通过图像处理技术提取有用信息以便进行移动机器人的定位，进而规划下一步的运行动作。
在导航应用中，应用视觉图像处理技术检测并识别出自然的或者人工设置的各种路标以实现移动机器人的定位，这将解决机器人“我在哪儿?
”的问题。
准确的检测出路标是图像处理技术的主要目标。
刘晓敏等[6]提出了基于目标物体图像像素视觉定位的方法，该方法能准确地给出移动机器人与目标物体之间的距离，适合于移动机器人搜寻环境中的悬挂物体。
庄建等人[7]在分析光照和成像元件对视觉系统的影响后，设计了一种基于知识融合的视觉图像处理方法，该方法可以在广场环境发生变化或分布不均匀的情况下快速、准确地完成移动机器人的定位。
ChenKH.等[8]通过计算机视觉和序列图像处理技术，有效的检测出障碍物，为户外自助陆地车实现避障进而成功导航提供了基础。
LuxP.W.和SchaeferC.H.[9]利用作为视觉传感器的高精度激光扫描仪获取范围图像，根据范围图像实时地检测障碍物和地形分析，为ALU在未知地形环境下自主导航提供了可靠的障碍物和地形信息。
FredericLabrosse[10]利用全景图像实现了远距离导航，所提出的方法并不提取图像的任何特征并只进行简单的图像处理操作，并使用从计算机图形学借鉴而来的技术对机器人短距离移动的图像效果进行仿真，从而计算出运动参数，使在目标点位置和机器人当前位置未知的情况下实现导航成为可能。
对工作在户外非结构化环境中的移动机器人来说，面对复杂多变的环境，如何提高图像处理算法的准确性和快速性是研究的重点之一。
王鹏飞[11]研究了机器人视觉导航中的数字图像处理技术，并设计了一个支持机器人视觉导航算法研究的数字图像处理系统，该系统运行高效、灵活，具备了良好的操作性和扩展性，提高了图像处理算法研究及应用的效率。
沈志华[12]采用基于图像块的动态窗口分割方法，该方法能减少图像数据的计算量，提高目标匹配率，较好地满足了实时动态环境下的机器人跟踪与导航问题。
针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等问题，杨晶东[13]等人提出了一种新的处理方法，该方法结合了基于SIFT特征提取算法与KD树搜索匹配算法，对环境光照、视野角度频繁变化的环境具有较强的鲁棒性，提高了图像处理的实时性和准确性。
杨晓[14]针对户外环境下基于视觉移动机器人的自主导航任务，构建了户外移动机器人视觉导航框架，研究了图像分割和可通行区域识别问题，设计并实现了相关算法，使移动机器人能够快速、准确地对户外环境下可通行区域进行识别，为户外环境下移动机器人视觉导航奠定了基础。
付鹰和蔡自兴等[15]针对视觉导航图像计算量大而导致系统延迟的问题，引入分布式并行处理技术，对大计算量的图像进行并行处理，以满足机器人实时性要求。
2.2视觉图像处理技术在目标识别与跟踪中应用
随着图像处理技术和计算机处理能力的不断发展，基于视觉的跟踪逐渐成为了移动机器人领域的又一重要发展方向。
视觉跟踪通过分析摄像机所获取的动态序列图像，经过图像的预处理，检测、提取、识别并跟踪感兴趣的运动目标，计算出目标的各项运动参数和运动轨迹。
通过进一步、深入的分析与处理，实现对运动目标的行为解释，以完成更高一级的任务。
而研究出一种鲁棒性好且精确度高的跟踪方法是目前所面临的一个巨大困难与挑战。
HagerG.D等[16]设计出了一个针对各种视觉跟踪算法的实验平台，利用该平台能够实现图像层次的目标跟踪。
TomasiC[17}等人研究了图像中像素点的颜色分量分布，并以此建立了区域模型，他们结合了该模型和边缘模型对具有丰富纹理的图像区域进行角点特征的检测，从而实现了目标的跟踪。
刘丁等[18]在充分研究了图像雅克比矩阵的特点后，设计出了一种图像雅克比矩阵在线估计算法，该估计算法在简化的SageHusa自适应滤波的基础上实现了对二维平面上的运动目标的跟踪。
曹光植[19]深入探讨和分析了各种图像处理算法和视觉系统在机器人上应用的可行性和存在的问题，开发出了一种新的基于图像进行跟踪的算法和基于局部不变特征量的视觉识别算法。
杜欣[20]等人结合了基于局部图像的HSV阂值分割和基于形状提取的方法来识别物体，并通过验实现了视觉跟踪。
邵文坤[21]针对移动机器人在目标跟踪时涉及到场景的动态变化问题，有效地结合了相关匹配算法中的加速算法与模板更新算法，提出了具有特征约束的模板更新跟踪算法，该算法既减少了相关匹配的计算量，又提高了目标识别的准确度。
张捍东等[22]提出了一种适用于机器人视觉系统目标提取的图像分割算法，该分割方法在色彩空间参照表的基础上，通过图像处理计算出主动目标图像特征的质点来实现对目标的定位，然后利用神经网络建立了目标从图像空间到摄像机空间的坐标对应关系，从而对空间运动目标进行了定位跟踪。
而张俊强等人[23]通过图像处理计算出主动目标图像特征的质心和方位点实现了对目标的锁定，并利用运动学建立模型，从而确立了主动目标从图像到实际位置的映射关系，得到目标实际的位置和方位。
刘宏鼎等人[24]采用图像矩作为特征信息，实现了运动目标的形状识别和跟踪控制，在不需要摄像机精确标定、背景有干扰的情况下，能对运动目标进行实时稳定快速的识别与跟踪。
RegensburgerU.等人[25]利用了单个摄像机及相关的视频处理模块结合多处理器视觉系统，实现了200m到300m远距离的障碍物识别，使机器人可以有效地高速行驶。
2.3移动机器人视觉系统的发展趋势
移动机器人视觉系统从开始的特定的、简单的场合应用，到基本实现模拟人眼的功能，目前正在朝着实用化方向发展。
移动机器人视觉系统的发展大致经历了以下几个阶段[26]
1）早期预研阶段:
这一阶段大致处于上个世纪60年代末到70年代末的十年间。
在这段时期内，研究人员主要从学术角度研究了移动机器人视觉系统的体系结构和信息处理过程，并进行了大量的科学实验系统来验证。
2）军用移动机器人研究阶段:
这一阶段处于70年代末到80年代中期，在美国军事部门和机构的支持下进行的ALV研究，研究了在未知的、非结构化的环境下能够自主移动的军用车辆。
3）辅助相关科学的研究阶段:
这一阶段随着一些相关技术的成熟应用，在美国NASA的资助下，开展了火星探测漫游车等空间自主移动车的研究。
4）进入实用化阶段:
随着90年代后的各种软件、硬件平台的性能不断提高和普及，带有视觉系统技术的移动机器人开始朝着人们生活的各个方面进军，进入了实用化阶段。
第三章图像处理技术的内容
数字图像处理利用计算机（或数字技术）对图像信息进行加工处理，以改善图像质量、压缩图像数据或从图像数据中获取更多的信息。
“数字图像处理”这一术语通常是指由数字计算机进行的二维图像处理，更广义地理解它是指任意二维数据的数字化处理。
3.1图像处理
图形和图像都是用数字化的物体形态来表示的，但是他们的存储结构和表示方法有根本区别。
图形是矢量结构的画面存储形式，矢量结构显示的是表现画面内容的位置（坐标），用一系列的线段或其他造型来描述对象，而画面内容的颜色或亮度是较隐含的统一描述的。
图像是栅格结构的画面存储方式，栅格结构将图像划分为均匀分布的栅格（像素），栅格结构显示的是每一像素的光度值（亮度/彩色），而像素的坐标值却是规则摆列，如最常见的矩形摆列。
计算机图像处理系统由计算机软硬件系统组成，如图3-1所示。
计算机图像处理的软件系统是基于数字图像处理的理论和算法而设计的一系列程序，实现对图像的基本操作。
在移动机器人视觉导航控制中，需要首先对图像进行一定的变换，使图像上的特征更加突出，然后对图像进行分析，获取需要的图像信息。
图3-1计算机图像处理系统
在移动机器人视觉导航控制系统中，图像处理是一个十分重要的组成部分。
针对移动机器人的技术要求与视觉导航的特点，图像处理主要包括图像预处理、图像分割与特征提取等，如图2-2所示。
图3-2移动机器人视觉导航控制图像处理流程
3.2图像预处理
3.2.1图像灰度化
灰度图像矩阵元素的取值范围通常为[0，255]。
因此其数据类型一般为8位无符号整数（int8），这就是人们经常提到的256灰度图像。
“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑到白的过渡色。
在某些软件中，灰度图像也可以用双精度数据类型（double）表示，像素的值域为[0，1]，0代表黑色，1代表白色，0到1之间的小数表示不同的灰度等级。
二值图像可以看成是灰度图像的一个特例。
在移动机器人中，由摄像头获取24位移动机器人目标标志物图像，一般来说，彩色图像较灰度图像能够反映更多的空间信息，但是，彩色图像数据量大，在对图像进行处理和识别时相应的时间较长，因此不利于移动机器人的实时控制。
因此要进行图像的灰度化处理。
经灰度化处理后的图像如图3-3所示。
图3-3灰度化处理后的图像
3.2.2中值滤波
中值滤波法是一种非线性的图像平滑方法，它对一个滑动窗口内的诸像素灰度排序，用其中值代替窗口中心像素（x，y）的原来灰度值（若窗口中有偶数个像素，则取两个中间值的平均）。
中值滤波器与一般线性滤波器相比，由于它不是简单的取均值，因此产生较少的模糊，能够在消除噪声的同时较好地保护图像的边缘。
（x,y）
图3-4图像示意图
如图3-4，在这个3*3窗口内，中心位置的灰度值就用窗口内各灰度值的中值来代替。
在移动机器人中，目标标志物图像数据传输过程中由于光线的变化、镜头的污染、摄像头的抖动等因素的影响，使获得的图像不可避免地含有噪声成分。
为了使处理后的标志物图像能够真实地反映移动机器人与目标标志物的实际位置和方向，必须对标志物图像进行滤波处理。
因为标志物的边缘信息准确与否对图像的识别结果有着较大的影响，所以选择中值滤波方法，以保证滤波处理后的图像边缘细节不产生模糊化现象。
中值滤波处理后的图像如图3-5所示。
图3-5中值滤波后的图像
3.3图像分割
经过预处理的图像对于机器人视觉系统而言，还仅仅是一个矩阵数组，计算机视觉系统的目标是要从图像中得到有用的信息，例如目标的大小、位置、方向和速度等，这就要求对图像进行进一步的处理，包括图像的分割和特征的提取。
在图像处理中，图像分割可以定义为将数字图像划分成互不相交（不重叠）区域的过程。
图像分割是一种重要的图像技术，在理论研究和实际应用中都得到人们的广泛重视。
3.3.1边缘检测
边缘特征是图像的重要特征之一，是图像处理、模式识别和计算机视觉的重要组成部分之一。
图像边缘检测的结果直接影响进一步图像处理、模式识别的效果。
图像的边缘一般是图像的灰度或者颜色发生剧烈变化的地方，而这些变化往往是由物体的结构和纹理、外界的光照和物体的表面对光的反射造成的。
图像的边缘反映了物体的外观轮廓特征，是图像分析和模式识别的重要特征。
常见的边缘检测算子有Roberts边缘检测算子、Sobel边缘检测算子、Prewitt边缘检测算子等。
其中由Roberts提出一种利用局部差分算子寻找边缘的算子，即Roberts算子，该算子是在2*2邻域上计算对角导数：
（3-1）
g（x，y）又称为Roberts交叉算子。
在实际应用中，为了简化计算，用梯度函数的Roberts绝对值来近似：
（3-2）
上式能够提供较好的不变性边缘取向。
对于同等长度但取向不同的边缘，应用Roberts最大值算子比应用Roberts交叉算子所得到的合成幅度变化小。
Roberts边缘检测算子的卷积算子为：
图3-6Roberts算子模板
由上面两个卷积算子对图像运算后，代入式（3-1），可求得图像的梯度幅度值g（x，y），然后适当选取门限TH，作如下判断：
如果g（x，y）>TH，则（i，j）为阶跃型边缘点，{g（i，j）}是图像的边缘图像，Roberts算子处理后的图像如图3-7（a）所示。
移动机器人的行驶环境为结构化道路，而且目标标志物与周围环境之间有灰度变化。
因而在目标标志物图像中，会有边缘存在。
边界方法可以利用目标标志物图像中边缘的这种特性。
3.3.2二值化处理
为了分析图像的特征，需要从图像中分离出目标物，从而把图形和背景作为分离的二值图像使用。
图像二值化可根据下列的阈值处理来进行。
通常，用最后的一值图像中值为1的部分表示图形，值为0的部分表示背景。
经过二值化处理后的图形如图3-7（b）所示。
（a）Roberts算子处理后的图像（b）二值化图像
图3-7
3.4特征提取
图像的特征是指图像中可用作标志的属性，包括自然特征（亮度、色彩、纹理等）和人为特征（频谱、直方图等）。
特征提取是对图像所包含的信息进行处理和分析，将不易受随机因素干扰的信息作为该图像的特征提取出来。
特征提取是去除冗余信息的过程，具有提高识别精度、减少运算量、提高运算速度等作用。
得到二值化图像后，为便于从其中提取所需参数或特征，希望所得到的边缘像素能按规定顺序进行排列，也就是通过一定的顺序找出边缘点来跟踪出边界，即轮廓跟踪。
首先获取轮廓，如果原图中有一个点为黑点，且它的8个相邻点都是黑色时（此时该点是内部点），则将该点删除，这样得到了只有轮廓线的图像。
二值图像闭合边界的轮廓跟踪算法很简单。
首先按从上到下，从左到右的顺序搜索，找到的第一个黑点一定是最左上方的边界点，记为A。
它的右、右下、下、左下4个邻点中至少有一个是边界点，记为B从B开始找，按右、右下、下、左下、左、左上、上、右上的顺序找相邻点中的边界点C。
如果C点就是A点，则表明己经转了一圈，程序结束；否则从C点继续找，直到找到A点为止。
轮廓提取与边界跟踪如图3-8所示。
图3-8轮廓提取与边界跟踪
数字图像处理技术在移动机器人的视觉系统中的应用，使移动机器人自动导航系统得到了更加直观的目标物信息，从而使移动机器人在行使过程中达到了无人化的操作。
而目前应该优化数字图像处理技术，这样移动机器人中的自动导航系统在实时控制过程中可以更快地获取目标物的信息，从而提高移动机器人的移动速度。
第四章图像处理改进与优化
4.1针对图像灰度化处理的改进
在移动机器人的图像处理中，首先会对图像进行预处理，而对图像预处理的过程中，首先会应用到图像灰度化处理，将一幅图像变成一个灰度化的图像。
这样虽然会减少图像的数据量，但是图像本身所包含的许多信息也被处理掉了。
在一些应用中可以用到彩色图片中所包含的信息及其处理技术为机器人进行导航。
4.1.1颜色模型
移动机器人视觉系统
升级会员 