用于机器人导航的图像天空区域检测开题报告

1. 研究目的与意义

计算机技术、传感技术等的不断发展，人们对机器人导航自主性的要求越来越高，如何实现移动机器人在不确定环境中自主定位导航一直都是机器人研究的一大核心课题，自主导航作为一项核心技术，是赋予机器人感知和行动能力的关键。

感知周围环境的距离是感知周围环境的重要一环，所以说感知周围环境距离很重要。人们常用传感器进行测距，在自主导航领域常见测距传感器有两类：第一类是主动式传感器，比如雷达，激光传感器，这类传感器比较精确，但缺点是比较贵；第二类是被动式传感器，比如视觉传感器。这类传感器成本较低，主要依赖于算法，但有些场景精度不好。但随着技术的发展，这些精度问题都可以得到解决。

自主地面机器人导航最重要的问题是对周围环境的感知和理解。通过对周围环境的感知，机器人才能够判断其所处的位置和状态，从而指导其下一步的运动方式。天空区域在图像中较为多见，从而成为了图像的一个重要组成部分。天空区域是图像理解的重要线索，例如一幅包含天空区域的图像以较大的可能性为一幅室外图像。对于图像编码和处理领域，天空区域的检测也很重要，天空区域的检测能够更好的有助于基于对象的编码方式，从而提高编码的压缩效率；由于人们对平滑区域内的噪声特别敏感，通过检测天空区域我们可以对天空区域内的图像与前景纹理丰富区域内的图像进行不同的图像处理，从而增强图像的视觉效果。对于机器人自主导航领域，通过检测天空区域占据整幅图像的比例我们可以估算机器人当前状态的俯仰角。此外天空区域属于背景区域，一般在机器人自主导航中并不关心，因此我们可以对于天空区域的像素不进行进一步的图像处理算法，从而降低算法的运算复杂度并增强算法的稳健性。本设计开发一种基于单幅图像的天空区域检测算法。该算法运算复杂度低，无需采集大量的天空图像并进行复杂的机器学习过程，从而可以运用于对时间要求比较高或者处理器性能有限的场合。

2. 研究内容和预期目标

机器人能够在环境中自主移动的首要问题是对环境的感知和理解，通过对周围环境的感知，机器人才能够判断其所处的位置和状态，从而指导其下一步的运动方式。天空区域在图像中较为多见，从而成为了图像的一个重要组成部分。天空区域是图像理解的重要线索，例如一幅包含天空区域的图像以较大的可能性为一幅室外图像。对于图像编码和处理领域，天空区域的检测也很重要，天空区域的检测能够更好的有助于基于对象的编码方式，从而提高编码的压缩效率；由于人们对平滑区域内的噪声特别敏感，通过检测天空区域我们可以对天空区域内的图像与前景纹理丰富区域内的图像进行不同的图像处理，从而增强图像的视觉效果。对于机器人自主导航领域，通过检测天空区域占据整幅图像的比例我们可以估算机器人当前状态的俯仰角。此外天空区域属于背景区域，一般在机器人自主导航中并不关心，因此我们可以对于天空区域的像素不进行进一步的图像处理算法，从而降低算法的运算复杂度并增强算法的稳健性。本设计开发一种基于单幅图像的天空区域检测算法。该算法运算复杂度低，无需采集大量的天空图像并进行复杂的机器学习过程，从而可以运用于对时间要求比较高或者处理器性能有限的场合。该设计对培养学生算法实现和软件开发能力具有较好的作用，同时也是学生初步接触了机器学习技术，便于其进入工作岗位后能够有更快的发展。该生首先需要掌握数字图像处理的的基本原理以及基本的图像处理算法，如：色彩空间转换、图像梯度以及边缘计算方法等。学生还需要了解人工智能领域机器学习的基本概念特别是无监督学习方法如k均值聚类法。此外，学生需要掌握最优化算法的基础以及基本的数值优化方法。在理解上述理论和算法实现的基础上要熟悉matlab语言的基础，了解利用matlab的image processing工具箱进行图像读取、存储、处理的代码实现方法以及matlab数据可视化的实现方法，学会使用matlab数值优化工具箱。

本毕业设计需要达到如下技术指标：

1、系统检测速度：2帧/秒

3. 研究的方法与步骤

步骤：

1、进行图像预处理和梯度图像计算，将彩色图像转化为梯度图像，从灰度图像中，用sobel算子计算其对应的梯度图像,用sobel算子在水平和垂直方向上两个运算符，将输入的灰度图像进行卷积运算，得到两个梯度图像。最后，我们通过组合两个梯度图像来计算梯度幅度图像。

2、初步检测天空区域。

4. 参考文献

[1] 拉斐尔·c.冈萨雷斯, 理查德·e.伍兹. 数字图像处理（第三版）. 电子工业出版社，2017.

[2]张志涌，杨祖樱. matlab教程. 北京航空航天大学出版社. 2015.

[3] yehu shen, qicong wang. sky regiondetection in a single image for autonomous ground robot navigation.international journal of advanced robotic systems, 10(362), 2013: 1-13.

5. 计划与进度安排

2022/3/5～2022/3/11 查阅资料，分析实施方案；

2022/3/12～2022/3/31 完成图像预处理算法实现；

2022/4/1～2022/4/15 完成能量函数优化算法；