تفکیک ساختارمند تصاویر راهرو برای هدایت ربات

استخراج ساختاری از فضای اطراف ربات به عنوان مسئله‌ای حائز اهمیت برای هدایت ربات در علم پردازش تصویر و بینایی کامپیوتر است که در سال‌های اخیر مورد توجه خاصی قرار گرفته است، برای این منظور بسیار واجب است که ساختار فضای اطراف ربات در محیط مشخص گردد، در روش پیشنهادی از یک دوربین عکاسی برای عکس برداری از راهرو به عنوان فضایی که ربات در آن حرکت می‌کند، استفاده می‌شود. برای استخراج ساختار محیط، در روش پیشنهادی تکنیکی بصورت ترکیبی از نشانه‌های بصری برای ارزیابی احتمال وجود خطوط سطحی لبه‌های عمودی و افقی که به ترتیب متعلق به دیوار و زمین است، استفاده می‌شود، ابتدا از یک نوع الگوریتم تشخیص لبه به‌نام سوبل برای پیدا کردن خطوط لبه‌دار در دو جهت عمودی و افقی استفاده می‌شود، سپس یک حد آستانه را برای برای کاهش خطوط لبه اضافی در نظر می‌گیریم، در نهایت به منظور قدرتمندسازی روش خود با ارتقا الگوریتم تفکیک k-means، برای خوشه‌بندی استفاده می‌کنیم، این سه روش در کنار هم یک سیستم قوی را ایجاد می‌کند که کمک می‌کند مولفه‌های ساختارساز راهرو از قبیل دیوار، کف، مرز دیوار-کف شناسایی شوند، یافتن این مولفه‌ها برای هدایت ربات در محیط‌ های داخلی امری بسیار ضروری می باشد.

segmentation of corridor images for structure based robot navigation

extracting the structure of space around a robot, is an important issue for robot navigation. in order to identify the structure of a corridor, it is necessary to analyze its composition. we use a camera to take some photos from the corridor in front of the robot, we apply the sobel algorithm to detect edge lines in two directions, sobel algorithm finds horizontal and vertical edge lines, the vertical and horizontal edges are respectively related to the wall and floor. then we use a threshold to reduce unnecessary edge linesc and refuse the useless edge lines and eliminate them by introduced threshold methods, so it reduces the computation time and prevent the impact of unnecessary data. we also use the intersection points of the edge lines to obtain the boundary when vertical and horizontal lines cannot give us the wall-floor boundary lines. for more robustness we use a segmentation algorithm based on clustering. these three together help to identify structural cues of corridor such as wall, floor, wall-floor borderline. these cues are necessary for robot navigation in indoor environment.