基于機器視覺(jué)的智能導覽機器人控制系統設計

當A為常數時(shí)，則可用2B相匹配，當D(x，y)取得最大值時(shí)，便認為模板與圖像相匹配。通常假設A為常數時(shí)會(huì )產(chǎn)生誤差。嚴重時(shí)將無(wú)法正確匹配，因此可用歸一化互相關(guān)作為誤差平方和測度，定義為：

4．3 模板匹配改進(jìn)算法
但是按模板匹配算法求匹配計算工作量非常大，考慮到相關(guān)是卷積的一種特定形式以及 Matlab計算功能的強大，采用FFT方法，在頻域中計算后再進(jìn)行逆變換即可求出。圖像和定位模板圖像旋轉180°的傅里葉變換后作點(diǎn)乘運算，再求其逆 FFT變換并返回空間域值也就相當于相關(guān)運算。在求取空間域值的最大值后，再根據最大值選取合適的閾值，便可確定目標點(diǎn)的位置。實(shí)驗中在模板匹配成功后，可將目標和背景顏色二值化，并用紅色“十”字符號標記，不斷更新數據信息。將?？奎c(diǎn)設定在自己期望的像素位置(如圖像的中心位置偏下)，然后自動(dòng)調整機器人位置，設計成如圖5形式，可知機器人需要向右行駛。

圖6為視覺(jué)導航算法流程。

5 實(shí)驗結果與結論
基于以上設計，對進(jìn)行機器人運動(dòng)控制和路徑規劃進(jìn)行實(shí)驗。實(shí)驗分別采用Matlab語(yǔ)言進(jìn)行圖像仿真，能夠自動(dòng)選擇合適的閾值分割，并得到較好的邊緣檢測，然而在實(shí)驗中有時(shí)會(huì )因為光照強度或其他因素影響，在進(jìn)行閾值分割時(shí)不能達到理想效果，在 VC環(huán)境下能夠控制機器人運動(dòng)，模板匹配取得較好效果，后續將著(zhù)重在Visual C++6．0環(huán)境進(jìn)行圖像處理方法研究。這樣可以更好控制機器人運動(dòng)?？傊?，該系統設計可使機器人能夠在復雜多變的環(huán)境下準確識別圖像信息，并做出正確決策，完成所需動(dòng)作，從而實(shí)現既定目標。