论文总字数：30311字

摘 要

现代社会，灾害不可避免，灾后救援工作就显得尤为重要，帮助人类展开灾区救援的机器人是近年来热门的机器人研究方向之一。国际RoboCup机器人竞赛也专门设立专项救援比赛项目，搭建仿真灾区环境，设置了障碍和模拟伤员。该文主要研究了RoboCup救援机器人的模拟伤员识别。利用华硕Xtion采集的RGB彩色图像和深度图像，结合模拟伤员的空间位置特征，肤色特征和运动特征，提出了检测器，实现了模拟伤员的识别。

检测器共有三个级，分别对应检测空间位置特征、肤色特征和运动特征。空间位置特征检测是第一级，主要基于深度图像。对深度图像进行边缘检测，接着闭运算加强边缘，二值边缘图像包含多个连通域。根据模拟伤员的空间位置特征筛选出可能包含模拟伤员的孔洞，然后根据孔洞背景和前景的深度差选取合适的阈值对深度图像进行分割，保留前景。级联检测器的后两级都是在第一级检测到的孔洞内进行检测，避免了环境中的干扰。检测器的第二级是基于颜色的皮肤检测，为了提高肤色在颜色空间中聚类性和皮肤检测的亮度适应性，提出一种新的颜色空间——YGrBr空间，并在GrBr色度空间下，运用大量肤色样本训练得到高斯肤色模型的期望和协方差矩阵。皮肤检测时，同样将孔洞的前景图像转到GrBr空间下，根据训练得到的高斯肤色模型建立概率似然图，选用合适阈值二值化得到皮肤。运动特征检测是检测器的最后一级，运用均值滤波法建立了背景模型，然后用图像减去背景得到前景，运用最大类间方差选取自适应阈值二值化得到运动目标。

理论与实验表明，多特征融合的检测器能够非常有效的实现模拟伤员的检测，准确率高且对外界行人，光照变化等干扰鲁棒性好。

关键词：深度图像；边缘检测；颜色空间；高斯模型；背景建模

autonomous simulated victim recongnItion of Robocup rescue robot

Abstract

Every year, there are so many disasters we can’t forecast and avoid that cause a lot of victims, so it is very important to rescue after disasters. Recently, research about rescue robot is one of the hot research directions. Moreover, the Robot World Cup (RoboCup) also sets the rescue league which simulates disaster area with simulated victims and obstacle. The aim of research is to recognize the simulated victims in the RoboCup Rescue League. Use depth image and color image obtained by ASUS’s Xtion to detect spatial position feature, skin color feature and moving feature of simulated victim.

The detector has three layers. Spatial position detection is the first layer, based on depth image. Firstly, detect the edge of depth image and then make morphological closing operation to strengthen edge. Secondly, select the hole in a plane with foreground based on spatial position feature, and then choose suitable threshold to reserve foreground and reject background. The secondly layer of detector is skin detection, which is based on color. To improve cluster of skin color and Brightness adaptability, raise a novel YGrBr color space, and on GrBr space, train the Gaussian model by lots of skin samples. After that, transform the color foreground image of the hole to GrBr space, calculate skin color similarity image by trained Gaussian model, and then get binary image by applying a fixed-level threshold to the similarity image, the on pixels of binary image are skin. Moving object detection is the last layer, which is based on background subtraction. Foreground image is calculated by color image subtract background image constructed by average filtering algorithm. Moving object is the connected area in binary image constructed by adaptive threshold by Otsu algorithm from background image.

It indicates that multi feature fusion detector is very valid by both the theory and experiment. Moreover, the detector has high accuracy and robustness to pedestrians and illumination change.

KEYWORDS: Depth image, edge detection, color space, Gaussian model, Background model.

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 课题背景及意义 1

1.2 救援机器人研究现状 1

1.3 自主目标识别研究现状 3

1.3.1 传统模板匹配的识别算法 3

1.3.2 基于统计模式识别的算法 4

1.4 论文研究工作 4

1.4.1 论文研究内容 4

1.4.2 论文内容安排 4

第2章 总体方案设计 6

2.1 RoboCup比赛环境介绍 6

2.2 需求分析 7

2.3 传感器的选取 7

2.3.1 Xtion简介 7

2.3.2 Xtion深度图像成像原理 8

2.4 方案设计 9

第3章 基于深度图像的前景提取 11

3.1 基于梯度的边缘检测 11

3.1.1 Roberts边缘检测算子 11

3.1.2 Prewitt边缘检测算子 12

3.1.3 Sobel边缘检测算子 12

3.1.4 Canny边缘检测算子 13

3.2 边缘检测算子选择 13

3.3 基于边缘检测的深度图像分层 14

3.3.1 梯度计算及二值化 14

3.3.2 形态学处理 14

3.3.3 孔洞的筛选 15

3.3.4 前景提取 16

3.4 前景检测算法流程图 16

3.5 本章小结 17

第4章 基于颜色的皮肤检测 18

4.1 颜色空间 18

4.1.1 RGB空间 18

4.1.2 HSV空间 19

4.1.3 YCbCr空间 20

4.1.4 YCgCr空间 20

4.2 肤色在不同颜色空间下的聚类性 20

4.2.1 RGB空间下的聚类性 21

4.2.2 HSV空间下的聚类性 22

4.2.3 YCbCr及YCgCr空间下的聚类性 22

4.3 一种新的颜色空间 25

4.4 肤色模型 26

4.5 肤色概率图像的二值化及皮肤检测 28

4.6 皮肤检测算法流程图 28

4.7 本章小结 29

第5章 模拟伤员的运动特征检测 30

5.1 减背景法运动目标检测的流程 30

5.2 背景建模算法介绍 30

5.2.1 时间差分法 31

5.2.2 均值滤波法 31

5.2.3 W4方法 31

5.2.4 本征方法 32

5.2.5 码本方法 32

5.2.6 背景建模算法的选择 32

5.3 基于均值滤波法的模拟伤员运动特征检测 32

5.3.1 背景建模 33

5.3.2 前景提取 33

5.3.3 二值化及后处理 33

5.4 运动特征检测算法流程 34

5.5 本章小结 34

第6章 系统实现及实验结果 35

6.1 Xtion图像信息获取 35

6.1.1 驱动及开发包 35

6.1.2 数据获取 35

6.1.3 深度图像和彩色图像的同步和对齐 36

6.2 实验结果与分析 36

第7章 总结与展望 38

7.1 总结 38

7.2 展望 39

参考文献 40

致谢 42

绪论

课题背景及意义

当代社会，自然灾害（地震、海啸等）及人为灾害（战争、火灾等）频发，发生灾害后的救援工作非常重要，但灾区环境复杂，危险系数高，救援人员贸然进入可能造成不必要的伤亡，并且灾区中许多狭小空间，救援人员甚至都无法进入，如果草率的抢修道路有可能会导致塌方，造成更大损失。研制救援机器人的目的正是为了解决上述问题。灾难发生后，救援机器人可以代替人类第一时间进入灾区实施搜救。救援机器人可以携带食物和水等生活物资进入灾区，当搜救到伤员时马上给控制台发送伤员坐标以便搜救人员有目标的展开搜救，同时救援机器人可以将携带的水和食物送给伤员，延长伤员的生存时间，增加伤员存活几率。此外，救援机器人甚至可以与伤员进行交流，询问伤员的身体状况信息后发送给控制台，以便搜救人员评估伤员待救助的紧急程度，以便有序的展开救助。必要时，救援机器人甚至可以对伤员进行心理辅导，安抚伤员情绪。总之，由救援机器人代替人类进入灾区进行救援工作，充分发挥其机动灵活的特点，即提高了救援效率，又避免了救援人员伤亡，在灾后救援工作展开方面有重大意义。

为了促进救援机器人技术的进步，国际RoboCup机器人比赛于2001设立了救援比赛RoboCup Rescue，为救援理论和技术提供仿真实验平台。通过在比赛现场设置模拟灾难环境，设置障碍和模拟伤员，考查救援机器人的运动能力，自主能力，通讯能力，模拟伤员识别能力等。其中，模拟伤员搜寻和定位是救援机器人搜救的核心任务。RoboCup救援机器人项目的目的是促进机器人科学与技术的不断进步，最终研发出能够在真实的灾难环境中高效实施救援工作的机器人，造福人类社会。

救援机器人研究现状

近年来，由于恐怖暴力活动和自然灾害时有发生，许多国家从国家战略方面考虑，开始研制防暴机器人、救援机器人等特殊作业机器人应用于灾时、灾后救助。此外，众多公司看重救援机器人的应用前景，为抢占市场而积极的参与救援机器人的研发。下面就近年来国内外的救援机器人研究现状展开介绍。

剩余内容已隐藏，请支付后下载全文，论文总字数：30311字