关于清扫机器人自动异物检测研究

《关于清扫机器人自动异物检测研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、万方数据第34卷第2期计算机仿真2017年02月文章编号：1006—9348(2017)02—0371—04关于清扫机器人自动异物检测研究胡冲，李兴(中国原子能科学研究院，北京102413)摘要：在清扫机器人对异物检测中，针对HI一13串列加速器钢筒内常因掉落细微杂质而引起高压打火造成停机，使用清扫机器人在停机后由低能端的屏蔽箱沿钢筒内壁进行，通过图像处理中的阈值分割法寻找并清理异物。由于在钢筒内进行异物检测面临光照不均、图片有薄雾以及目标微小容易漏检等问题，对异物检测造成了很大的影响。为了使异物检测算法能够保持较好的识别率，通过设计专门的采集流程减少光照不均，利用R

2、etinex图像增强去除薄雾，利用改进的大津法选取阈值进行图像分割减少漏检，有效的解决了上述问题。实验表明，改进算法在钢筒内复杂环境中，可以保持较高的异物检测成功率。关键词：清扫机器人；异物检测；视网膜增强；阈值分割；大津法中图分类号：TP391．4文献标识码：BResearchontheCleaningRobotAutomaticForeignObjectDebrisInspectionHUChong，LIXing(ChinaInstituteofAtomicEnergy，Beijing102413，China)ABSTRACT：TheHI一13tandemacce

3、leratorwithinsteelcylinderoftenshutdownduetofallingfineimpuritiescausedbyhigh—voltageignition，downtimebyusingthecleaningrobotstartingfromthelowendshieldingboxalongtheinnerwallofthesteelcylinder，throughthresholdsegmentationmethodinimageprocessingandcleatingdebris．Foreignobjectdetectionin

4、asteelcylinderfaceillumination，pictures，misty，andtargetsmalleasyissuessuchasmissing，hadagreatimpactonforeignobjectdetection．Inordertoenableforeignobjectdetectionalgorithmtobetterrecognitionrate，throughthedesignofspecializedcollectionprocessredueesunevenillumination，Retineximageen—hancem

5、entremoveshaze，animprovedOtsuthresholdimagesegmentationbydecreasingtheunchecked，effectivesolu-tiontotheproblemsmentionedabove．Experimentsshowthatthisalgorithmincomplexenvironmentsinasteelcylin—der，youcanmaintainahighsuccessrateofforeignobjectdetection．KEYWO砌)s：cleaning—robot；foreignobje

6、ctdebrisinspection；Retinex；thresholdsegmentation；Otsu1引言中国原子能科学研究院的HI一13串列加速器是我国唯一的一台头部电压超过10MeV的大型串列式静电加速器。加速器的维修改进对保持加速器的良好运行状态、提高开机效率起着关键作用。。1。加速器位于大型的密闭钢筒内，钢简内设备发生故障的主要原因是设备寿命和高压打火掉落细微杂质，排除故障前加速器无法继续运行。本项目研制了钢基金项目：国家自然科学基金青年基金(11205251)；保定学院科研基金(2012211)收稿日期：2016—03—16修回日期：2016—04—2

7、1筒内清扫机器人，自动完成异物(ForeignObjectDebris，FOD)检测、掉落物清理等工作。当前异物检测领域比较成功的方法有雷达方法和光学方法两种，此外还有超声波、激光、红外等方式，由于背景环境单一且不变，始终是大型钢筒光滑内壁自动异物检测的难题，这里采用光学方法中的图像分割法寻找掉落的细微杂质。图像分割法’2o是根据图像的灰度、边缘、纹理等特征将图像细分为不同的子区域或对象，然后根据事先制定的匹配准则，从子对象区域中确认待检测的目标。图像分割算法常用的检测方法是阈值分割和边缘检测。“，根据图像亮度的不连续变化来对图像进行分割。本文采取的