基于双目视觉移动机器人的路径规划和避障研究.pdf

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.76M 资料格式：pdf 举报版权申诉

s26263530-6021923-4744302543426179522.pdf-第1页.png

第1页 / 共6页

s26263530-6021923-4744302543426179522.pdf-第2页.png

第2页 / 共6页

s26263530-6021923-4744302543426179522.pdf-第3页.png

第3页 / 共6页

s26263530-6021923-4744302543426179522.pdf-第4页.png

第4页 / 共6页

s26263530-6021923-4744302543426179522.pdf-第5页.png

第5页 / 共6页

s26263530-6021923-4744302543426179522.pdf-第6页.png

第6页 / 共6页

文本预览

5462 2009,30 (23) 计算机工程与设计 Computer Engineering and Design 计算机工程与设计 Computer Engineering and Design 人工智能基于双目视觉移动机器人的路径规划和避障研究赵静，陈一民 (上海大学计算机工程与科学学院，上海 200072) 摘要：提出了一种移动机器人路径规划和避障的系统设计方案，实现了移动机器人自主行进的路径规划和自动避障功能。详细说明了如何采用立体视觉实现对环境的探测，利用图像处理算法的组合分离出地面、背景、障碍物和目标物，采用边界不变矩实现障碍物和目标物的区分，改进了经典的人工势场法进行路径的规划，根据模糊控制原理设计了避障控制器和避障规则。实际的运行结果表明了该系统的可行性和有效性，该系统实现了移动机器人利用自身传感器感知环境信息，动态规划行进路径，成功躲避障碍物等功能。关键词：移动机器人; 双目视觉; 图像处理; 不变矩; 人工势场; 模糊控制中图法分类号：TP391.4 文章编号：1000-7024 (2009) 23-5462-05 文献标识码：A Research of path planning and obstacle avoidance mobile robot based on binocular vision (School of Computer Engineering and Science, Shanghai University, Shanghai 200072, China) ZHAO Jing, CHEN Yi-min Abstract：A system design scheme of mobile robot is proposed. The mobile robot implements the function of path-planning and obstacle avoidance. The paper explains how to percept the environment by binocular vision, how to separate the ground, background and objects by using a combination of several image processing algorithm, and how to distinguish the obstacles and target by image statistical chara- cteristics. At the same time we plan the path by improving artificial potential field, and design a fuzzy controller and formulating a se- quence of obstacle avoidance rules based on fuzzy logic. The result of the system proves that the design is feasibility and validity. The mobile robot system realize the request of the project: in the help of binocular vision sensors, planning a path dynamically and avoiding the obstacles. Key words：mobile robot; binocular vision; image processing; moment invariants; artificial potential field; fuzzy control 0 引言 1 系统结构框架移动机器人的一个主要功能要求是通过其自身的传感器本文设计的基于双目视觉移动机器人路径规划和障碍物对外界环境进行采集、感知和分析，实现在有障碍物的条件躲避系统，按照层次结构分为三层：运动控制层，行为控制层下，向目标物自主行进，完成一些特定的任务。国内外诸多研究机构对移动机器人的自主行进做了不少的研究，有些移动和行为规划层，如图 1 所示。为了保证系统运行的稳定性和扩展性，采用模块化的设计。机器人已成功应用于军事、工农业生产 [1-3]、科学研究 [4-5]、生活运动控制层包括双目视觉信息采集模块和运动控制模娱乐 [6-8] 等多个方面。移动机器人的自主行进牵涉到运动学、块。在运动控制层，通过安置在机器人身上的双目摄像头探信息论、图像学、人工智能等多个学科，集中体现了计算机技测环境信息，将信息通过无线信号收发器传送给行为控制层，术和人工智能的最新成果。因此对于该项研究，除了使移动进行环境信息的分析，根据双目摄像头得到的图像信息完成机器人可以完成自动追踪、自动驾驶、自动避障等功能外，在测距操作等。研究过程中，通过对机器视觉、信息处理、人工智能等领域的行为控制层包括视频图像处理模块、物件提取模块以及研究，可以进一步提升这些相关技术的水准，对生产、科研、勘障碍物目标物区分模块。行为控制层依据接收到的视频数据探领域都具有重要的学术价值和应用意义。针对这些情况本经过图像处理后将得到的包括路面信息，障碍物和目标物深文重点讨论我们设计的基于双目视觉移动机器人在自主行进度信息，再将尺寸、形状等参数递交给行为规划层。中的路径规划和障碍物躲避方面的问题，并介绍我们在这方行为规划层包括路径规划模块和避障策略模块。路径规面所做的研究工作和取得的研究成果。划模块利用传递过来的信息构建二维地图，根据人工势场法收稿日期：2008-12-29；修订日期：2009-02-15。基金项目：上海市重点学科建设基金项目 (J50103)。作者简介：赵静 (1984－)，女，福建莆田人，硕士研究生，研究方向为机器视觉、计算机控制技术；陈一民 (1961－)，男，博士，教授，博士生导师，研究方向为网络与多媒体技术、计算机控制技术。E-mail：3363083@163.com

赵静，陈一民：基于双目视觉移动机器人的路径规划和避障研究 2009,30 (23) 5463 路径规划避障策略行为规划层视频信息处理和物件提取路径跟踪躲避障碍物行为控制层双目视觉传感器位置速度的设定外部环境执行模块运动控制层图 1 基于双目立体视觉移动机器人避障系统框架生成一条从初始点到目标点的路径，再依据避障策略进行障碍物的躲避行为。移动机器人在行进过程中，通过行为控制层将对应的坐标值、速度大小和转动角度等参数指导运动控制层的行为。距系统的有效测距范围，系统采用变焦测距技术。经过具体分析，我们采用改变焦距 f 的值，来改变式(1)的参数范围。系统变焦测距的流程图如图 2 所示。左图中的图像点坐标 (x , y ) 右图中与 y 相近的坐标点进行匹配操作 N N 坐标匹配 Y d∈ (25,350) Y 输出匹配结果改变焦距减小一级 d>350 d<25 or d>350 改变焦距增加一级 F<25 图 2 变焦测距流程 2 运动控制层双目视频采集模块完成视频信号采集、无线传输、帧同步 3 行为控制层等功能，并且需要将采样图像做格式转换，使之更适应图像处为了实现移动机器人障碍物躲避，必须将采集得到的环理模块的需要。我们基于 Microsoft 的 DirectShow 实现了对现场视频的实时捕获，采用 DirectShow 做视频采集可以省去讨论框架结构、数据保护、同步等细节问题，专注于软件的功能和性能改进之上。我们基于Intel 的 OpenCV(open source computer vision library) 实现图像的处理，OpenCV 中定义了包括图像分析、结构分析、运动分析、模式识别等绝大多数现有的图像处理算法实现。由于 DirectShow 中获得图像采样 pSample 是一段在内存中连续的符合特定格式要求的空间，而 OpenCV 中图像的基本格式是 IplImage 数据结构，因此本系统搭建了从视频图像的采样格式转换到 OpenCV 可接收的 IplImage 格式。在完成双目视觉采集模块的框架搭建后，我们采用张氏平面标定法对摄像境信息进行分析，分离出图像中的背景、路面和物件，并区别出障碍物和目标物。视频采集卡得到的视频图像存在大量的噪声，因此必须首先进行图像的预处理。现实景象存在丰富的颜色信息，通常不同物件的边缘色差大，我们利用物件的边界信息实现背景、路面和物件的分离。双目视觉传感器必须实现左右两幅图像的匹配以实现物件定位，本移动机器人系统采用改进的模板匹配算法，提高了系统的运行速度。在区分障碍物和目标物的实现上，本系统采用不变矩方法。 3.1 图像处理和路面分析从双目视觉得到的左右图像，存在着大量的离散噪声。为了最大程度地保留图像信息并从复杂的背景总将目标物件提取出来，系统首先对图像进行消除离散噪声的处理。根据机的参数进行标定。进而得到摄像机本身所具有的诸如焦距、彩色世界景象边缘具有较明显的色彩跳跃情况，系统对经过光心等属性。噪声消除后的图像采用均匀性图方法进行边缘提取，得到清在视觉测距中有单目散焦测距、多目立体视觉测距两大晰的轮廓。类。其中单目散焦测距是通过对多次不同散焦状态下，图像为了提取到视频图像中的障碍物和目标物，系统将一系边界的模糊程度，来计算出场景深度值。它实现简单，但是测列的图像处理经典算法进行组合使用，分离出路面、背景、障距精确度不高，且实时性较差，因此我们采用多目立体视觉测碍物和目标物。使用到的图像处理算法包括：图像腐蚀，二值距，多目立体视觉测距则有更高的测量精确性和更好的实时性，更适合于机器人系统当中[9-10]，具体方法如下：化，种子填充，反种子填充等。 3.2 双目视觉物件提取 P 是目标点，和是左右两个具有相同焦距的摄像头的光心。和分别是空间点 P 在左右摄像头中的投影点。d 是目标点 P 到摄像头的距离，即深度值。根据相似三角形原理有公式 (1) 其中， + ——空间目标点在左右两个摄像头中的视差。因此双目摄像头测距系统就将三维空间求深度值的问题转换为 / + = 本系统采用双目视觉进行环境信息的获取，在制定构建二维地图之前，将左右两幅图像的对应物件进行匹配。匹配就是利用不同时间对同一环境拍摄的两幅照片，找出产生变化的像素点，再根据变化量确定物体离开摄像机的距离，即深度信息 [11]。我们采用改进后的 NCC 模板匹配算法来确定物件的深度信息。NCC 模板匹配算法是一种典型的基于灰度的相关算法。它的功能是通过比较图像的相似程度，在图在二维图像中搜索匹配点的问题。像中寻找某个已知的图像模板的位置。模板匹配过程如图通过实验分析、比较，我们得出：在 f 一定的情况下，随着实际距离的增大，双目测距的误差也越大。为了增大双目测 3 所示。在实际匹配应用中，搜索图和模板的相似度是通过度量

5464 2009,30 (23) 计算机工程与设计 Computer Engineering and Design +1 1 子图 N N +1 1 (a)搜索图 (b)模板图图 3 模板匹配过程函数来度量的，归一化相关函数作相似性测量定义为 , = = 1 = 1 , , , , , × , 灰度图看作是二维密度分布函数，就可把矩技术应用于描述一幅图像的特征。概率密度分布函数为的二维连续随即函数的(p+q)阶几何矩的定义为 + + = , ( , = 0,1,2,…,) 二维(M× N)数字化图像 , 的几何矩定义为 = = 1 = 1 , 阶次为的几何矩的完备集包括所有满足p+q≤n条件的。在物体放大、平移、旋转时保持不变称为不变矩。通过多次实验可以得知，当图像发生平移时，区域矩和边界矩都具有较好的不变性；当图像发生旋转和缩放时，区域矩保持了较好的不变性，而边界矩却发生较大的变化。分析原因，主要因为计算区域矩可以利用的像素多，在图像发生变化时，只有边界 (2) 像素会改变，因此边界矩的计算会产生较大的波动。由此可 2 × , 2 知，区域矩的计算结果会比边界矩好。 = 1 = 1 = 1 = 1 该方法具有较强的抗白噪声能力，在灰度变化及几何畸变不大的情况下匹配精度高，但容易受局部光照变化的影响，且匹配速度较慢。为了提高模板匹配的速度，我们对式(2) 做如下处理：在式 (2) 中，为模板 , 的均值， , 为搜索图像 , 在当前窗口 , 下的均值。再设 = , ；由于可以一次利用边界矩区分障碍物和目标物算法的步骤是：①搜索预处理后的二值图像中所有可能为目标的区域；②计算区域的 7 个不变矩特征；③利用相似度作为度量标准，选择模板匹配程度最高的区域为目标。系统采用欧式距离作为度量标准。模式样本向量 X 与 Y 之间的欧式距离定义为 , = || || = 2 = 1 性算出，则将分子部分改写为： , , , 。又其中，n ——特征空间的维数，此时 =7。因为的和为 0，分子剩下第一项，因此可利用差分求和的方法将第一项和子图进行卷积运算。首先将模板当中所有像素 = 1 = 1 = 1 = 1 若待选区间 X 与 Y 属同一类型，欧式距离 , 较小，反之，若它们分属不同类型区域，则 , 较大的。点进行排序，然后在排序数组的基础上进行差分，因为模板当 4 行为规划层中存在大量相同灰度值，这样差分后的数组会存在大量的 0 或 1，对 0 或 1 的乘法运算可省略。这样就节省大量的运算时间，提高模板匹配的速度。而对于式(2)的分母处理如下。第二项只与模板 T 有关，仅算一次即可，大致需要次运算。第一项在每一次移动窗口下都需要计算一次方差，总共大致需要3 2 运算量非常大，为此，为搜索图计算以下累计量 +1 2次运算， , = , = 2 , + , + 2 2 1, + , 1, + 2 1 , 1 1, 2 1 1, 1 且当 , < 0，此时定义在窗口位置 , 下，图像的能量为 , = 2 + 2 + 1, + 1, 1 1 + 2 2 1, 1, + 1 1 将 = 1 = 1 , , , 2中展开二次项，便可直接利用之前计算好的累计项带入计算，共需 3 次运算，比直接计算明显减少了计算量。 3.3 障碍物和目标物的区分为了实现移动机器人躲避障碍物，到达目标点，正确的路径规划和有效的避障策略是重要保证。我们采用人工势场法进行移动机器人的路径规划。为了消除该方法存在的局部最小值现象，我们提出了对应的解决方法。有了正确路径的引导，还必须制定相应避障策略以实现成功躲避障碍物。系统所采用的基于模糊控制的避障策略。为了协调系统同步进行的多个模块，4.3 节提出若干用于避障过程中实现同步控制的方法。 4.1 人工势场法的路径规划人工势场法 [12]是由 Khatib 提出的，其的基本思想是将机器人、障碍物、目标点简化为一点。机器人的运动空间是二维的，机器人要到达目标，需要不断地向着目标运动，机器人的运动过程视为一种在虚拟的人工受力场的运动。障碍物对机器人产生斥力，目标点产生引力，引力和斥力的合力控制机器人的运动方向。机器人在空间中任意位置的运动方向是由障碍物的斥力场和目标点的引力场共同合成的总场在实现背景和路面分离工作之后，将图像所剩下的被路强的方向指定。面区域所包围的黑色区域设置为提取障碍物和目标物的候选引力势场函数为区域，并在区域像素大于所设置的阈值时，设定该区域为障碍物或目标物，标记为红色。本系统中障碍物和目标物拥有不同的几何形状，根据这一假设，我们采用图像的不变矩特征来区分障碍物和目标物。 = 2 , 式中：k ——正比例位置增益系数，, ——机器人和目标点在运动空间中的位置， , ||表示机器人和目标点之间的距离。 = || 矩 [11] 在统计学中用于表征随机量的分布，若把二值图或目标点产生的引力是引力势场函数的负梯度

赵静，陈一民：基于双目视觉移动机器人的路径规划和避障研究 2009,30 (23) 5465 斥力场函数为 = =｛ = , 1 0 , 0, 1 , , , ≤ 0 > 0 式中： ——正比例位置增益系数， , ——在运动空间中机器人和障碍物之间的最短距离。 0 ——障碍物对机器人产生影响的最大距离，它的值随着障碍物和目标点之间的具体情况来确定，一般应该小于各个障碍物之间距离的一半和目标点到各障碍物之间的最小距离。当机器人没有到达目标点时，障碍物对它的斥力为 = ｛ = 1 0 1 , 2 1 , , , ≤ 0 0, , > 0 机器人受到的合力合力决定了机器人的运动方向。 = + 引用人工势场方法的主要弊端就是机器人在到达目标位置前由于陷入局部最极小点，从而导致无法到达目标点。我们在移动机器人避障系统中，采用改进势函数的方法，来消除局部最小点。为了避免无法到达目标点的情况出现，就必须使机器人在目标点总的势场力最小，可以通过对斥力场函数进行改造以达到目的。人工势场法的传统斥力场函数修正为 * 1 , =｛ 1 2 2 1 0 0, 2, , , ≤ 0 > 0 (3) 新的斥力场函数引入 , ，当机器人运动到目标点时， , 为零，这样保证在目标点的引力和斥力为零，总的势场力为零。此时，斥力为 = 其中 =｛ 1 1 = 2 = 1 2 ( ( 1 , 1 , + 0, 1 ) 0 1 0 2 2 )2 , , , 1 , , , 0 ≤ > 0 (4) (5) (6) 1 的方向为由障碍物指向机器人； 2 的方向为由机器人指向目标点，如图 6 所示。当 0 < ≤ 1，当机器人向目标点逼近时，分力 1 趋向于零，此时移动机器人在分力 2 的作用下驶向目标点。当 = 1， ( , ) < 0， ( , ) ≠0，式(5)和(6)变为 1 = ( 2 = 1 2 1 , ( 1 , 1 0 ) , , 2 1 0 )2 随着机器人接近目标，第一项 1 接近于零，第二项 2 推动机器人向着目标的力放大接近于一常数 1 2 ( 1 , 1 0 )2 4.2 避障策略系统将机器人视窗区域分为 3 部分：正前方、左前方、右前方。 , , 系统分别检测 3 个区域内的障碍物与机器人的距离，将最小值即最近距离作为输入[ ]。此外，将机器人与目标物的夹角作为第 4 个输入。为简单起见，设移动机器人速度为恒定，那么，待控制量即输出值为机器人的转动角度。设变量 , 和的范围为 10~100cm，语言变量为 { (远)}；变量和的范围为-90°~90°，语言变量为{ LB(左大),LS (左小),Z(零),RS(右小),RB(右大)}。变量 , 和的隶属度函数采用梯形函数，如图 4(a) 所示。变量和的隶属度函数如图 4(b)所示。 (近), Near Far 1 0.8 0.4 0.2 0 10 30 50 (a) 70 90 LB LS Z RS RB 1 0.8 0.4 0.2 0 -120° -90° -60° -30° 0° 30° 60° 80° 120° (b) 图 4 , 和以及和的隶属度函数模糊控制规则是一组多重条件语句，由模糊集合理论可知，这种因果关系可以表示为从输入变量到输出变量的两个模糊关系矩阵。当障碍物较近时，移动机器人根据障碍物的分布结合目标方位做出合理的决策，在保证避障的同时向目标前进。当障碍物较远时，目标方位起主要控制作用，移动机器人不断改变航向，对准目标前进。假设障碍在移动机器人的前方，目标方位有 5 种可能的分布，可以设计如表 1 所示的 5 条规则。表 1 避障规则 R1 R2 R3 R4 R5 far far far far far near near near near near far far far far far NB NS Z RS RB NB NS NS RS RB 同理，可以构造其它情形下的模糊规则。系统将障碍物划分为 3 个区域，所以障碍物的分布有 8 种情形。每种障碍物的分布情形下，目标相对移动机器人的方位有 5 种可能的分布，所以总共需要构造 40 条模糊规则。 4.3 同步控制当 > 1，从式(3)得出，斥力函数在目标点是可微的，当机在一个时间周期内，系统需要完成下面这些工作：从双目器人接近目标时，总的势场力最终为零，机器人驶向目标。摄像头采集数据；两块视频采集卡同步数据并传输给内存；对

5466 2009,30 (23) 计算机工程与设计 Computer Engineering and Design 两幅视频同步进行背景、地面和物件的提取；对两幅图片进行模板匹配；从匹配过的图片区分提取出障碍物和目标物；构造二维地图；路径规划；避障规则应用；运动策略传输给移动机器人；运动控制模块实施运动。由于不同的功能实现需要的响应时间不同，只有做到成功的同步控制，才能使系统成功运行，并具有较好的实时性。为此，系统从以下几个方面着手，进行系统同步控制。 (1)双目视觉数据的同步实现。两路视频数据分别进行采集，同时在内存中开辟两块缓存来存放视频数据，并且设置了互斥量进行保护，以防止数据在多线程运行环境下的变量冲突。实验表明这样可以有效避免内存冲突，从而保证两个摄像机采集数据的同步性。 (2)区分物件与构建地图的同步。区分障碍物和目标物阶段，需要计算 7 个几何特征不变矩，若物件数量增多，这将很大程度上影响系统的运行进度。因此，在构造二维地图前，设置时间戳机制，利用标志位判断是否接受到新的深度信息，如果未取得深度信息则系统空转一个时间戳的长度以保证机器人成功行进。 (3) 创建地图与机器人行进的同步。移动机器人在起始点时，根据传感器可以分析出与目标物同侧的路面与背景交界处的距离。尽管机器人在动态行进中，而机器人的转动角度在-90°~90°间，交界处总会处在视线范围内。在行进过程中，将此交界线作为路标，而在系统实现时设置变量 sign_len- gth 并定期以一定的规则递减，本系统中采用 sign_length= sign_length/20。在路径规划完成后，行为规划层向运动控制层发送运动信号，机器人实施前进时，系统获取机器人与“路标”的距离 L，与系统中的 sign_length 内容做比较，若 L≤ sign_ length，此时未得到新的运动信号，则机器人停止行进，直至获取新的运动信号。 (a) (b) 图 6 图像处理和物件提取的实验结果 3 4 1 2 (1) 模板 (2) 待匹配图像 (a) (b) 图 7 区分障碍物和目标点的实验结果式距离，得到图 7(b)的匹配结果，区分出目标点。图 8(a)到 8(d)是移动机器人在行进过程中的部分截图。 (a) (b) (c) (d) 图 8 移动机器人路径规划和避障的实验截图从实验结果我们可以看出，移动机器人完成了系统的最初需求，利用双目视觉传感器，规划一条从起始点到目标点的最优或次优路径，并在行进过程中避开障碍物。 5 实验结果和分析 6 结束语移动机器人路径规划和避障系统的实验结果如下所示。图 5(a) 和图 5(b) 分别是双目视觉传感器采集到的左右两幅视频图像。本文提出了一种移动机器人路径规划和避障系统的系统框架，详细介绍了的系统各个模块的设计方案，给出系统实现后的实验运行结果。我们提出的分层模块化的设计思想，具有良好的稳定性与扩展性。采用变焦测距技术进行深度信息的测定，可以有效扩大系统测量的范围；采用改进的 NCC 模板匹配算法进行立体匹配，提高系统的运行速度；采用不变矩思想有效的实现障碍物和目标物的区分；采用改进的人工势场函数消除人工势场法的局部最小点现象；提出了解决系统多模块同步控制 (a) (b) 的问题。经过现场实验证明我们设计实现的移动机器人路径图 5 双目视觉传感器的左右视频图像规划和避障系统具有良好的性能。图 6(a) 和图 6(b) 分别是经过图像处理和物件提取操作后的图像。利用种子填充法，将地面填充为蓝色，背景填充为绿色，被地面包围的区域识别为物件，用红色填充。图 6(b)物件外围的黑框为双目模板匹配后的标注结果。图 7(a) 和图 7(b) 分别是区分障碍物和目标点算法的示意图。图 7(a2)是经过二值化处理后的待匹配图像，利用图 7(a1) 所提供的模板，计算图 7(a2)中各个区域的不变矩，通过比较欧参考文献: [1] 史春雪,卜英勇,罗柏文,等.基于蚁群算法深海采矿机器人工作路径规划[J].海洋工程,2008,26(2):119-123. [2] 付西光,颜国正.7-DOF 核工业机器人的轨迹规划与仿真[J].系统仿真学报,2005,17(8):1948-1950. [3] 唐敦兵.食品工业机器人的设计与开发[J].机器人技术与应用, (下转第 5470 页) 2002(1):10- 12.

5470 2009,30 (23) 计算机工程与设计 Computer Engineering and Design 100 / % 率出检 90 80 70 60 50 40 30 20 10 0 0 10 20 30 40 50 虚警率/% 60 70 80 90 100 本文方法 (AUC=0.5609)； Zhang 局部极值法 (AUC=0.5414)； Ker 校准法 (AUC=0.5317) (a) 载密图像嵌入率为 10% / % 率出检 100 90 80 70 60 50 40 30 20 10 0 0 2 4 6 8 10 12 14 16 18 20 虚警率/% 本文方法 (AUC=0.9673)； Zhang 局部极值法 (AUC=0.9404)； Ker 校准法 (AUC=0.9059) (b) 载密图像嵌入率为 100% 图 5 3 种方法的检测性能 ROC 曲线 (载密图像嵌入率分别为 10%与 100%) 表 1 3 种方法在 TP 取 50%与 80%时 FP 值/% (载密图像嵌入率为 10%) TP/% Ker 校准法 Zhang 局部极值法本文方法 50 45 44.4 40.1 80 78.3 77.5 75 5 结束语表 2 3 种方法在 TP 取 50%与 80%时 FP 值/% (载密图像嵌入率为 100%) TP/% Ker 校准法 Zhang 局部极值法本文方法 50 6.4 1.4 1.4 80 14.4 3.8 2.5 对以高精度原始图像为载体的检测。本文在挖掘了高精度原始图像在 LSB 匹配数字隐写过程前后灰度直方图、差分直方图以及小波分解后的子带系数直方图特性差异的基础之上，提取了 23 维特征向量，并使用支持向量机对其进行分类识别来判断其是否含有秘密信息。实验结果表明，本文方法在性能上要优于文献[5]的局部极值法。但在低嵌入率条件下性能还不够理想，有待改进。参考文献: [1] Ker A D.Steganalysis of LSB matching in grayscale images[J]. IEEE Signal Processing Letters,2005,12(6):441-444. [2] Holotyak T,Fridrich J,Voloshynovskiy S.Blind statistical stega- nalysis of additive steganography using wavelet higher order statistics[C].LNCS 3677,2005:273-284. [3] Goljan M,Fridrich J,Holotyak T.New blind steganalysis and its implications[C].Proceedings of SPIE, Security,Steganography, and Watermarking of Multimedia Contents,2006:1-13. [4] Marvel L,Henz B,Boncelet C.A performance study of ±1 stega- nalysis employing a realistic operating scenario[C].Proc of MIL- COM,2007. Jun Zhang,Cox Ingemar J,Doerr Gwenael.Steganalysis for LSB matching in images with high-frequency noise[C].Proceeding of the IEEE MMSP,2007:385-388. [5] [6] The USDA NRCS photo gallery [DB/OL]. http://photogallery. nrcs.usda.gov,2008-09-14. [7] Harmsen J,Pearlman W A.Steganalysis of additive noise mode- lable information hiding[C].San Jose, CA:Proc of the SPIE, Se- curity, Steganography, and Watermarking of Multimedia Con- tents VI,2003:131-142. [8] 侯建华, 熊承义. 基于 MATLAB 的图像小波子带广义高斯模 LSB 匹配数字隐写是隐写分析中的难点问题，尤其是针型的研究[J].计算机应用与软件,2006,23(1):131-132. (上接第 5466 页) [4] Cog 智能机器人官方网站 [EB/OL] .http://www.ai.mit.edu/pro- jects/humanoid-robotics-group/cog/cog.html. [5] 移动机器人 CASIA-I 问世[EB/OL].http://www.roboticfan.com/ article/html/3.shtml. [9] Zhang Handong,Wang Gang,Cen Yuwan.Summary of distance measurement based on vision in localization technology [J]. Power Electronics and Motion,2006,3:1-5. [10] 史慧荣,张学帅,梁彦.一种基于模糊分类的模板匹配眼睛定位 [6] 索尼发表新款双足行走机器人[EB/OL]. http://www.robotdiy. 方法[J].西北工业大学学报,2005,23(1):55-59. com/article.php? sid=46. [7] 石为人,周学益.室内清洁机器人避障路径规划研究[J].计算机应用,2007,27(6):378-379. [11] 夏永泉,刘正东,杨静宇.不变矩方法在区域匹配中的应用 [J]. 计算机辅助设计与图形学学报, 2005,17 (10): 179- 187. [8] 国内首台个人机器人在沈阳诞生 [EB/OL]. http://www. 86vr. [12] 方华京,魏然.人工势场法在多机器人运动中的研究[J]. 控制工 com/news/industry/200606/8373.html. 程,2007,14(2): 2152- 2156.

分享到：

赞收藏

资料库

基于双目视觉移动机器人的路径规划和避障研究.pdf

相关推荐

开发技术

热门标签

最新资料