基于机器视觉和A*算法的迷宫机器人路径规划

　　0.引言

　　路径规划是移动机器人控制的关键，关系到机器人的执行效率，而迷宫机器人的路径规划一直是控制领域和计算机领域的研究热点问题。相对于未知的迷宫环境，迷宫机器人大多都利用自带的传感器设备如摄像头来获取迷宫的信息。本文针对迷宫的特殊环境，用上位机的视觉系统采集迷宫图像，通过设置色标的方法，结合改进A*搜索算法实现了迷宫机器人的路径规划。

　　迷宫机器人系统采用CCD 摄像头来感知和识别整个迷宫系统。采集的迷宫和机器人位置信息通过上位机进行图像处理。迷宫机器人和上位机通过无线装置传递实时信息。其中迷宫环境是由人为设定的某种迷宫栅格的形式;迷宫机器人则采用色标进行颜色辨别。迷宫机器人系统如图1 所示：

　　1.图像处理

　　1.1 色标和颜色空间的确定

　　迷宫机器人系统的路径搜索是基于视觉处理的搜索算法，其搜索路径的前提是系统所获取的图像，因而色标的选取和颜色空间的确定对后续的图像处理与识别有很大的影响。机器人的色标有各种不同的方案，但是实际系统中应该采用尽量醒目，相互之间广义距离尽量大的颜色作为不同的色标。迷宫机器人系统采用红色，蓝色，绿色，黑色，白色分别表示车头，车尾，目标，迷宫墙和可以行走的路径。

　　YUV 颜色空间由于可以减少数据储存空间和数据传输带宽，非常适合迷宫机器人系统的图像处理运算。YUV 是PAL 和SECAM 模拟彩色电视制式采用的颜色空间，Y 表示亮度，U，V 用来表示色差，U，V 是构成彩色的两个分量。RGB 与YUV 之间的转换关系如下：

　　1.2 图像阀值分割及栅格化

　　区域阀值分割方法[1]是通过设定不同的特征阀值，把图像象素点分为若干类。例如设原始图像为g(x, y)，按照一定的准则，在g(x, y)中找到特征值T，将图像分割成两个部分：在图像分割的过程中，应用最大类间方差可以有效的降低图像处理的复杂度。其实现是将直方图在某一阀值处分割成两组，当被分成的两组的方差为最大时，得到阀值。因为方差是灰度分布均匀性的一种量度，方差值越大，说明构成图像的两部分差别越大，当部分目标错分为背景或部分背景错分为目标都会导致两部分差别变小，因此使间类方差最大的分割意味着错分概率最小。图像的灰度级范围是 0,1,2,…...L-1，设灰度级i 的象素点个数为mi，图像的象素点总数为：

　　则灰度级 i 出现的概率pi 定义为：

　　阀值 t 把图像的象素分为C0=(0, 1, …., t)和C1=(t+1, t+2, ….., L-1)两类(分别表示门标和背景)。C0 和C1 类出现概率及均值分别为：