具有颜色识别功能的类人机器人设计2 机器人, 摄像头, 波特率, 结构体, 软件

rise_ming

舵机控制的软件方面，需要完成串口的相关配置，主要包括波特率、起始位数、数据位数、停止位数和流控制模式。这里将其配置为波特率19 200、起始位1位、数据位8位、停止位1位和无流控制模式。串口的设置主要是设置struct termios结构体的各成员值，如下所示：
   
   

2 图像识别算法
    摄像头采集到的图像主要作如下处理：首先对数据解码，利用查表法将RGB空间模型数据转化为HSI空间模型，然后采用类间方差法将图像进行二值化，再利用连通域对目标进行标定，最后对图像进行去噪，从而实现目标的识别和定位。图像处理程序流程图如图4所示。

    摄像头采集的图像为RGB格式，但RGB模型中R、G、B值易受光线影响，不适宜进行颜色识别；HSI模型中，不同的颜色对应不同的色调参数H，并且H受外界光照影响小，因此采用HSI模型实现颜色识别。因此，要通过某种算法，先将RGB色域空间映射到HSI空间。常用的颜色空间转换算法如下：
   
    实现颜色空间转换以后就要根据不同的H值对图像进行二值化处理。二值化的实质是一分类问题，即把一幅图像所含有的0～255的二进制像素按照某个阈值划分成两类。如果阈值设得太低，结果会引入过多的背景信息，但太高就会导致目标信息的丢失。类间方差法(Otsu)、最大熵方法(KSW)和直方图平衡法(Balanced Histogram Thresholding，BHT)是目前应用较广的自动阈值计算方法。
    这里采用类间方差法，它的核心思路就是通过最大化类间方差来寻找最佳阈值。假设某一阈值T将整个二值图像分为C0(1，…，T)和C1(T，…，255)两类，则两类的出现概率可以用下式计算：