特種機器人移動平臺及其所采集圖像的超分辨率重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于下管道巡檢維護作業(yè)的特種機器人技術(shù)及圖像處理領(lǐng)域，尤其涉及一 種特種機器人移動平臺、利用該平臺實現(xiàn)的基于非抽樣形態(tài)小波的圖像超分辨率重構(gòu)方 法。
【背景技術(shù)】
[0002] 我國目前城市建設(shè)的步伐在增速，城市建設(shè)在安全、智能方面的要求越來越高，尤 其是城市地下管網(wǎng)，經(jīng)常出現(xiàn)安全事故，煤氣管道泄漏致爆炸、下水道堵塞導(dǎo)致暴雨洪澇、 地下電纜短路致停電等等。由于電纜、排水道、煤氣管道常常設(shè)置于地下，很難對按規(guī)范要 求定時進行檢測，目前通常是出現(xiàn)問題后使用儀器尋找故障點，并進行搶修。這種做法無法 防止事故的發(fā)生。另外，地下管道環(huán)境非常惡劣，采用工人進入到地下管道巡檢和維修具有 危險性。
[0003] 隨著工業(yè)的發(fā)展，我國核電站數(shù)量在不斷增加，而核電站如果發(fā)生事故會對周圍 很大范圍地區(qū)造成極大的傷害，因而核電站的安全管理顯得非常重要。核電站周圍的環(huán)境 存在輻射，對人體有傷害，很多地方不適宜人接近，但其必須確保其運行狀態(tài)正常，目前做 法是周期性進行人工巡檢。
[0004] 地震、泥石流、火災(zāi)等在各地時有發(fā)生，災(zāi)難降臨都會造成損失。當災(zāi)難發(fā)生，如果 及時救援，就能極大限度地減小損失。而災(zāi)難現(xiàn)場有危險性，如火災(zāi)現(xiàn)場房屋突然倒塌對消 防員帶來生命威脅，地震現(xiàn)場，余震同樣會給救援人員帶來生命威脅。
[0005] 在上述城市管網(wǎng)、核電站、緊急救援現(xiàn)場等等領(lǐng)域，都存在環(huán)境惡劣，作業(yè)危險的 特性，目前很多情況下是采用人工作業(yè)方式，不但效率低，而且通常對作業(yè)人員的健康有危 害甚至有生命危險。因此，機器人代替人類在特殊環(huán)境下作業(yè)是必然趨勢。使用機器人對 惡劣危險的環(huán)境進行巡檢，發(fā)現(xiàn)潛在的故障并進行及時搶修，可以避免事故發(fā)生，免除不必 要的損失。當災(zāi)難已經(jīng)發(fā)生，機器人可以深入危險的事故現(xiàn)場，進行緊急救援，可以挽救生 命，減小損失。因此機器人在各方面已經(jīng)開始得到越來越多的應(yīng)用。
[0006] 同時，現(xiàn)在機器人在實際運用中因技術(shù)限制或產(chǎn)品限制，采集的圖片普遍存在分 辨率低，圖像不清晰等問題，影響對采集的信息進行判斷分析。

【發(fā)明內(nèi)容】

[0007] 為解決上述問題，本發(fā)明提供一種特種機器人移動平臺、利用該平臺實現(xiàn)的基于 非抽樣形態(tài)小波的圖像超分辨率重構(gòu)的方法，旨在解決現(xiàn)有技術(shù)中采用人工的方式，在環(huán) 境惡劣、危險的工作場所作業(yè)，所存在的效率低，對作業(yè)人員的健康有危害，甚至可能導(dǎo)致 作業(yè)人員有生命危險的問題。
[0008] 本發(fā)明是這樣實現(xiàn)的，一種特種機器人移動平臺所采集圖像的超分辨率重構(gòu)方 法，包括機器人本體以及與其分離的控制箱，所述機器人本體用于采集視頻圖像并傳輸至 所述控制箱進行處理，所述控制箱進行圖像超分辨率重構(gòu)方法的步驟包括：
[0009] 步驟A，對低分辨率圖像進行分解，獲得低頻系數(shù)和高頻系數(shù)；
[0010] 步驟B，分別對所述低頻系數(shù)和所述高頻系數(shù)進行放大處理，獲得處理后的放大低 頻系數(shù)和放大高頻系數(shù)；
[0011] 步驟C，根據(jù)所述放大低頻系數(shù)和所述放大高頻系數(shù)進行逆變換，獲得高分辨率圖 像。
[0012] 進一步地，在步驟A中，對所述低分辨率圖像進行分解層數(shù)為一層的非抽樣形態(tài) 小波分解，獲得所述低頻系數(shù)和若干方向的所述高頻系數(shù)。
[0013] 進一步地，所述高頻系數(shù)包括水平方向、垂直方向和對角線方向的高頻系數(shù)。
[0014] 進一步地，在步驟B中，對所述低頻系數(shù)進行雙線性插值的放大處理，獲得所述放 大低頻系數(shù)。
[0015] 進一步地，在步驟B中，對所述高頻系數(shù)進行放大處理的過程包括：
[0016] 步驟B11，對每一方向上的高頻系數(shù)進行拆分，獲得每一方向上已知的放大高頻系 數(shù)；
[0017] 以Yh、YjP Y d表示將一幅大小為nXm的低分辨率圖像分解后得到的水平、垂直和 對角線方向上的高頻系數(shù)，以if、?和?表示每一方向上經(jīng)拆分后的放大高頻系數(shù)，經(jīng) 分解拆分后的圖像大小為2η X 2m，拆分公式為：
[0021 ] 步驟B12，根據(jù)所述水平方向、垂直方向和對角線方向的高頻系數(shù)之間的關(guān)系，求 出每一方向上未知的放大高頻系數(shù)，具體公式為：
[0018]
[0019]
[0020]
[0022]
[0023] ^
ο
[0024]
[0025] 本發(fā)明還提供了一種特種機器人移動平臺，包括機器人本體以及與其分離的控制 箱，所述機器人本體包括箱體、電源模塊、用于移動所述機器人本體的移動機構(gòu)、用于撐起 所述機器人本體的擺臂機構(gòu)、照明組件、用于采集作業(yè)現(xiàn)場圖像的圖像采集組件以及第一 無線通信模塊；所述控制箱包括控制終端輸入模塊、第二無線通信模塊以及處理模塊；所 述第二無線通信模塊用于發(fā)射從所述控制終端輸入模塊輸入的控制信號，以及接收所述第 一無線通信模塊發(fā)射的信號；所述第一無線通信模塊用于接收所述第二無線通信模塊發(fā)出 的控制信號，以及將所述圖像采集組件、環(huán)境檢測組件所收集到的信號發(fā)射到所述第二無 線通信模塊；所述處理模塊用于對采集的圖像進行重構(gòu)；
[0026] 所述處理模塊包括：
[0027] 分解子模塊，用于對低分辨率圖像進行分解，獲得低頻系數(shù)和高頻系數(shù)；
[0028] 處理子模塊，用于分別對所述低頻系數(shù)和所述高頻系數(shù)進行放大處理，獲得處理 后的放大低頻系數(shù)和放大高頻系數(shù)；
[0029] 獲得子模塊，用于根據(jù)所述放大低頻系數(shù)和所述放大高頻系數(shù)對所述低分辨率圖 像進行逆變換，獲得高分辨率圖像。
[0030] 進一步地，所述分解子模塊具體用于對所述低分辨率圖像進行分解層數(shù)為一層的 非抽樣形態(tài)小波分解，獲得所述低頻系數(shù)和若干方向的所述高頻系數(shù)。
[0031 ] 進一步地，所述高頻系數(shù)包括水平方向、垂直方向和對角線方向的高頻系數(shù)。
[0032] 進一步地，所述處理子模塊包括低頻系數(shù)處理子模塊；
[0033] 所述低頻系數(shù)子處理模塊，用于對所述低頻系數(shù)進行雙線性插值的放大處理，獲 取所述放大低頻系數(shù)。
[0034] 進一步地，所述處理子模塊包括高頻系數(shù)處理子模塊；
[0035] 所述高頻系數(shù)處理子模塊，用于根據(jù)如下方式所述高頻系數(shù)進行放大處理：首先， 對每一方向上的高頻系數(shù)進行拆分，獲得每一方向上已知的放大高頻系數(shù)；以Y h、YjP Y d表 示將一幅大小為nXm的低分辨率圖像分解后得到的水平、垂直和對角線方向上的高頻系 數(shù)，以Jf、<和if表示每一方向上經(jīng)拆分后的放大高頻系數(shù)，經(jīng)分解拆分后的圖像大小 為2n X 2m，拆分公式為：
[0036]
[0037] r
[0038]
[0039] 然后根據(jù)所述水平方向、垂直方向和對角線方向的高頻系數(shù)之間的關(guān)系，求出每 一方向上未知的放大高頻系數(shù)，具體公式為：
[0040]
[0041 ]
[0042]
[0043] 本發(fā)明與現(xiàn)有技術(shù)相比，有益效果在于：本發(fā)明的機器人移動平臺，其照明組件以 及圖像采集組件，可實時地拍攝作業(yè)現(xiàn)場的環(huán)境信息；環(huán)境檢測組件可獲取現(xiàn)場的氣體濃 度、環(huán)境溫濕度等情況，并且通過第一、第二無線通信模塊間的無線通信，控制箱的控制終 端輸入模塊可在遠處控制機器人本體移動以及翻越高于箱體的障礙物，可控制機器人本體 將其收集到的信息傳輸?shù)娇刂葡涞奶幚砟K進行處理。本發(fā)明結(jié)構(gòu)緊湊，功能齊全，工作 效率高；能夠適應(yīng)環(huán)境惡劣、空間狹小的地下管通等作業(yè)現(xiàn)場，作業(yè)人員只需要遠處控制即 可，從而避免作業(yè)人員的健康以及生命安全受到影響。機器人移動平臺的機器人本體采用 兩段履帶結(jié)構(gòu)設(shè)計，外殼IP68防護，越障能力強，能適應(yīng)惡劣路況，機身集成多種傳感器設(shè) 備，能檢測環(huán)境溫度、濕度、毒氣含量等，能拍攝視頻并無線傳輸?shù)娇刂葡?，控制箱對圖像進 行超分辨率重構(gòu)算法處理，同時本發(fā)明通過在空間域中，對機器人獲取的低分辨