機器人視覺定位跟蹤系統的設計與實現

摘 要： 針對傳統的機器人定位跟蹤系統設計時，存在圖像預處理模塊獲取跟蹤區域不完整，所含噪聲去除不全面的問題，設計并實現了一種通過機器人視覺進行定位的跟蹤系統。通過圖像預處理模塊獲取跟蹤的區域，再經過控制模塊對整個系統的各個模塊進行協調和控制，并對區域目標圖像進行采集，將采集的信息發送至圖像處理模塊，完成整個系統模塊之間的信息交換。而在軟件設計過程中，在圖像處理的同時給出其定位程序代碼，最終實現機器人視覺定位跟蹤。實驗結果表明，設計的系統具有很高的可行性和實用性。

關鍵詞： 機器人視覺； 定位跟蹤系統； 系統設計； 控制模塊

中圖分類號： TN802.4?34； TP242 文獻標識碼： A 文章編號： 1004?373X（2016）14?0080?04

Design and implementation of robot vision locating and tracking system

CAO Qingmei1， WANG Xuelian2， MA Zhanfei3

（1. Vocational and Technical College of Inner Mongolia Agricultural University， Baotou 014100， China；

2. College of Public Administration， Inner Mongolia Normal University， Hohhot 010000， China；

3. School of Information Science and Technology， Normal College of Inner Mongolia University of Science and Technology， Baotou 014030， China）

Abstract： In view of the problems existing the design of the traditional robot locating and tracking system， such as incomplete tracking region acquired by image preprocessing module and incomplete noise elimination， a tracking system location according to robot vision was designed and implemented. In the system， the tracking region is acquired with the image preprocessing module， various modules of the whole system are coordinated and controlled with the control module to acquire the image of the target in the region， and then the acquired information is sent to the image processing module to complete the information exchange among the system modules. In the process of software design， the system locating program code is given while image processing to realize the robot visual positioning and tracking. The experimental results show that the designed system has the high feasibility and practicability.

Keywords： robot vision； locating and tracking system； system design； control module

0 引 言

近年來，機器人視覺被廣泛應用在工業、圖像處理等眾多領域，而在定位跟蹤領域的使用是最好的，也是最突出的[1?2]。隨著科學技術的發展，設計并實現了很多定位跟蹤系統，如基于人臉特征設計的定位跟蹤系統，通過體型特征設計的定位跟蹤系統，通過DNA檢測設計的定位跟蹤系統以及通過機器人視覺設計的定位跟蹤系統。其中，最常用、效果最好的就是通過機器人視覺設計的定位跟蹤系統[3?5]，相比其他的定位跟蹤系統，該系統應用前景廣泛，跟蹤效果好，已經成為很多學者研究的重點課題，受到越來越廣泛的關注，是相關領域的前沿方向[6?9]。

本文設計并實現了一種通過機器人視覺進行定位的跟蹤系統，通過機器人視覺進行區域目標信息的采集及分析，為視覺監控等領域提供有效依據。

1 機器人視覺定位跟蹤系統總體設計

設計的機器人視覺定位跟蹤系統主要由控制模塊、圖像預處理模塊、信號采集模塊、通信模塊和視覺定位模塊構成。首先通過圖像預處理模塊將需要的區域圖像中的噪聲進行干擾去除，經過控制模塊對整個系統各個模塊進行協調和控制，將區域圖像信息進行采集及存儲，并通過通信模塊進行信息的傳輸，最后通過機器人視覺進行定位，最終根據定位完成跟蹤。其中，圖像預處理的好壞，直接影響后面機器人視覺定位的準確度，定位出現誤差，跟蹤效率就會降低，因此圖像預處理模塊是整個機器人視覺定位跟蹤系統的基礎。詳細的機器人視覺定位跟蹤系統結構如圖1所示。

2 機器人視覺定位跟蹤系統硬件設計

2.1 控制模塊

控制模塊是本文設計系統的核心，主要用來協調和控制整個機器人視覺定位跟蹤系統各個模塊，其主要由C8051F206單片機、UART和SPI串行接口、片內FLASH存儲器等構成。選擇C8051F206單片機為系統的核心芯片，它是集成的MCU芯片，具有12位多通道ADC，依據系統整體設計的需求，選用UART和SPI的串行接口，該串行接口共有32個通用I/O引腳，部分引腳用于數字外設接口。所有端口引腳均能夠被配置ADC模擬輸入，片內還集成有VDD監視器、硬件看門狗定時器以及時鐘振蕩器。片內FLASH存儲器還可用于部分數據存儲。通過設計的這個控制模板可以及時有效地對其余各個模塊進行調控并獲取區域圖像，為定位跟蹤提供了先決條件。

2.2 圖像預處理模塊

獲取區域圖像之后，需要進一步對圖像進行預處理，圖像預處理模塊主要負責獲取相對比較完整的、最大程度的不含陰影與噪聲的區域圖像。其中，圖像信息主要通過LT1959CS8、視頻解碼芯片、SRAM進行預處理。SRAM需采用精度和穩定性較高的雙電源供電，以消除機器人視覺定位跟蹤系統各模塊存在的電磁噪聲，因此，本文選用兩片Linear公司生產的LT1959CS8進行供電。視頻解碼芯片選用Trident Microsystem公司生產的SAA7113H芯片。圖像存儲選擇兩片IDT71V424異步SRAM芯片實現，其芯片容量是512 KB。這樣通過圖像預處理模板，可以去除噪聲對定位跟蹤產生的干擾，為信息采集模塊提供最“純凈”的信息。

2.3 信息采集模塊

信息采集模塊主要用于對經過處理后的目標圖像信息進行采集，同時將采集的信息發送至通信模塊進行處理。信息采集模塊主要包括MMA7260QT芯片、信息調理、單極低通濾波器以及溫度補償單元等。設計該模塊時，將MMA7260QT芯片作為核心，對處理后的圖像信息進行采集。該模塊不但需達到信息采集的功能要求，同時體積需盡可能的小，以節省資源。MMA7260QT是美國Freescale公司生產的一款低成本的單芯片，該芯片融合了信息調理、單極低通濾波器以及溫度補償技術，同時可提供四種采集范圍，具有噪音低、靈敏度高的優點。因此，該模塊使用MMA7260QT芯片可達到更好、更全面的圖像信息。

2.4 通信模塊

通信模塊主要用于整個系統模塊之間的信息交換，是整個系統設計成敗的關鍵樞紐，因此，本文選擇CAN總線進行通信。和其他總線相比，CAN總線具有節點間不分主次，通信速率高的特點。除此之外，該模塊還采用Microchip公司的MCP2515控制器和TJA1040驅動器輔助實現，不僅能夠達到系統所需的要求，還能節約成本。

2.5 機器人視覺定位模塊

機器人視覺定位模塊是整個系統的關鍵模塊，采集到的信息通過預處理去除噪聲干擾，再經過通信模塊傳輸到視覺定位模塊，在此模塊經過圖像智能化定位處理，使得要跟蹤的信息更加清楚、明了，增加了跟蹤的精度。

3 機器人視覺定位跟蹤軟件算法的設計

3.1 算法的設計思路

在上述機器人視覺定位跟蹤系統各個模塊的設計的基礎上，設計軟件算法，具體步驟如下：

（1） 獲取定位圖像特征，為動態估計提供依據。假如，區域圖像信息集為[φkζ]，[k=1，2，…，M]，則第[k]個圖像的特征可通過下式求出：

式中：[Fkx；pk]用于描述圖像信息的動態變化；[vkx；pk]用于描述圖像不確定項；[pk]用于描述各參數向量。

（2） 動態估計值的計算，為獲取定位誤差值提供有利條件。通過利用RBF神經網絡對一般動態信息圖像特征[φkx；pk=Fkx；pk+vkx；pk]進行局部分類，同時將獲取的信息用常值神經網絡[WkTSx]權值的形式進行保存，并獲取[M]階的動態估計值：

式中：[k=1，2，…，M]用于描述第[k]個參數；[χk=χ1k，χ2k，…，χnkT]用于描述圖像信息個數；[B=diagb1，b2，…，bn]用于描述對角矩陣。

（3） 定位誤差值的計算及誤差范數的獲取。在測試過程中，通過式（2）獲取的動態估計值，即可獲取定位誤差值，計算公式如下：

式中，[χki=χki-xi]用于描述狀態估計誤差。

通過式（4）求出誤差[χkit]的[L1]范數：

式中，[TC]用于描述圖像信息獲取周期。

（4） 完成機器人視覺定位，其基本思想為：若信息動態模式為[s]（[s∈1，2，…，k]），則動態模式[s]中常值RBF的神經網絡[WkTiSix]值，可通過定位誤差值獲取。所以，相應的誤差[χsit1]在全部誤差[χsit1]中最小。依據最小誤差原則，實現快速定位。

依據上述定位過程給出系統用于定位的主流程圖，如圖2所示。

（5） 在定位的基礎上完成跟蹤，則具體的跟蹤結果如下：

式中：[Ii，j]代表目標圖像邊緣上的像素點；[S]代表圖像邊緣梯度向量；[t]代表目標濾波值。

3.2 源代碼設計

本文設計的機器人視覺定位跟蹤系統軟件，是在Windows XP環境下，通過Visual C++ 6.0實現的，其關鍵跟蹤部分的源代碼如下：

4 仿真實驗分析

為了驗證本文設計的機器人視覺定位跟蹤系統的有效性，需要進行相關的實驗分析。實驗將基于確定學習的跟蹤系統作為對比進行分析，本文實驗在Windows XP環境下，LabVIEW構建系統平臺上完成。分別采用本文系統和基于確定學習的跟蹤系統對測試區域目標進行跟蹤，測試區域目標圖像如圖3所示，兩種系統測試得到的結果分別如圖4、圖5所示。

由圖4、圖5可知，改進算法進行多人視覺定位中的防丟失效果要優于傳統算法，這主要是因為本文設計的跟蹤系統，通過控制模塊對整個系統的各個模塊進行協調和控制，再經過圖像預處理模塊對目標區域圖像進行處理，并對區域目標圖像信息進行采集，將采集的信息發送至圖像預處理模塊進行處理，完成整個系統模塊之間的信息交換，最終達到跟蹤的目的。采用本文系統對區域目標圖像進行跟蹤，從側面視角的角度，對本文系統和基于確定學習的跟蹤系統的跟蹤準確率進行比較，得到的結果如表1所示。分析表1可以看出，本文系統的準確率一直高于基于確定學習的跟蹤系統，且準確率一直在90%以上，說明本文系統具有很高的跟蹤性能。

5 結 論

本文設計并實現了一種機器人視覺定位跟蹤系統。控制模塊作為系統的核心，主要負責整個系統各個模塊的協調和控制，通過圖像預處理模塊進行處理，再用信息采集模塊對目標圖像信息進行采集；并通過通信模塊在整個系統模塊之間進行信息的交換。在軟件設計過程中，在圖像處理的同時給出定位跟蹤程序代碼，實現目標的定位跟蹤。仿真實驗結果表明，本文設計的系統具有很高的可行性和實用性。

參考文獻

[1] 梁棟，高瑋瑋，張艷，等.基于足底壓力圖像的靜態觸覺步態識別[J].華中科技大學學報（自然科學版），2013，41（10）：25?29.

[2] 王欣，唐俊，王年.基于雙層卷積神經網絡的步態識別算法[J].安徽大學學報（自然科學版），2015（1）：32?36.

[3] 賁晛燁，張鵬，潘婷婷，等.線性插值框架下矩陣步態識別的性能分析[J].智能系統學報，2013（5）：415?425.

[4] 范玉紅，梁棟，鮑文霞.改進的譜特征和足底邊緣距離的步態識別[J].安徽大學學報（自然科學版），2014（6）：37?43.

[5] 李一波，李昆.雙視角下多特征信息融合的步態識別[J].智能系統學報，2013，8（1）：74?79.

[6] 王蒙，孫運強，姚愛琴.基于PCA和BP神經網絡的步態識別系統研究[J].電子質量，2014（3）：83?85.

[7] 鄭偉南，曲娜，程鳳芹，等.基于步態識別技術的熱釋電紅外安防預警系統研究[J].中國新通信，2014（23）：96?97.

[8] 陳強，羅斌.基于STM32微處理器的瑞薩智能車路徑識別系統設計[J].自動化技術與應用，2013，32（2）：53?56.

[9] 王毅.實驗智能管理系統的圖像預處理設計[J].黑龍江交通科技，2013（11）：133?134.