基于激光與CCD的機器人運動目標定位方法研究

胡成龍+王金祥

摘 要：本文利用多傳感器信息融合方法定位運動目標。首先，分別對CCD攝像頭和激光測距儀獲取到的數據信息進行采集，對采集到的實時數據進行去噪，獲取運動目標位置區域信息。接著，利用顏色特征提取算法提取運動目標的顏色特征，精準識別并定位目標。最后通過實驗驗證，本文提出的基于多傳感器的運動目標檢測算法與顏色特征提取算法相結合的算法能夠實時可靠地檢測并定位運動目標。

關鍵詞：移動機器人；激光測距；CCD傳感器；運動目標定位

DOI：10.16640/j.cnki.37-1222/t.2017.16.135

目標定位是機器人領域的一個重要研究方向，主要是指從一組包含有運動物體的視頻圖像或數據信息中檢測出運動目標。運動目標的精準定位是移動機器人自主完成各種復雜任務的前提，目標定位的實時性和準確性越高，后續的跟蹤與避障工作就越容易進行。

1 研究的現狀及意義

運動目標的定位是移動機器人的一個主要工作領域，在目標檢測中視頻圖像起著不容忽視的作用，但是僅僅依靠單一的傳感器獲取的數據信息無法精準地進行目標檢測，因此越來越多的研究人員致力于多傳感器的目標定位研究。從國內外研究的現狀可知，多傳感器的信息融合技術已經廣泛應用在了機器人目標定位與跟蹤的研究之中。激光測距傳感器在距離感知方面有著得天獨厚的優勢，能作為視覺傳感器很好的補充；而CCD攝像頭也能夠利用自身的優勢彌補激光傳感器的不足之處。通過這兩種傳感器融合，單傳感器目標檢測的弊病可以得到有效地解決，從而使得移動機器人目標定位的準確性得以提高。

2 運動目標檢測方法

采用單個傳感器雖然可以大致檢測出目標的運動區域，但難以保證目標定位的實時性與準確性，因此運用多個傳感器信息融合的方法進行目標定位。驅動CCD攝像頭，使其捕獲實驗環境中的圖像，接著對視頻圖像的相鄰幀采用幀差法處理獲得運動目標的輪廓信息，再采用背景減法獲得運動目標較為精確的目標區域，最后用帶顏色的矩形邊框框出目標的運動區域。

本文的實驗平臺采用的是智能輪式機器人，該機器人上的激光測距傳感器可以感知到的角度信息是其前方0到180度范圍內的環境，實驗中將激光采集到的數據存放在數組中，并在該數組中設置181個元素。實驗過程中采用了均值濾波的去噪方法來減少噪聲，然后對去噪后的距離信息進行處理。

將距離信息與運動圖像信息通過圖像標定的方法融合在一起。方法是在與激光測距儀等高的位置上放置一個顏色容易識別的物體，通過移動此物體到不同距離來監測該物體在視頻圖像中對應像素點的高度變化，記錄監測到的距離與圖像高度信息表，后面就可以利用這個表融合數據了，采用雙傳感器定位同一目標就更加準確，通過多傳感器融合算法將目標定位。

3 目標顏色特征提取方法

由于機器人運動時，用幀差法定位會使結果的準確性大大降低，且十分耗時。為解決這一問題本實驗采用了目標顏色特征提取算法來準確定位運動目標。在利用多傳感器進行顏色特征提取的過程中，首先對每個傳感器獲取的目標信息進行融合處理，檢測出最能代表目標的特征顏色，確定運動目標的顏色采樣點，再根據這一顏色特征提取運動目標。

在目標區域內激光傳感器的距離與方位信息定位運動目標的采樣點。在實驗中，視頻窗口動態地進行目標顏色采樣，并根據距離對照表等相關信息實時地調整采集窗口。最后，窗口中與交匯點顏色相近且數量最多的像素點集即為目標顏色采樣點集。選擇好目標的采樣點集之后，最關鍵的一步是選擇種子顏色，通過連續多次檢測相似信息為基礎提取顏色特征，將此位置適當放大再取平均值得出最終選擇出來的種子顏色。由于本實驗中采用的特征提取算法邏輯嚴密，因此每次提取出來的能夠代表運動目標的特征顏色十分準確，這非常有利于機器人的目標定位與跟蹤。另外，現實的實驗環境并非理想狀態，例如光線的變化就可能導致目標物靜止狀態下的顏色變化，因此在算法中當顏色偏差較大時需要對種子顏色進行及時地更新。

4 實驗結果與分析

目標檢測實驗采用目標距離直接標定的方法將視覺和激光傳感器獲取的距離數據進行融合統一。確定目標顏色采樣點及運動目標的大致區域如下圖4-1所示，圖中紅色邊框內部部分為運動目標區域，綠色的短橫線是激光傳感器感知到的目標數據在圖像中的顯示，兩個傳感器融合處理后獲得的目標信息十分精確。

顏色特征提取時，圖4-2中矩形邊框內部的橫豎線分別表示目標顏色采樣點的采樣行和采樣列，兩條線的交點處即采樣點所在的采樣區域。獲取到采樣點集后，利用顏色特征提取算法就可以計算出運動目標的顏色特征了，進而定位運動目標。實驗表明，本文方法能有效地檢測出運動目標，提取目標特征，當目標運動時機器人也能有效跟蹤。

作者簡介：胡成龍（1996-），男，山東滕州人，本科。endprint