全自主型機器人視覺識別系統(tǒng)研究

王培屹

摘要：機器人項目是一項涉及多項技術(shù)的綜合性研究課題，自主移動機器人作為機器人學(xué)科中技術(shù)含量較高的一個分支，具有廣泛的市場應(yīng)用前景。視覺系統(tǒng)作為機器人感知外界環(huán)境的重要手段，是全自主機器人的重要組成部分，雖然機器人實驗中目標(biāo)物體的顏色、形狀特征已知，但由于實驗的對抗性，使得視覺系統(tǒng)應(yīng)具有很高的實時性、較高的精確度、具有一定的適應(yīng)能力和抗干擾能力。如何精確高效地處理視覺信息是視覺系統(tǒng)的關(guān)鍵問題。本文給出一種基于彩色圖像的目標(biāo)識別與定位方法，對全自主機器人感知環(huán)節(jié)進(jìn)行了研究。通過分析攝像頭采集的圖像畫面，并借助碰撞傳感器，紅外傳感器等方法確定目標(biāo)。

關(guān)鍵詞：全自主足球機器人；視覺系統(tǒng)；目標(biāo)檢測

一、引言

機器人技術(shù)是機械設(shè)計與制造技術(shù)、計算機硬件與軟件技術(shù)、運動學(xué)與動力學(xué)理論、控制理論、電動伺服控制技術(shù)、傳感器技術(shù)、多傳感器信息融合技術(shù)、人工智能等科學(xué)及技術(shù)領(lǐng)域的綜合應(yīng)用，代表了高新技術(shù)發(fā)展的前沿。而自主移動機器人屬于第三代機器人，它能夠?qū)崟r獲取外界環(huán)境的信息，對目標(biāo)和障礙物進(jìn)行識別和測量，學(xué)習(xí)和理解外界環(huán)境，并根據(jù)設(shè)定的目標(biāo)進(jìn)行運動規(guī)劃，在無人干預(yù)的情況下，實時調(diào)整運動規(guī)劃，移動到目的地并完成設(shè)定的工作。機器人足球?qū)嶒炇墙鼛啄臧l(fā)展起來、進(jìn)步較快且有很大研究潛力的一類，這類機器人的視覺及控制器等各類部件均裝載在機器人本體上，通過無線通訊與其它機器人、主控計算機及人的信息交流。實驗過程中，機器人通過視覺系統(tǒng)搜索球及球門等環(huán)境信息，通過聲納、紅外或激光等測距系統(tǒng)進(jìn)行機器人全局定位及障礙物檢測，在進(jìn)行信息融合之后形成行動策略并實施。因此，機器人如何快速識別目標(biāo)并且定位是實驗取勝的關(guān)鍵環(huán)節(jié)[1]，本文將對這方面的問題進(jìn)行討論。

二、全自主型足球機器人視覺系統(tǒng)簡介

（一）視覺識別系統(tǒng)的硬件組成

實驗中使用的全自主型足球機器人是上海廣茂達(dá)公司研制的AS-UII能力風(fēng)暴智能機器人，它是典型的自主移動機器人，具有較高的自規(guī)劃、自適應(yīng)能力，適合于較復(fù)雜的非結(jié)構(gòu)環(huán)境中工作的復(fù)雜系統(tǒng)。機器人與計算機之間使用基于68HCll單片機開發(fā)的交互式C語言進(jìn)行編程。視覺識別系統(tǒng)采用CMUcam視覺系統(tǒng)： CMUcam視覺模塊主要是由1個SX28微處理器與OV6620攝像頭（CMOS）組成，CMOS攝像頭把當(dāng)前窗口的視圖通過簡單的處理，返回像素點矩陣。

（二）視覺識別系統(tǒng)的軟件流程

實驗中，視覺識別系統(tǒng)依靠顏色來識別并判定目標(biāo)。機器人對顏色的識別過程如下：當(dāng)攝像頭獲得彩色圖像以后，機器人上的嵌入計算機系統(tǒng)將模擬視頻信號數(shù)字化，將像素根據(jù)顏色分成兩部分，感興趣的像素（搜索的目標(biāo)顏色）和不感興趣的像素（背景顏色）。然后對這些感興趣的像素進(jìn)行顏色分量的匹配。在實驗之前已經(jīng)存儲了場地環(huán)境下的各種顏色信息，實驗時需要將實時信息與顏色信息比較或匹配，以尋找搜索目標(biāo)的顏色區(qū)域。判斷：如果目標(biāo)出現(xiàn)在視野中，通過多種傳感器的綜合應(yīng)用，確定目標(biāo)與機器人的相對位置，為決策子系統(tǒng)提供依據(jù)。否則繼續(xù)尋找。

三、視覺識別系統(tǒng)中目標(biāo)的識別與相對定位

（一）顏色空間的建立

色空間是用數(shù)學(xué)方法形象化表示顏色，通常用三維模型表示，用代表3個參數(shù)的三維坐標(biāo)來描述，其顏色要取決于所使用的坐標(biāo)。為有效區(qū)分不同的目標(biāo)顏色，要求顏色模型要含有足夠多的顏色信息；為提高視覺系統(tǒng)的執(zhí)行速度，要求顏色含有盡量少的數(shù)據(jù)量。足球機器人系統(tǒng)常用的顏色模型有 RGB 模型、HSV 模型和 YUV 模型等，同一物體在不同的光照和成像距離條件下，映射到內(nèi)存的RGB數(shù)值會發(fā)生較大變化，不利于目標(biāo)的識別。為提高識別效果可將顏色表示從RGB顏色空間轉(zhuǎn)化到更接近人眼觀察方式的HSI顏色空間，從而提高不同光照環(huán)境下識別系統(tǒng)的魯棒性。

（二）目標(biāo)檢測

成熟的目標(biāo)檢測技術(shù)有：模板匹配、邊緣檢測、色彩分類[2]等。實驗規(guī)定：機器人和球都用不同的顏色加以區(qū)分，為快速檢測到目標(biāo)采用基于色彩的圖像分割是最好的方法。由于不同的光照環(huán)境下物體的RGB值變化很大，為能夠準(zhǔn)確識別目標(biāo)只有設(shè)定顏色空間中三個分量的上下閾值，這樣可以把目標(biāo)物體與圖像背景顏色區(qū)分開。實驗前針對特殊的實驗環(huán)境，手工設(shè)定各個目標(biāo)顏色分量的值，通過計算機串口連接視覺傳感器，鎖定一幅目標(biāo)圖片，鼠標(biāo)選取顏色參考區(qū)域，計算該顏色區(qū)域中各點的顏色特征統(tǒng)計出RGB和HSI空間中各分量的最大值和最小值，利用最初確定的閾值對彩色圖像進(jìn)行二值化處理，參照圖象處理的結(jié)果對閾值進(jìn)行小范圍調(diào)整，達(dá)到理想效果后記錄閾值，在此范圍內(nèi)的子空間為目標(biāo)顏色。

（三）圖像噪聲的去除

在圖像獲取過程中由于采樣量化、傳遞和環(huán)境干擾的存在致使圖像出現(xiàn)一些高頻的噪聲，這些噪聲會影響后續(xù)處理的效果，對圖像進(jìn)行平滑處理可降低噪聲，獲取比較理想的圖像質(zhì)量，提高后續(xù)處理的精度。因為，系統(tǒng)要求有極高的實時性，而頻率域法所采用的算法比較復(fù)雜，要求對整個圖像進(jìn)行處理，實時性較差，因此系統(tǒng)采用比較簡單的高斯濾波法。試驗中高斯算子用模板表示卷積核為A/16，高斯函數(shù)能把圖像變模糊，有效地消除一切尺度遠(yuǎn)小于高斯分布空間常數(shù)σ的圖像強度變化，它在空域和頻域內(nèi)都是平滑的，因而引入任何在原始圖像中未曾出現(xiàn)的變化的可能性最小。經(jīng)過我們實際的實驗測定，高斯濾波方法速度快，且效果也較理想，因此圖像平滑采用這種方法。

（四）邊緣的增強

邊緣通常是圖像中某些特性不連續(xù)行為表征的，如灰度的突變、彩色的變換、紋理結(jié)構(gòu)的變化等。邊緣表示圖像中一個區(qū)域過渡到另一個區(qū)域。通常圖像的邊界分為階躍式、灰度漸變式、斜率上升又下降式、脈沖式以及帶有不同干擾等形式，要突出圖像中的邊緣，然后再用某些閾值使之分割出來，從而得到邊界的圖像。常用的處理方法有差分運算、梯度算子、模板匹配等。以上幾種算子經(jīng)過實際應(yīng)用進(jìn)行比較，Sobel 算子運算時間少且精度高，效果比較好。

（五）目標(biāo)的定位

當(dāng)機器人確定目標(biāo)出現(xiàn)在視野區(qū)域時，為進(jìn)一步得到機器人與目標(biāo)的相對距離，本系統(tǒng)采用了紅外測距卡。它利用PSD 距離測量傳感器能精確測量10-80cm 范圍內(nèi)物體的距離，在機器人實驗中可對周圍環(huán)境進(jìn)行探測，確定對手所在方位等，紅外測距卡能連續(xù)地讀出距離，將距離信號轉(zhuǎn)換為電壓，不需要多余的外圍控制電路。用紅外測距卡測量距離PSD 輸出的是電壓變化值，由于PSD 所輸出的電壓與測量的距離是非線性關(guān)系，用函數(shù)可表示為因此若要顯示所測距離，必須根據(jù)實驗數(shù)據(jù)求出α、β 的值，在對測量距離精度要求不是很高的情況下，可以用簡單的分段線性方法對距離值進(jìn)行校正。具體定位方法：機器人通過視覺識別系統(tǒng)發(fā)現(xiàn)目標(biāo)后，通常需要確定目標(biāo)相對機器人的位置。本文綜合運用數(shù)字羅盤標(biāo)定方向，聲納和紅外測距。先判斷機器人的方向，如果朝向?qū)Ψ角蜷T方向，通過聲納和紅外傳感器確定目標(biāo)和球門的距離，采取相應(yīng)的子策略。否則，通過數(shù)字羅盤方向，改變機器人的方向。

四、結(jié)語

通過對兩個機器人合作進(jìn)球多次的測試，表明視覺軟件系統(tǒng)可較好地完成檢測、識別和跟蹤預(yù)測的功能.系統(tǒng)運行穩(wěn)定，其速度可達(dá)到25幀/s。在運行過程中，當(dāng)發(fā)生快速碰撞時，系統(tǒng)的跟蹤效果有些下降，但可以通過其他方法解決。

【參考文獻(xiàn)】

[1]賈云得.機器視覺[M].北京：科學(xué)技術(shù)出版社，2003.

[2]章毓晉.圖像工程（下）[M].北京：清華大學(xué)出版社，2000.endprint