基于單目視覺無人機避障系統的算法研究?

史 駿

（西安鐵路職業技術學院 西安 710026）

1 引言

自2001年以來美國的空中作戰中心（ACC）發展新世紀空戰的概念，無人機（UAV）在未來機器人概念中扮演一個主要角色，它能夠進行監測、空中戰術和閃電戰作戰任務［1］。1996年美國研制的X-36是第一個具有戰場使用的原型機［2］。無人機具有體積小、成本低、便于攜帶、機動性好、安全性高、受地域環境限制小等優點［3］，而隨著無人機承載的任務越來越多樣化，使用環境多樣化和無人機飛行速度的提升，這也導致對無人機成功避免障礙物的要求不斷增加［4］。在這一發展趨勢下，要求無人機在探測到在保證性能的條件下必須實現對環境的兼容。對于這個要求，目前通行解決方案有兩種，要么采用衛星制導技術，提前探測飛行環境［5］；要么在無人機上加裝攝像探頭搜索周圍環境，導致技術難度增加且損失過多性能［6］。無論單一使用哪種方法都不能很好地解決這一無人機飛行需求問題。因此有必要找到一種能夠較好地兼顧作戰環境以及快速調整無人機飛行狀態的算法。

本研究將以單目視覺為基礎，結合改進型花授粉算法（IFPA）對無人機探索到的飛行環境進行避障處理。首先對無人機避障環境進行建模選取最優避免障礙物的路徑坐標體系，其次，在建立單目視覺條件下對障礙物威脅點進行邊緣檢測，獲得邊緣輪廓信息，然后利用橢圓的集合性質來進行有效的弧線分割，最后，利用動態變換概率策略（DSPS）改進花授粉算法（IFPA）以分辨單目視覺圖像中障礙物。

2 無人機避障的環境建模

2.1 數學模型

無人機路徑規劃的目標是設計一個從起點到目標點的最優或次優的路線［7］。優化的路線在戰場中有能力避免威脅和適用戰場作戰的長短。首先，路線規劃問題應該轉換為一維函數優化問題，如圖1所示。

圖1 二維空間坐標轉換關系

圖1中，由原坐標系OXY轉化為的新坐標系O'X'Y'。水平軸是從起始點到目標點的連接線路。兩種坐標系統轉換表達式如下［8］：

2.2 性能評估

無人機路徑的性能指標主要包括威脅成本Jt和燃料成本 Jf，評估可以遵循以下公式［10～11］：

其中，l表示生成的路徑長度，L表示生成的路徑總長度，wt和wf分別代表與當前路徑和生成路徑長度密切相關的每個線段上的威脅成本和燃料成本單價。

為了簡化計算，并采用更有效的近似精確解。在這項工作中，每個路徑段離散成五段，同時威脅成本在路徑長度上的計算隨需應變。則模型圖2所示［12］。

圖2 無人機威脅成本模型

如果威脅點的距離不超過每個子段威脅點半徑距離，則威脅成本是給定的表達式如下［13］：

其中，Nt代表威脅地區的數量，Li表示第i段路徑的長度，d0.1，i，k表示第 i個威脅點與第 k 個威脅點的距離的1 10，tk表示第k個威脅點的威脅等級。假設無人機的速度是恒定常量，燃料成本Jf由路徑的總長度構成。沿著軌跡運行的總成本由威脅成本和燃料成本加權和組成，總成本公式如下：

其中，k值組成的向量決定著各種組件成本相對總成本的函數，無人機設計師靈活地處理威脅與燃料消耗之間的關系。k值的取值在0～1之間。

3 單目視覺圖像分析

3.1 邊緣與弧段檢測

本研究利用單目視覺方式執行無人機的避障，在單目視覺中，弧段的正確提取是解決問題的關鍵。為了減少執行時間，本研究以弧段為對象代替單個像素點來進行橢圓參數計算，通過邊緣檢測、弧線分割等處理工作，完成無人機飛行過程中獲取圖像中弧段的提取。為了便于對障礙物的檢測，對提取到的弧段進行分組，弧段分組的方法進行了改進，把可能屬于同一個橢圓的弧段分為一組，根據文中的約束條件排除掉不符合要求的弧段組合，然后對滿足條件的弧段用直接最小二乘法進行橢圓擬合，檢測出原圖像中存在的橢圓。

圖像中的弧線是以邊緣點的形式存在的，因此首先要做的工作是邊緣檢測。邊緣是圖像中灰度值發生變化的位置，由于圖像容易受到噪聲點等因素的影響，因此，首先對圖像進行Gaussian平滑濾波［14］，然后利用自適應閾值Canny邊緣檢測得到邊界輪廓，它能減少噪聲的響應，在正確的位置檢測到邊緣，并且能限制單個邊緣點對于亮度變化的定位。從而得到邊緣點集合，對邊界輪廓像素進行編碼，得到一系列邊界鏈碼并舍棄小于15個像素點的邊界輪廓。

實際情況下，由于原圖像場景往往比較復雜，會出現多種對象相交或者部分遮擋的情況，邊緣檢測后獲得的障礙物不一定都是滿足構成橢圓的弧段，因此，要進一步排除掉一些不足以描述一個橢圓特性的弧段。對于弧段來說，是具有凹凸性的。通過弧段劃分其所在的最小邊界矩形的兩個區域的面積，如圖3所示，來判斷此弧段是否符合要求，當弧段的下部區域的面積S1大于上部區域S2時，認為此弧段是凸性的，反之，則認為是凹性的。若兩區域面積相等，則此弧段是沒有意義的，因此棄掉此弧。由于檢測出來的弧段有很多是相交，對于這種情況，若最小邊界矩形的短邊小于已設定閾值TL，則將此弧段舍棄。

圖3 弧段的凹凸性分類

3.2 弧段分組與橢圓擬合

給定兩條相鄰的弧段 Arci和 Arcj，如圖4所示，這兩個弧段用首尾端點組合分別表示為和。弧段Arci和Arcj各端點連線的最小距離 Di，j表示為［15］

若 滿 足 Di，j＜Dmax且 △G＜Gmax，則 Arci和Arcj為同一個橢圓的弧組。

圖4 相鄰弧段的組合

圖5 平行弦的中心線擬合

由于存在一些弧段是相交的，把相鄰的弧段組合以后，還需要對弧段進行整體分組。對于任一對弧組，我們選取它們的一組生成路徑平行弦l1和l2，對應的弦中點為M1和Mn，如圖5所示，采用最小二乘法擬合這些平行弦的中心線，如圖5中虛線所示。定義每條平行弦中心點Mi到擬合中心線的垂直距離為di，l，則平均垂直距離d-可以表示為

若平均垂直距離d-，即平均誤差，小于設定的閾值dmax，則判定該弧組是屬于同一個橢圓的。把橢圓弧組合在一起之后，還要確定分組的弧段是否適合被擬合成橢圓。為了提高運行速度，給每個弧組標定一個級別Grade來表示其適合程度，若Grade小于設定閾值TG，則其并不合適［17］。Grade計算公式：

其中，Li是給定弧段 Arci的弧長，Di是前一條弧段的尾端點和后一條弧段首端點間的距離。

橢圓的一般性質方程可以表示為

其中，x和y分別是弧段組合以后得到的邊段點的橫縱坐標，A，B，C，D和E是滿足橢圓方程的五個參數。為了減少參數計算的時間，本文采用直接最小二乘法（DLS）［18］，可以快速、正確地擬合到橢圓。最后，利用文章的方法計算誤差En來判斷檢測到的第n個橢圓是否為圖像中合理存在的橢圓，若En小于設定的閾值TE，則該橢圓是真的，反之，則舍棄掉。En的計算公式：

其中，Nn為檢測到的第n個橢圓的所含像素點的數目，這個橢圓上的每個像素點用Pn，k表示，b為此橢圓短軸的大小，為距離 Pn，k最近的邊緣點。

4 算法求解

4.1 改進花授粉算法

為了令單目視覺中的弧段和橢圓檢測計算過程在精度上有所提升，本研究將采用改進花授粉算法（IFPA）進行求解。在規則進行更新中，植物的異花授粉可以視為一個全局授粉的過程，其傳粉運載體遵循Lévy軌跡［19］，全局授粉規則中花粉配子是由傳粉者攜帶，如昆蟲攜帶花粉。由于昆蟲可以在較長的時間范圍內遠距離飛行。因此，花授粉可以在數學上表示為

4.2 動態變換概率策略（DSPS）

在IFPA中，轉換概率 p∈[0，1]控制局部搜索和全局搜索，它是一個恒定常量。假設一個合理的算法應該滿足在開始搜索過程中的全局搜索功能。因此，應用動態變換概率策略（DSPS）調整兩種搜索過程的比例［20］。變換概率 p可以進行選擇

p=0.6-0.1×(Max_iter-t)/Max_iter （14）其中，Max_iter代表DDIFPA的最大迭代次數，t表示當前迭代次數。花授粉改進算法（IFPA）的求解無人機飛行過程中通過單目視覺捕捉到的圖像分析偽代碼算法如下：

5 仿真實驗

5.1 實驗裝置

所有的算法在CPU配置為Intel酷睿i5 4590，內存為4GB中，運用Matlab R2012a編程進行計算。

5.2 環境假設

在測試IFPA適用性之前，本研究通過與DE算法在2D的空間區域內選擇維度D=5，10，15 和20進行比較。首先確定起點、終點和威脅點。假設存在以下地圖信息，無人機路徑從起點( )5，10 到終點。在這個戰斗區域中，安全性能和燃料的性能之間的平衡系數k=0.5，并假設存在五個威脅點區域。他們的半徑坐標和對應的威脅如表1所示。

表1 威脅點信息

5.3 性能分析

在維度D=10的分段區域內，DE和IFPA的規劃路徑如圖6和圖7所示，收斂曲線的如圖8所示。

圖6 D=10時DE算法路徑

圖7 D=10時單目視覺下的IFPA算法路徑

圖6顯示DE成功避開五個威脅點區域的規劃道路且為平滑。圖7顯示IFPA也可以計劃一個安全的路徑來逃避上面提到的這些威脅且也較為平滑。圖8表明收斂曲線在10維度條件下，IFPA算法的收斂速度更快。

圖8 D=10時兩算法性能對比

在維度D=20的分段區域內，DE和IFPA的規劃路徑如圖9和圖10所示，收斂曲線的如圖11所示。

圖9 D=20時DE算法路徑

圖10 D=20時單目視覺下的IFPA算法路徑

圖11 D=20時兩算法性能對比

圖9顯示DE沒有避開威脅點區域，進入了第2個威脅點構成的威脅區域。圖10中IFPA路徑通過距離相比圖7的路徑更短，且與DE生成路徑相比更安全。圖11表明，相比DE生成收斂曲線，IFPA有更快的收斂速度和收斂曲線平滑。

6 結語

本文對無人機在復雜環境中自動避開威脅點障礙物進行了研究，采用單目視覺采集到的每一幀圖像進行弧段提取和邊緣檢測。在弧段分組和直接最小二乘法的橢圓檢測方法中，對相似的橢圓進行合并，最后確定障礙物的位置。利用動態變換概率策略（DSPS）對改進花授粉（IFPA）進行優化，以增強其搜索能力。提出的基于單目視覺下的IFPA用于解決在空間區域中的無人機路徑規劃問題，能找到一個路徑航行距離較短和有效避免威脅的最優全局路徑規劃方式。為了更直觀地說明尋優結果，選擇維度在D=10和20時，比較DE算法和IFPA算法，通過比較兩個算法的路徑規劃結果及其收斂曲線，IFPA比DE有更快的收斂速度和更為順暢的路徑，單目視覺下的IPFA更適合解決復雜的無人機避障最優路徑規劃問題。