基于機器視覺的空地協同機器人研究

王吉祥 王蒙 鄭海燕

摘要：將機器視覺和圖像處理技術應用到四軸飛行器上，利用飛行器的開闊視野采集視頻圖像，分析運動目標的運動和軌跡，通過圖像處理結果實現對移動目標的分析和追蹤，實現了機器視覺和人工智能的結合。

關鍵詞：機器視覺;圖像識別;四軸飛行器

中圖分類號：TP393? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）24-0216-02

開放科學（資源服務）標識碼（OSID）：

1 概述

為了更好地利用機器人能夠代替人眼來做測量和判斷，從視覺圖像中提取有用的圖像信息，處理并分析得到的目標信息，用于提供相應的決策[1]。對機器視覺和圖像處理分析的研究和學習便顯得十分的重要。

2系統任務流程

空中機器人飛至目標上空，利用其開闊的視野搜索目標，搜索到目標后，采集目標信息，進行圖像處理。隨著地面小車移動，空中機器人將根據圖像處理結果對目標進行追蹤，從而結束空地機器人的協作任務。空中機器人的視覺圖像處理是基于運動物體的視頻檢測。在視頻檢測的基礎上，主要是根據基于目標對象的特定特征的信息。根據所述目標移動的對象，分離出一個復雜的背景圖像。

3系統設計

3.1空中機器人結構設計

空中機器人一般簡稱為無人機，是利用無線電遙控設備和自備的程序控制裝置操縱的不載人飛機[2]。無人機系統主要包括飛機機體、飛控系統、數據鏈系統、電源系統等。我們采用的是四旋翼無人機作為空地協作系統中的飛行機器人，其具有高精度，定位精度與模塊到目標的距離成反比。高性能，模塊采用STM32F407VET6作為處理芯片。超低功耗設計，工作電流130ma。模塊供電電壓3.3V～5V，支持3.7V鋰電池直接供電。

飛行控制器是系統的核心部分設計的控制器要能夠通過采集處理傳感器數據解算姿態，并根據導航指令和任務要求，結合相應的控制律給出適當的控制信號，制飛行器的執行機構，改變飛行器的姿態和位置等。控制器主控芯片采用STM32F103處理器，微慣性測量單元采用整合性軸運動處理組件M6050，圖像采集部分使用機載OV7670圖像傳感器。

3.2空中機器人的視覺系統

空中機器人采用雙目立體視覺。雙目立體視覺是機器視覺的一種重要形式，它是基于視覺差的原理。[3]空中機器人的視覺系統依靠上面搭載的攝像頭對地面目標進行檢測及定位，通過編寫不同的算法可以實現對復雜背景的檢測。環境會對捕捉到的圖像產生很多的干擾，為了使檢測和追蹤效果更好，機器捕獲到圖像后，需要對圖像做進一步的處理。

3.3目標運動物體檢測算法

檢測運動物體的原理是實現不間斷的利用算法檢測環境中的運動目標物體，并且提取目標物體的前景圖像。在常用的方法中我們試驗了連續幀間差分法、背景差分法、和光流法。第一種方法可以很好地檢測到運動物體，但是捕獲的像素點誤差較大，第二種方法通過對采集到的圖像進行閾值分析，實現對目標物體的追蹤，此算法的運算速度快，檢測結果較完整。第三種方法容易受到環境影響，導致計算出現誤差，一般不采用。

通過結合OpenCV、OpenNI、OpenGL實現立體重構空間場景以及目標的檢測、追蹤[1]。

3.4 Susan角點檢測算法

Susan算子是一種基于灰度的特征點采集方法，控制參數的選擇很簡單，且任意性小，容易實現自動化選取。[4]利用Susan算子進行邊緣檢測，以計算每像素的USAN值并將其與設定的閾值進行比較用來確定邊緣點。SUSAN進行角點檢測時，遵循了常規的思路：使用一個窗口在圖像上逐點滑動，在每一個位置上計算出一個角點量，再進行局部極大值抑制，得到最終的角點。我們這里使用的窗口是圓形窗口，最小的窗口是3*3的，本設計中使用的是37個像素的圓形窗口。SUSAN中的兩個閾值t和g，在角點檢測中，閾值g是角點質量，g值減小，SUSAN會更加側重于檢測到更加“尖銳”的角點。閾值t是角點的數量，在大多數情況下，設t為25比較合適。

4 實驗結果

圖像獲取效果鄰域濾波算法效果

SUSAN算法效果實物圖

4結束語

本設計提供一種實驗平臺和各種基礎研究理論的評價方法，有利于相關技術的銜接和創新，為移動目標追蹤提供了一個解決辦法，也可以作為高校數字圖像處理的實驗平。

參考文獻：

[1] 黃佳.基于OPENCV的計算機視覺技術研究[D].華東理工大學，2013（03）：8-10.

[2] 程剛.獵人之眼--無人機的誕生[J].軍事文摘，2019，04（15）.

[3] 隋婧，金偉其.雙目立體視覺技術的實現及其進展[J].電子技術應用，2004：4-6.

[4] 章毓晉.圖像工程（中冊）[M].清華大學出版社，2005：110-113.

【通聯編輯：光文玲】