圖像透視校正在移動機器人視覺識別中的應用

林煜生

摘? 要：文章以第44屆世界技能大賽移動機器人項目中的網格碼識別為例，使用NI myRIO作為核心控制器，在LABVIEW集成開發環境下，對攝像頭采集的圖像進行二值化，提取網格碼所在圖像區域，運用圖像透視校正的原理進行校正，對校正后的網格碼像素點進行統計從而識別網格碼信息。經實踐，該方法對攝像頭沒有嚴格的位置角度要求，可以快速準確地識別網格碼，圖像透視校正在移動機器人視覺識別中有很好的使用效果。

關鍵詞：透視校正;移動機器人;LABVIEW;NI myRIO

中圖分類號：TP391.41 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）18-0028-03

Abstract： This paper， taking the grid code recognition in the 44th World skills Competition mobile robot project as an example， uses NI myRIO as the core controller， under the LABVIEW integrated development environment， the image captured by the camera is binarized， the image area where the grid code is located is extracted， corrected by the principle of image perspective correction， and the corrected grid code pixels are counted to identify the grid code information. Through practice， this method has no strict position and angle requirements for the camera， and can identify the grid code quickly and accurately. The image perspective correction has a good effect in the visual recognition of mobile robot.

Keywords： perspective correction; mobile robot; LABVIEW; NI myRIO

1 概述

攝像頭作為移動機器人的眼睛，獲取的圖像經過處理后，可以提取出感興趣的信息，進而控制移動機器人執行不同操作。由于攝像頭安裝的位置和角度，采集到的圖像存在透視失真，所以需要對圖像進行透視校正，以便更準確提取圖像包含的信息。本文以第44屆世界技能大賽移動機器人項目中的網格碼識別為例，使用NI myRIO作為核心控制器，在LABVIEW集成開發環境下，運用圖像透視校正的原理，提供了一種可以快速準確識別網格碼的算法。

2 NI myRIO控制器及LABVIEW開發環境

世界技能大賽移動機器人項目以NI myRIO作為核心控制器，myRIO內嵌Xilinx Zynq芯片、雙核ARM Cortex-A9作為處理器，是National Instruments公司生產的一款用于信號控制、機器人、機電一體化和嵌入式概念教學的便攜式、實時（Real-time）嵌入式設備[1]。myRIO使用LABVIEW進行開發編程，LabVIEW是美國國家儀器公司推出的一種圖形化程序開發環境[2]，提供了一套功能強大的工具包，提高用戶的開發效率。

3 網格碼識別程序設計

第44屆世界技能大賽移動機器人項目以網格碼來作為移動機器人的任務指示，網格碼如圖1示例，網格碼由9×9個方格組成，外圍的方格全部涂黑，內部的方格圖案用于記錄不同的信息。

最初的識別方案是采用模板匹配，該方法需要固定相機位置采集每個網格碼的圖案，根據比對相似度來識別，這種方法操作比較麻煩且準確率不高。本文提供了一種對圖像透視校正后統計各方格的網格碼識別算法，該算法的處理流程如圖2所示，下面對算法中的關鍵內容進行說明。

3.1 圖像二值化

移動機器人實際采集的圖像如圖3所示，圖像中除了我們關系的網格碼，還有其他的干擾信息，所以需要將這些干擾信息剔除掉，只保留網格碼。這時就要用到了圖像分割技術，而二值化是最簡單的圖像分割的方法[3]。本文主要關心黑白網格碼，二值化保留圖像中黑色部分，這樣處理有利于圖像的進一步處理，使圖像變得簡單，而且數據量減小，能凸顯出感興趣的目標的輪廓。二值化的流程為先提取圖像的Intensity平面，接著對平面進行強度閾值過濾，保留網格碼，到這里圖像已完成了二值化，然后再去除二值化后圖像上的一些噪點。二值化后的圖像如圖4所示，程序如圖5所示。

3.2 提取ROI

在實際應用中，周邊環境是變化的，二值化后的圖像中的還會存在部分干擾塊。LABVIEW提供了IMAQ Particle Analysis函數，該函數可以對二值化圖像進行粒子分析，根據圖像中的像素塊進行分割，方便進一步對每個像素塊進行分析。這里我們把所有的像素塊進行后面的網格碼識別，將網格碼識別結果如果在網格碼查找表中存在，那么該識別結果有效。

3.3 圖像標定

圖像透視校正需要找到多個現實中坐標點與圖像中對應像素點，用于計算透視變換情況，這里選擇網格碼的四個角點作為標定點。依次從ROI的四個角按45°的方向進行掃描，第一個為1的像素點即為標定點。

3.4 圖像透視校正

假設現實世界中點的坐標為（w，z），攝像頭拍得的照片發生了透視變換，對應的像素點坐標為（x，y），這兩個點的坐標關系可以用下式表示：

其中，a13和a23是非零值，x=x'/h且y=y'/h[4]。

在LABVIEW中已經有相關的VI可以實現透視變換。“IMAQ Learn Perspective Calibration VI”這個VI實現了通過學習透視校正信息來糾正透視失真，這里需要提供一組標定點，包括標定點的像素坐標和現實世界坐標;“IMAQ Convert Real World to Pixel VI”這個VI根據已經學習的透視校正信息將現實世界坐標轉換為像素點坐標;通過這兩個VI我們就可以將網格碼映射到圖像中，這里對每個方格采樣100個像素點。圖像透視校正的處理程序如圖6所示。

3.5 識別網格碼信息

網格碼經過透視校正后已經和標準網格非常接近，將網格碼分割成9×9的區域分別進行面積計算，大于閾值的區域判斷該方格為有色方格，否則為空白方格。

4 軟件測試

上述網格碼識別算法在不同結構的移動機器人上使用，均能準確識別網格碼，如圖7所示，攝像頭位置與網格碼在大角度情況下網格碼依舊能準確識別。該算法在第45屆世界技能大賽移動機器人項目各級選拔賽中被廣泛使用，經實踐表明運用透視校正方法的網格碼識別算法使用簡單，識別快速準確。

5 結束語

視覺識別是為移動機器人賦予自主運行能力的重要組成部分，圖像透視校正可以有效的糾正透視失真，從而使后續的信息處理變得簡單，LABVIEW作為一款強大的圖形化編程工具，其IMAQVision函數庫為圖像處理提供了完整的應用功能[5]，讓復雜的圖像識別技術變得簡單，這對教學和技術更新有很好的促進作用。

參考文獻：

[1]周凡.基于MyRIO嵌入式平臺的雙目立體視覺開發及應用[J].現代信息科技，2019，3（01）：73-75.

[2]宋銘.LabVIEW編程詳解[M].電子工業出版社，2017.

[3]呂金隆，李智.基于LabVIEW對圖像采集與處理技術的研究[J].機械設計與制造工程，2016，45（08）：31-34.

[4]阮秋琦.數字圖像處理的MATLAB實現[M].清華大學出版社，2013，4（01）：182.

[5]楊世鳳，張旺，張立洲，等.基于Lab VIEW和IMAQ的動車車號自動識別[J/OL].天津科技大學學報：1-5[2020-05-28].http：//kns.cnki.net/kcms/detail/12.1355.N.20200114.1413.006.html.