移動機(jī)器人視覺定位設(shè)計(jì)方案

摘要： 針對移動機(jī)器人的局部視覺定位問題進(jìn)行了研究。首先通過移動機(jī)器人視覺定位與目標(biāo)跟蹤系統(tǒng)求出目標(biāo)質(zhì)心特征點(diǎn)的位置時(shí)間序列， 然后在分析二次成像法獲取目標(biāo)深度信息的缺陷的基礎(chǔ)上， 提出了一種獲取目標(biāo)的空間位置和運(yùn)動信息的方法。該方法利用序列圖像和推廣卡爾曼濾波， 目標(biāo)獲取采用了H IS 模型。在移動機(jī)器人滿足一定機(jī)動的條件下， 較精確地得到了目標(biāo)的空間位置和運(yùn)動信息。仿真結(jié)果驗(yàn)證了該方法的有效性和可行性。

　　運(yùn)動視覺研究的是如何從變化場景的一系列不同時(shí)刻的圖像中提取出有關(guān)場景中的目標(biāo)的形狀、位置和運(yùn)動信息， 將之應(yīng)用于移動機(jī)器人的導(dǎo)航與定位。首先要估計(jì)出目標(biāo)的空間位置和運(yùn)動信息， 從而為移動機(jī)器人車體的導(dǎo)航與定位提供關(guān)鍵前提。

　　視覺信息的獲取主要是通過單視覺方式和多視覺方式。單視覺方式結(jié)構(gòu)簡單， 避免了視覺數(shù)據(jù)融合， 易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)測。如果利用目標(biāo)物體的幾何形狀模型， 在目標(biāo)上取3 個(gè)以上的特征點(diǎn)也能夠獲取目標(biāo)的位置等信息。此方法須保證該組特征點(diǎn)在不同坐標(biāo)系下的位置關(guān)系一致， 而對于一般的雙目視覺系統(tǒng)， 坐標(biāo)的計(jì)算誤差往往會破壞這種關(guān)系。

　　采用在機(jī)器人上安裝車載攝像機(jī)這種局部視覺定位方式， 本文對移動機(jī)器人的運(yùn)動視覺定位方法進(jìn)行了研究。該方法的實(shí)現(xiàn)分為兩部分： 首先采用移動機(jī)器人視覺系統(tǒng)求出目標(biāo)質(zhì)心特征點(diǎn)的位置時(shí)間序列， 從而將對被跟蹤目標(biāo)的跟蹤轉(zhuǎn)化為對其質(zhì)心的跟蹤； 然后通過推廣卡爾曼濾波方法估計(jì)目標(biāo)的空間位置和運(yùn)動參數(shù)。

　　1 目標(biāo)成像的幾何模型

　　移動機(jī)器人視覺系統(tǒng)的坐標(biāo)關(guān)系如圖1 所示。

　　其中O-X Y Z 為世界坐標(biāo)系； O c - X cY cZ c 為攝像機(jī)坐標(biāo)系。其中O c 為攝像機(jī)的光心， X 軸、Y 軸分別與X c 軸、Y c 軸和圖像的x ， y 軸平行， Z c 為攝像機(jī)的光軸， 它與圖像平面垂直。光軸與圖像平面的交點(diǎn)O 1 為圖像坐標(biāo)系的原點(diǎn)。O cO 1 為攝像機(jī)的焦距f 。

　　圖1 移動機(jī)器人視覺系統(tǒng)的坐標(biāo)關(guān)系

　　不考慮透鏡畸變， 則由透視投影成像模型為：

　　式中， Z′= ［u， v ］T 為目標(biāo)特征點(diǎn)P 在圖像坐標(biāo)系的二維坐標(biāo)值； （X ， Y ， Z ） 為P 點(diǎn)在世界坐標(biāo)系的坐標(biāo)； （X c0， Y c0， Z c0） 為攝像機(jī)的光心在世界坐標(biāo)系的坐標(biāo)； dx ， dy 為攝像機(jī)的每一個(gè)像素分別在x 軸與y 軸方向采樣的量化因子； u0， v 0 分別為攝像機(jī)的圖像中心O 1 在x 軸與y 軸方向采樣時(shí)的位置偏移量。通過式（1） 即可實(shí)現(xiàn)點(diǎn)P 位置在圖像坐標(biāo)系和世界坐標(biāo)系的變換。

　　2 圖像目標(biāo)識別與定位跟蹤

　　2.1 目標(biāo)獲取

　　目標(biāo)的獲取即在攝像機(jī)采集的圖像中搜索是否有特定目標(biāo)， 并提取目標(biāo)區(qū)域， 給出目標(biāo)在圖像中的位置特征點(diǎn)。

　　由于機(jī)器人控制實(shí)時(shí)性的需要， 過于耗時(shí)的復(fù)雜算法是不適用的， 因此以顏色信息為目標(biāo)特征實(shí)現(xiàn)目標(biāo)的獲取。本文采用了HS I 模型， 3 個(gè)分量中，I 是受光照影響較大的分量。所以， 在用顏色特征識別目標(biāo)時(shí)， 減少亮度特征I 的權(quán)值， 主要以H 和S 作為判定的主要特征， 從而可以提高顏色特征識別的魯棒性。

　　考慮到連通性， 本文利用捕獲圖像的像素及其八連通區(qū)域的平均HS 特征向量與目標(biāo)像素的HS特征向量差的模是否滿足一定的閾值條件來判別像素的相似性； 同時(shí)采用中心連接區(qū)域增長法進(jìn)行區(qū)域增長從而確定目標(biāo)區(qū)域。圖2 給出了目標(biāo)區(qū)域分割的算法流程。

　　圖2 目標(biāo)區(qū)域分割算法流程

　　實(shí)現(xiàn)目標(biāo)區(qū)域提取后， 由于目標(biāo)有一定的大小和形狀， 為了對目標(biāo)定位， 必須在圖像中選取目標(biāo)上對應(yīng)的點(diǎn)的圖像位置。由于目標(biāo)的質(zhì)心點(diǎn)具有不隨平移、旋轉(zhuǎn)與比例的改變而變化的特點(diǎn)， 故選取目標(biāo)的質(zhì)心點(diǎn)作為目標(biāo)點(diǎn)。

　　質(zhì)心坐標(biāo)計(jì)算公式如下：

　　式中：為質(zhì)心坐標(biāo)； n 為目標(biāo)區(qū)域占據(jù)的像素個(gè)數(shù)， 且n≥2; （x i， y i） 為第i 個(gè)像素的坐標(biāo)； p （x i， y i）為第i 個(gè)像素的灰度值。