一種基于光條中心線的測距方法

游佳興，黃　魯

(中國科學(xué)技術(shù)大學(xué) 電子科學(xué)與技術(shù)系，安徽 合肥 230026)

?

一種基于光條中心線的測距方法

游佳興，黃魯

(中國科學(xué)技術(shù)大學(xué) 電子科學(xué)與技術(shù)系，安徽 合肥 230026)

在單目視覺避障系統(tǒng)中，利用紅色LED水平光條照射前方障礙物，由攝像頭獲得圖像并處理后得到紅光光條，根據(jù)光條中心在圖像中的位置判斷障礙物與攝像頭之間的距離。該文對Zhang并行細(xì)化算法進(jìn)行了改進(jìn)，以適應(yīng)嵌入式系統(tǒng)快速準(zhǔn)確得到紅光光條的中心線，由中心線坐標(biāo)得到障礙物距離及寬度。實(shí)驗(yàn)結(jié)果證明，該算法具有很好的中心線提取效果；測距范圍為25 cm，測距誤差在3 mm以內(nèi)。

openCV；中心線提??；測距；單目視覺

引用格式：游佳興，黃魯. 一種基于光條中心線的測距方法[J].微型機(jī)與應(yīng)用，2016,35(17)：11-13.

0　引言

目前，掃地機(jī)器人避障是非常熱門的研究領(lǐng)域，與傳統(tǒng)的超聲波、紅外測距[1]相比，視覺傳感器可以得到更多的環(huán)境信息；單目視覺系統(tǒng)具有成本低、體積小的特點(diǎn)，適合于掃地機(jī)器人。單目視覺避障的方法主要有單目圖像還原3D場景[2]、特征檢測[3]、結(jié)構(gòu)光測距。本文利用紅色LED矩形光條照射前方障礙物，根據(jù)光條中心在圖像中的位置來判斷障礙物距離。

圖1(a)、(b)所示分別為距離障礙物5 cm和10 cm的情況下攝像頭獲得的圖像。由這兩個圖像可知，不同距離下的光條中心在圖像上的位置不同，從而達(dá)到測距的目的。

圖1　不同距離下攝像頭獲得的光條圖像

1　中心線提取

目前中心線的提取算法主要有以下兩種：

(1)基于距離變換的方法[4]。建立紅色光條的距離場模型，提取距離場中的局部極值點(diǎn)，然后細(xì)化處理得到的中心線。該算法的優(yōu)點(diǎn)是精度高，適合三維場景；缺點(diǎn)是計(jì)算復(fù)雜度高，實(shí)時性較差。

(2)二值細(xì)化法[5]。該算法將得到的紅色光條二值化，利用迭代的方法從邊界開始逐漸刪除，直至得到中心線。該算法的優(yōu)點(diǎn)是實(shí)現(xiàn)簡單，速度快，可反映各個光條的形狀；缺點(diǎn)是如果邊界有許多毛刺將會出現(xiàn)除中心線外其他的分支。

圖2　提取光條中心線步驟

由于本單目視覺避障系統(tǒng)是用于掃地機(jī)器人上，要求測距精度較高、實(shí)時性好，因此本文采用二值細(xì)化法。提取光條中心線的步驟如圖2所示。首先在Open Source Computer Vision Library(openCV)中利用HSV顏色空間將紅色光條提取出來[6]，如圖3所示，將紅色光條部分的像素值置0(黑色)，其他背景的像素值置255(白色)。針對邊界出現(xiàn)毛刺會影響中心線提取的缺點(diǎn)，對提取出的紅色光條圖像進(jìn)行開運(yùn)算，消除邊界毛刺的影響。

圖3　HSV顏色空間提取紅色光條

1.1圖像開運(yùn)算去毛刺

開運(yùn)算是圖像形態(tài)學(xué)中的先腐蝕后膨脹的結(jié)果，開運(yùn)算可以在不改變光條基本形狀的情況下平滑邊界，消除邊界毛刺，避免中心線出現(xiàn)分支。本文利用openCV自帶的腐蝕函數(shù)cvErode(src,dst,element,1)和膨脹函數(shù)cvDilate(src,dst,element,1)來進(jìn)行開運(yùn)算操作。其中src為原圖像，dst為處理后的圖像，element為腐蝕膨脹窗口的形狀和大小(在本文中，選擇的是10×10的矩形窗口)，最后一個參數(shù)為膨脹腐蝕的次數(shù)。

1.2中心線提取算法

本文算法的思想是迭代刪除光條的上邊界和下邊界，且保證中心線上的像素點(diǎn)不會被刪除，直至得到光條的中心線。

將開運(yùn)算處理后的二值圖像歸一化，利用openCV內(nèi)的函數(shù)cvThreshold，光條部分的像素值為1，其他為0。為了判定像素值為1(光條部分)的點(diǎn)P1(i,j)是否為邊界，取其周圍3×3的窗口內(nèi)的像素點(diǎn)作為判定，如表1所示。遍歷光條中的所有像素點(diǎn)，根據(jù)3×3窗口內(nèi)P1(i,j)周圍8個像素點(diǎn)確定其是否為上邊界或下邊界，如果是則將其像素置0(刪除邊界)，最終得到水平方向垂直寬度為1的中心線。

表1　P1(i,j)周圍3×3窗口的像素點(diǎn)

算法將迭代分為兩個部分：第一部分是將光條的上邊界刪除，第二部分是將光條的下邊界刪除。將位于光條上邊界的點(diǎn)P1(i,j)置0的條件為：(1)B(P1)≤6;(2)A(P1)=1;(3)P2=0 &&P6≠0。

其中，B(P1)為P1點(diǎn)周圍8個像素點(diǎn)中為1的個數(shù)，即：

B(P1)=P2+P3+P4+P5+P6+P7+P8+P9

A(P1)為P2，P3,P4，…,P8,P9順序中01序列的個數(shù)，如圖4(a)所示，A(P1)=1;圖4(b)所示，A(P1)=2。

圖4　P1周圍8個像素點(diǎn)01序列的個數(shù)

如果P1點(diǎn)不滿足上述3個條件中的任何一個，則該點(diǎn)不屬于上邊界，P1點(diǎn)將不會被置0。位于光條下邊界的點(diǎn)滿足的條件與上邊界的條件類似，只是條件(3)有所改變：

P6=0 &&P2≠0。

圖5　判定條件(1)和(2)的必要性

對于條件(1),如果B(P1)>6,則該點(diǎn)肯定不在邊界上，如圖5(a)所示，該P(yáng)1點(diǎn)滿足條件(2)和條件(3)，但是該點(diǎn)明顯位于中心線上，不能置0，所以需要滿足條件(1)。對于條件(2),如果出現(xiàn)圖5(b)所示的情況，該情況滿足(1)和(3)兩個條件，但是該P(yáng)1點(diǎn)是位于中心線上，不能置0，由圖可知A(P1)=2,不滿足條件(2)，該P(yáng)1點(diǎn)不會被置0。因此，條件(1)和(2)都是為了保護(hù)中心線上的點(diǎn)不會被置0而被保存下來的必須條件。

在滿足條件(1)和(2)以后，確定P1點(diǎn)不在中心線及光條內(nèi)部(B(P1)=8的情況)，如果滿足條件(3),說明P1點(diǎn)位于光條的上邊界，則該點(diǎn)會被標(biāo)記并置0。同樣，條件(3)′確定P1點(diǎn)位于光條的下邊界。如圖6所示為該算法得到中心線的例子，其中“*”代表標(biāo)記置0的邊界，先標(biāo)記上邊界并置0，再標(biāo)記下邊界并置0，迭代以上步驟，直到得到圖6最右圖片的中心線為止。

圖6　中心線提取算法例子

圖7所示為程序的流程圖，vector M的初始值為0，即size(vector M)=0。

圖7　算法流程圖

2　根據(jù)中心線坐標(biāo)求出距離

圖8所示為攝像機(jī)透視投影模型，其中，ABCD為圖像坐標(biāo)系，A′B′C′D′為實(shí)際坐標(biāo)系，機(jī)器人的前進(jìn)方向?yàn)閄′軸方向。O點(diǎn)為攝像機(jī)位置，O′為LED所在位置，OO′的距離為h，G點(diǎn)為圖像中心，G′為G點(diǎn)在實(shí)際坐標(biāo)系的投影點(diǎn)，攝像機(jī)的俯仰角即∠G′OO′為θ，P點(diǎn)為1.2節(jié)中得到的中心線上的一點(diǎn),相對于G點(diǎn)的坐標(biāo)為P(x,y)，P′為P點(diǎn)對應(yīng)的實(shí)際坐標(biāo)系上的點(diǎn)，Dx為X′軸方向上P′與機(jī)器人之間的距離(即障礙物與機(jī)器人之間的距離)，Dy為P′在Y′軸方向上的距離(即障礙物的水平距離)。

由圖8可以得到Dx和Dy的距離公式如式(1)和式(2)所示，其中，(x,y)為P點(diǎn)相對于圖像坐標(biāo)系中心G的坐標(biāo)，dx和dy分別為圖像坐標(biāo)系水平和垂直方向上的坐標(biāo)點(diǎn)距，f為攝像機(jī)焦距。dx、dy、f為攝像機(jī)參數(shù)，通過標(biāo)定得到，如表2所示。

(1)

(2)

圖8　透視投影模型

3　實(shí)驗(yàn)結(jié)果及分析

圖9　前方障礙物為紅色紙盒和黃色紙盒

為了檢測算法的有效性，選取了前方障礙物為紙盒的環(huán)境信息。圖9(a)表示具體的環(huán)境信息圖片，(b)為攝像頭獲得并處理后的紅色光條的圖像，(c)為本文算法得到的中心線，(d)為Zhang并行化細(xì)化算法得到的骨架中心線。如圖9(d)所示，由于Zhang并行細(xì)化得到的是骨架中心線，是在兩個方向上對圖像進(jìn)行細(xì)化，如果光條寬度不一致，就會得到豎直方向的分支，且會縮減中心線的長度，這樣會給機(jī)器人避障帶來很大的誤差(中心線的位置代表障礙物的位置)。

如表3所示，P(x,y)為圖9(c)中兩條中心線上的其中一個點(diǎn)相對于圖像中心的坐標(biāo)。根據(jù)式(1)、式(2)測得障礙物距離。兩個盒子與機(jī)器人之間的實(shí)際距離分別為5 cm和10 cm，水平實(shí)際距離分別為8 cm和11.5 cm，結(jié)果如表3所示，其中Dy為正代表障礙物在機(jī)器人中心左邊，負(fù)為右邊。測距誤差在3 mm以內(nèi)。在ARM Cortex-A8，CPU主頻為1 GHz，內(nèi)存為512 MB的開發(fā)板中，對于圖9(a)所示的環(huán)境信息，該算法的運(yùn)行時間為0.23 s。

表3　障礙物實(shí)際距離

4　結(jié)束語

本文針對單目視覺避障系統(tǒng)提出了一種快速的測距方法，算法處理效果好，測距精度較高，在嵌入式系統(tǒng)中能夠較好地保證實(shí)時性，但在算法的處理時間上還需改進(jìn)。在未來的工作中，可以通過提高硬件要求來改進(jìn)算法，改進(jìn)算法的方案是增加中心線算法窗口大小，使每次迭代刪除的邊界更多，縮短運(yùn)算時間。

[1] 曹小松，唐鴻儒，楊炯． 移動機(jī)器人多傳感器信息融合測距系統(tǒng)設(shè)計(jì)[J]． 自動化與儀表，2009，24(5):4-8．

[2] LIN Z， DAVIS L． Shape-based human detection and segmentation via hierarchical part-template matching[J]． Pattern Analysis and Machine Intelligence，2010，32(4):604-618.

[3] SAXENA A， SUN M， NG A Y． Make 3 D: Learning 3 D scene structure from a single still image[J]． IEEE Transactions on Pattern Analysis and Machine Intelligence，2009，31(5):824-840．

[4] SHARF A，LEWINER T，SHAMIR A，et al． On-the-fly curve-skeleton computation for 3D shapes[J]．Computer Graphics Forum，2007，26(3):323-328．

[5] PALAGYI K，KUBA A． A parallel 3D 12-subiteration thinning algorithm[J]． Graph Models Image Process，1999，61(4):199-221．

[6] 湯一平, 宗明理. 基于雙色反射模型的彩色結(jié)構(gòu)光顏色識別的研究[J]. 計(jì)算機(jī)學(xué)報(bào),2013,36(9):1908-1916.

A method of ranging based on light strip centerline

You Jiaxing,Huang Lu

(Electronic Science and Technology Department, University of Science and Technology of China, Hefei 230026, China)

In monocular vision obstacle avoidance system, using a red LED light illuminated in front of the obstacle, the image obtained by the camera and processed to give a red light bar, the distance between the obstacle and the camera is judged according to the position of the light strip center in the image. In this paper, Zhang parallel thinning algorithm has been improved to accommodate the embedded systems quickly and accurately obtain the center line of the red light. The obstacle distance and width is obtained by the centerline coordinates. Experimental results show that the algorithm has a good centerline extraction effect. Distance measuring range is 25 cm, the ranging error is within 3 mm.

openCV; centerline extraction; ranging; monocular vision

TP391

ADOI： 10.19358/j.issn.1674- 7720.2016.17.003

2016-04-01)

游佳興(1991-)，男，碩士研究生，主要研究方向：嵌入式系統(tǒng)。

黃魯(1961-)，男，碩士，副教授，主要研究方向：電路與系統(tǒng)、集成電路。E-mail：luhuang@ustc.edu.cn。