基于NAO機器人的定位算法與目標(biāo)識別

文/舒軍　李志魁　楊露　蔣明威　吳柯

近幾年，NAO機器人是在當(dāng)前世界學(xué)術(shù)領(lǐng)域中運用范圍最廣的仿人機器人，由法國Aldcbaran機器人公司生產(chǎn)。其擁有25個自由度、開放編程構(gòu)架以及多種傳感器，動作較靈敏。NAO機器人中的每個應(yīng)用程序都包括完成函數(shù)的方法層、提供接口的代理層以及不同實現(xiàn)方法的模塊層三部分。目標(biāo)識別是NAO機器人的一項基礎(chǔ)技術(shù)，主要任務(wù)內(nèi)容就是完成對目標(biāo)圖像的提取，將圖像中的背景區(qū)域與目標(biāo)進行分割，避免其他不相關(guān)因素對機器人目標(biāo)識別產(chǎn)生影響。隨著科學(xué)技術(shù)的不斷發(fā)展，提取定位算法逐步增強，其效率有了較大提升，且適用性也越來越強。

1　基于NAO機器人的定位算法研究

基于NAO機器人的定位算法需要依照其當(dāng)前的全局位置來確定每一環(huán)節(jié)的決策，不能全部依賴于外部的全景攝像頭為其提供相關(guān)信息。NAO機器人是根據(jù)對圖像信息分析進行定位，目前其定位通常是采用粒子濾波的算法，這是一種將定位樣本進行概率相關(guān)統(tǒng)計的貝葉斯濾波算法，利用對應(yīng)參數(shù)的迭代來完成NAO機器人的全局定位。粒子濾波的算法較好的解決了機器人定位算法中的非線性、非高斯等問題。比如NAO機器人非高斯模型中綁架問題通常就是因為機器人之間的相互摩擦或者人為強制將機器人移走造成的。假設(shè)某一環(huán)境中，機器人系統(tǒng)狀態(tài)是已經(jīng)確定的，依照其馬爾可夫過程，結(jié)合概率密度函數(shù)，得到貝葉斯濾波機器人的定位算法公式如下。

其中Kx-1表示系統(tǒng)的狀態(tài)轉(zhuǎn)移概率，Q表示為某一時刻的觀測值。

機器人蒙特卡羅粒子濾波定位算法是根據(jù)機器人的位置預(yù)測及視覺上得到觀測信息來迭代至結(jié)果收斂而實現(xiàn)的，但蒙特卡羅粒子濾波涉及相關(guān)概率計算過程比較復(fù)雜，難度相對較大，而且容易因位置信息問題而使結(jié)果不收斂致使無法獲取機器人的位置，許多中外研究人員對這種方法做了大量改進。蒙特卡羅粒子濾波定位算法最關(guān)鍵的部分就是對樣本中每一個點的概率計算，其公式如下。

表1：基于NAO機器人的目標(biāo)識別與傳統(tǒng)方法比較

其中wk-1表示先驗概率，Lmx表示為位移，qXm表示空間概率。并根據(jù)此公式獲得NAO機器人的定位識別算法。

2　分析基于NAO機器人的目標(biāo)識別

基于NAO機器人的目標(biāo)識別是一項基本技能，就是對圖像進行簡化的處理，相關(guān)技術(shù)人員對其進行了大量研究。目標(biāo)識別技術(shù)被大規(guī)模應(yīng)用在多個領(lǐng)域，其基本任務(wù)就是將我們所需要的目標(biāo)從背景圖中分離出來，并列舉出一些相關(guān)的數(shù)學(xué)統(tǒng)計特征。機器人目標(biāo)識別的關(guān)鍵就是克服目標(biāo)的多變性與復(fù)雜背景的影響，目標(biāo)與背景的圖像特征沒有較大差異。目標(biāo)識別經(jīng)過長時間的發(fā)展，其算法的識別效率越來越高，適用性也在逐漸加強。目標(biāo)的圖像特征主要包括顏色特征、形狀信息特征以及其它一些相關(guān)特征。顏色特征是彩色圖像處理中使用最頻繁的一個圖像特征，因識別的木棒與周圍的環(huán)境在顏色上具有較大差異，所以依照顏色特征對圖像進行分離。選擇對應(yīng)的特征是目標(biāo)準(zhǔn)精識別的關(guān)鍵技術(shù)。參數(shù)變換技術(shù)就是較經(jīng)典的基于邊界方法，其圓變換技術(shù)、線變換技術(shù)以及其改進方法被大規(guī)模應(yīng)用于機器人目標(biāo)識別的圖像邊界處理中。形狀信息特征是指目標(biāo)的外部輪廓，通常可以分為基于目標(biāo)邊界與基于目標(biāo)聯(lián)通范圍的兩種表達方式。在統(tǒng)計學(xué)理論當(dāng)中，矩可以表示概率，用于表達隨機變量的分布，在物理基礎(chǔ)理論中，矩代表形狀物理量，能夠描述物體形狀的空間，而在機器人目標(biāo)識別中，矩可看作是具有特殊形態(tài)的點陣，用來研究圖像的特征，矩是依據(jù)對圖像外表下的點進行積分或者求和運算，從而得到的一個相對粗略的特征。

3　實驗測試與數(shù)據(jù)分析

將基于NAO機器人的目標(biāo)識別與傳統(tǒng)方法比較，得到如下數(shù)據(jù)，如表1所示。

與傳統(tǒng)方法相比，在光線變化不大時，兩種方法都有可以接受的識別率，只是傳統(tǒng)變換識別環(huán)境時顯得相當(dāng)繁瑣。由于傳統(tǒng)方法的圖像灰度化和參數(shù)累計計算占用的時間和空間較大，無法符合比賽的標(biāo)準(zhǔn)?；贜AO機器人的目標(biāo)識別滿足了比賽的需要，其圖像處理的整體效率及圖像預(yù)處理后的識別算法都有較大提高。

實驗證明，傳統(tǒng)方法不能滿足對圖像處理的需求，而新型NAO機器人的目標(biāo)識別可以對圖像進行整體效率處理，提高識別性。

4　結(jié)束語

自從NAO被機器人世界杯RoboCup的組委會認(rèn)定為標(biāo)準(zhǔn)平臺后，國內(nèi)外許多學(xué)者與研究單位開始將NAO作為研究對象。不僅可以將NAO運用在計算機科學(xué)領(lǐng)域、機器人研究以及人工智能中，還可以應(yīng)用于社會學(xué)與醫(yī)療保健方面?；贜AO機器人的智能水平大部分體現(xiàn)在對環(huán)境的識別及相應(yīng)的決策處理上。針對目前的研究狀況，NAO機器人盡管有很多傳感器，但在預(yù)防碰撞情況時，主要還是利用能夠感知外界環(huán)境的攝像頭眼睛，有時還可以通過聲納系統(tǒng)對其進行輔助?；贜EO機器人的目標(biāo)識別水平是機器人提升技術(shù)的基礎(chǔ)，其智能水平可以直接凌駕于在圖像處理能力之上。