基于機(jī)器視覺的空地協(xié)同機(jī)器人研究

王吉祥 王蒙 鄭海燕

摘要：將機(jī)器視覺和圖像處理技術(shù)應(yīng)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(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)和軌跡，通過圖像處理結(jié)果實(shí)現(xiàn)對(duì)移動(dòng)目標(biāo)的分析和追蹤，實(shí)現(xiàn)了機(jī)器視覺和人工智能的結(jié)合。

關(guān)鍵詞：機(jī)器視覺;圖像識(shí)別;四軸飛行器

中圖分類號(hào)：TP393? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）24-0216-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

1 概述

為了更好地利用機(jī)器人能夠代替人眼來做測(cè)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(biāo)信息，用于提供相應(yīng)的決策[1]。對(duì)機(jī)器視覺和圖像處理分析的研究和學(xué)習(xí)便顯得十分的重要。

2系統(tǒng)任務(wù)流程

空中機(jī)器人飛至目標(biāo)上空，利用其開闊的視野搜索目標(biāo)，搜索到目標(biāo)后，采集目標(biāo)信息，進(jìn)行圖像處理。隨著地面小車移動(dòng)，空中機(jī)器人將根據(jù)圖像處理結(jié)果對(duì)目標(biāo)進(jìn)行追蹤，從而結(jié)束空地機(jī)器人的協(xié)作任務(wù)?？罩袡C(jī)器人的視覺圖像處理是基于運(yùn)動(dòng)物體的視頻檢測(cè)。在視頻檢測(cè)的基礎(chǔ)上，主要是根據(jù)基于目標(biāo)對(duì)象的特定特征的信息。根據(jù)所述目標(biāo)移動(dòng)的對(duì)象，分離出一個(gè)復(fù)雜的背景圖像。

3系統(tǒng)設(shè)計(jì)

3.1空中機(jī)器人結(jié)構(gòu)設(shè)計(jì)

空中機(jī)器人一般簡(jiǎn)稱為無人機(jī)，是利用無線電遙控設(shè)備和自備的程序控制裝置操縱的不載人飛機(jī)[2]。無人機(jī)系統(tǒng)主要包括飛機(jī)機(jī)體、飛控系統(tǒng)、數(shù)據(jù)鏈系統(tǒng)、電源系統(tǒng)等。我們采用的是四旋翼無人機(jī)作為空地協(xié)作系統(tǒng)中的飛行機(jī)器人，其具有高精度，定位精度與模塊到目標(biāo)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(shè)計(jì)，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(tǒng)的核心部分設(shè)計(jì)的控制器要能夠通過采集處理傳感器數(shù)據(jù)解算姿態(tài)，并根據(jù)導(dǎo)航指令和任務(wù)要求，結(jié)合相應(yīng)的控制律給出適當(dāng)?shù)目刂菩盘?hào)，制飛行器的執(zhí)行機(jī)構(gòu)，改變飛行器的姿態(tài)和位置等?？刂破髦骺匦酒捎肧TM32F103處理器，微慣性測(cè)量單元采用整合性軸運(yùn)動(dòng)處理組件M6050，圖像采集部分使用機(jī)載OV7670圖像傳感器。

3.2空中機(jī)器人的視覺系統(tǒng)

空中機(jī)器人采用雙目立體視覺。雙目立體視覺是機(jī)器視覺的一種重要形式，它是基于視覺差的原理。[3]空中機(jī)器人的視覺系統(tǒng)依靠上面搭載的攝像頭對(duì)地面目標(biāo)進(jìn)行檢測(cè)及定位，通過編寫不同的算法可以實(shí)現(xiàn)對(duì)復(fù)雜背景的檢測(cè)。環(huán)境會(huì)對(duì)捕捉到的圖像產(chǎn)生很多的干擾，為了使檢測(cè)和追蹤效果更好，機(jī)器捕獲到圖像后，需要對(duì)圖像做進(jìn)一步的處理。

3.3目標(biāo)運(yùn)動(dòng)物體檢測(cè)算法

檢測(cè)運(yùn)動(dòng)物體的原理是實(shí)現(xiàn)不間斷的利用算法檢測(cè)環(huán)境中的運(yùn)動(dòng)目標(biāo)物體，并且提取目標(biāo)物體的前景圖像。在常用的方法中我們?cè)囼?yàn)了連續(xù)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(cè)到運(yùn)動(dòng)物體，但是捕獲的像素點(diǎn)誤差較大，第二種方法通過對(duì)采集到的圖像進(jìn)行閾值分析，實(shí)現(xiàn)對(duì)目標(biāo)物體的追蹤，此算法的運(yùn)算速度快，檢測(cè)結(jié)果較完整。第三種方法容易受到環(huán)境影響，導(dǎo)致計(jì)算出現(xiàn)誤差，一般不采用。

通過結(jié)合OpenCV、OpenNI、OpenGL實(shí)現(xiàn)立體重構(gòu)空間場(chǎng)景以及目標(biāo)的檢測(cè)、追蹤[1]。

3.4 Susan角點(diǎn)檢測(cè)算法

Susan算子是一種基于灰度的特征點(diǎn)采集方法，控制參數(shù)的選擇很簡(jiǎn)單，且任意性小，容易實(shí)現(xiàn)自動(dòng)化選取。[4]利用Susan算子進(jìn)行邊緣檢測(cè)，以計(jì)算每像素的USAN值并將其與設(shè)定的閾值進(jìn)行比較用來確定邊緣點(diǎn)。SUSAN進(jìn)行角點(diǎn)檢測(cè)時(shí)，遵循了常規(guī)的思路：使用一個(gè)窗口在圖像上逐點(diǎn)滑動(dòng)，在每一個(gè)位置上計(jì)算出一個(gè)角點(diǎn)量，再進(jìn)行局部極大值抑制，得到最終的角點(diǎn)。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(shè)計(jì)中使用的是37個(gè)像素的圓形窗口。SUSAN中的兩個(gè)閾值t和g，在角點(diǎn)檢測(cè)中，閾值g是角點(diǎn)質(zhì)量，g值減小，SUSAN會(huì)更加側(cè)重于檢測(cè)到更加“尖銳”的角點(diǎn)。閾值t是角點(diǎn)的數(shù)量，在大多數(shù)情況下，設(shè)t為25比較合適。

4 實(shí)驗(yàn)結(jié)果

圖像獲取效果鄰域?yàn)V波算法效果

SUSAN算法效果實(shí)物圖

4結(jié)束語(yǔ)

本設(shè)計(jì)提供一種實(shí)驗(yàn)平臺(tái)和各種基礎(chǔ)研究理論的評(píng)價(jià)方法，有利于相關(guān)技術(shù)的銜接和創(chuàng)新，為移動(dòng)目標(biāo)追蹤提供了一個(gè)解決辦法，也可以作為高校數(shù)字圖像處理的實(shí)驗(yàn)平。

參考文獻(xiàn)：

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

[2] 程剛.獵人之眼--無人機(jī)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(shù)的實(shí)現(xiàn)及其進(jìn)展[J].電子技術(shù)應(yīng)用，2004：4-6.

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

【通聯(lián)編輯：光文玲】