基于計算機視覺的定位引導(dǎo)機器人研究

鄭越 羅雅涵 張馨元

摘要：科技的高速發(fā)展使工業(yè)生產(chǎn)實現(xiàn)自動化功能的要求愈來愈高，工業(yè)機器人行業(yè)的計算機視覺技術(shù)應(yīng)用愈發(fā)廣泛。定位引導(dǎo)是自主移動機器人解決各種復(fù)雜任務(wù)的關(guān)鍵，對于提高機器人自動化水平具有重要的理論意義和應(yīng)用價值?；谟嬎銠C視覺的定位引導(dǎo)機器人能使用計算機視覺去精確獲取目標并定位，利用視覺系統(tǒng)獲取外部信息，用單攝像頭或多攝像頭采用第一視角或者第三視角對環(huán)境進行成像處理，根據(jù)對目標識別匹配或跟蹤，實時得到目標的位姿信息，將目標位置的圖像坐標轉(zhuǎn)換為機器人能夠識別的機器人坐標并對機器人進行修正引導(dǎo)。

關(guān)鍵詞：定位引導(dǎo) 計算機視覺 圖像識別

基于視覺的定位引導(dǎo)機器人是在OpenCV技術(shù)之上利用計算機視覺系統(tǒng)來模擬人眼，使用圖像處理來獲取有用信息，通過定位技術(shù)與定位引導(dǎo)技術(shù)，將經(jīng)信息處理與理解后的圖像信息進行檢測并控制完成機器人的引導(dǎo)。通過攝像頭獲得的實時畫面，可在整個引導(dǎo)過程中實時檢測與修正導(dǎo)航設(shè)置，能夠確保導(dǎo)引的高精準性。且在實施時僅需在機器人上方架設(shè)攝像頭，從而能夠極大地降低建設(shè)的成本。

1視覺技術(shù)

1.1.視覺系統(tǒng)

視覺系統(tǒng)的主要任務(wù)是實時采集、處理以及識別平臺圖像，得到平臺上目標的相關(guān)數(shù)據(jù)信息，供定位系統(tǒng)以及決策系統(tǒng)使用。圖像分割是視覺系統(tǒng)的基礎(chǔ)和關(guān)鍵，分割方法的選擇對系統(tǒng)整體起決定性作用。顏色作為物體表面的基本特征，是進行物體識別和認知必不可少的信息。目前顏色信息豐富且易于應(yīng)用，所以本文基于顏色進行圖像分割，得到兩個色塊的坐標信息，從而獲知機器人的位姿信息，實現(xiàn)定位。

1.2.openCV

OpenCV 包含了大量視覺相關(guān)函數(shù)，OpenCV 主體由 5 個模塊組成，CV 模塊主要包括圖像處理的各種基本函數(shù)以及計算機視覺的高級處理算法。HighGUI 模塊則包括視頻圖像輸入、輸出及圖像界面函數(shù)。ML（Machine Learning）模塊包含了機器學(xué)習(xí)的函數(shù)類庫，由一些聚類算法、數(shù)據(jù)分析函數(shù)及分類組成。CxCore 模塊指基礎(chǔ)結(jié)構(gòu)、數(shù)組操作、繪圖函數(shù)錯誤處理等數(shù)據(jù)結(jié)構(gòu)及相關(guān)函數(shù)。第五個模塊是 CvAux 模塊，包含許多面臨淘汰的函數(shù)以及算法，還包括許多實驗性的函數(shù)、算法，諸如前景檢測、背景剔除等。

1.3.目標識別

通過攝像頭獲取的原始圖像大都不盡人意，會存在很多干擾信息，諸如復(fù)雜的背景、噪聲以及光照因素，需要對圖像進行預(yù)處理，從而降低對目標提取的干擾，以便快速準確得到目標信息。

HSV 顏色模型是按照顏色的直觀特征建立的顏色空間模型。該模型三個參數(shù)分別為色調(diào)（H，hue）、飽和度（S，saturation）和亮度（V，value），由于在目標的識別提取中常常會受到各種光線的影響，這就需要一種在不同亮度條件下而基本沒什么變化的顏色模型。通過調(diào)用cvtColor（frame，cv2.COLOR_BGR2HSV）方法即可完成顏色空間轉(zhuǎn)換。

在圖像的分析與處理中，圖像二值化可以說是最常見最基礎(chǔ)也特別關(guān)鍵的一種處理手段，有助于對圖像進行進一步的分析，可以大大消減圖像中的數(shù)據(jù)量，以便盡早顯現(xiàn)出感興趣的目標輪廓。調(diào)用cv2.inRange（hsv，lower_red，upper_red）方法即可實現(xiàn)圖像二值化。

為更好地識別我們的核心目標（兩個圓球），將原圖像和二值化圖像進行與操作，去除干擾背景，接著將對圖像進行灰度處理，去除檢測算法對目標檢測的資源耗費，將灰度處理后的結(jié)果，傳遞給檢測模塊，循環(huán)調(diào)用霍夫曼檢測模塊，對目標進行識別標記。

2.定位技術(shù)

2.1.推算定位

在導(dǎo)航系統(tǒng)中，推算定位（DR）是一個借助于先前已知位置，以及估計出的速度隨時間的變化量來推導(dǎo)出當前位置的過程。本文中推算定位算法是只根據(jù)左右兩側(cè)車輪行走過的距離實現(xiàn)定位的一種方法，左右兩輪都安裝有驅(qū)動電機，將光電碼盤固定在電機輪軸上，隨輪子同步轉(zhuǎn)動。設(shè)機器人車輪的直徑為D，所使用的光電碼盤的線數(shù)為P ，在Δt時間內(nèi)光電編碼器的輸出脈沖個數(shù)ΔN，則機器人走過的距離。

2.2.視覺里程計

視覺里程計是一種利用連續(xù)的圖像序列來估計機器人移動距離的方法。視覺里程計增強了機器人在任何表面以任何方式移動時的導(dǎo)航精度。本文中視覺里程計算主要包含以下幾個步驟：

（1）圖像獲取，通過單目照相機、雙目照相機或者全向照相機獲得機器人的運動畫面。

（2）圖像校正，利用圖像處理技術(shù)，將獲取的圖像中的干擾因素去掉，然后對圖像進行一系列的初始化處理。

（3）特征檢測，在獲得預(yù)處理后的圖像數(shù)據(jù)后，根據(jù)需要檢測的特征，在幀與幀之間匹配特征并構(gòu)建光流場;

（4）檢查光流場向量是否存在潛在的跟蹤誤差，移除外點;

（5）使用由光流場估計照相機的運動;

（6）周期性的重定位跟蹤點;

3.導(dǎo)航系統(tǒng)

3.1.目標位置設(shè)定

通過攝像頭獲得場域地圖后將地圖信息通過GUI反饋給用戶，用戶通過鼠標等操作確定目標位置，再通過cv2.EVENT_ LBUTTO NDOWN事件獲得目標像素坐標，從而確定目標位置

3.2.關(guān)鍵點的像素坐標轉(zhuǎn)化為世界坐標

上面文中的視覺處理一共捕獲兩個圓，一個小圓，一個大圓，其中大圓圓心表示機器人所在點A（x1，y1），小圓圓心表示機器人朝向點B（x2，y2）;用戶通過鼠標點擊事件輸入了目的地C（x3，y3）。但這些坐標都是圖像中的像素坐標，為此我們要做的第一步是要將攝像頭捕獲的圖像中的距離轉(zhuǎn)化為實際距離。單目測距思想借鑒小孔成像原理，已知物體A到圖像中心o’的距離x’，相機焦距f，鏡頭到地面的高度h，更具三角形相似可得：物體到相機視野區(qū)域的中心o的距離問題x=（x’h）/f。如下圖1。

小孔生成的像與視覺生成的像相反，而最終我們觀察到的圖像與現(xiàn)實一致，這可能是相機通過軟件或是硬件調(diào)生成的。但我們得到的圖像與現(xiàn)實世界可以看作等比縮放，而這個縮放比又由相機高度h和相機焦距f所確定。相機成像數(shù)學(xué)模型圖如下圖2所示：

已知小車高度d，AB距離l，相機高度h，相機焦距f，A點在相機成像中的坐標A’（x1，y1），B點在相機所成像中的坐標B’（x2，y2），C點在相機成像所成像中的坐標C（x3，y3），建立圖示圖像坐標系x’-o’-y’，世界坐標系x-o-y。有如下關(guān)系：

因此可看出h為多余條件，即在我們的模型中相機高度h可以未知，但能夠正確地將圖像里的像素坐標轉(zhuǎn)化為世界坐標。

3.3 定位引導(dǎo)

搭建視覺全局定位平臺，是利用攝像頭對平臺進行圖像采集，通過先對圖像進行減色處理，方便色標位置更好更快地識別，再將圖像從通常用于顯示器顏色的 RGB 顏色空間轉(zhuǎn)換為不受亮度影響的 HSV 顏色空間，使得平臺更穩(wěn)定可靠，接著在 HSV 空間進行直方圖均衡化，使得色標顏色和背景色對比度變大，增加下一步的識別效率。在預(yù)處理的圖像中進行識別，得到二值圖像，此時，二值圖會有一些噪點，色標也不一定就是現(xiàn)實中的形狀，由此我們提出了運用腐蝕和膨脹交替進行的開運算、閉運算方式，刪除一些孤立零星的噪點，補上一些目標區(qū)域的白洞，得到輪廓清晰、噪點很少的二值圖，再計算就能得到兩個色標的圖像坐標。結(jié)合參考點及數(shù)學(xué)建模就能得到機器人的位置信息和到達目的地的運動路徑。得到機器人運動路徑后，可通過無線傳輸?shù)姆绞桨l(fā)送給機器人。機器人在運動過程中，引導(dǎo)系統(tǒng)實時檢測機器人位置信息，若發(fā)現(xiàn)機器人偏離預(yù)定軌道，引導(dǎo)系統(tǒng)即發(fā)送指令修正機器人的行駛路線，如此以來便能做到精準引導(dǎo)。

4.結(jié)束語

定位是自主移動機器人解決各種復(fù)雜任務(wù)的關(guān)鍵，對于提高機器人自動化水平具有重要的理論意義和應(yīng)用價值。本文中通過搭建全局視覺定位平臺，及固定在平臺正上方的一個第三視角攝像頭對實驗平臺定期采樣，經(jīng)一系列圖像處理，得到移動機器人頂部兩個色標的圖像坐標，再根據(jù)圖像坐標和世界坐標已知的兩個參考點，計算出機器人在實驗平臺上的世界坐標，得到機器人的位姿信息，從而完成定位引導(dǎo)。結(jié)果表明，視覺全局定位精度可達厘米級別，符合室內(nèi)移動機器人對定位精度的要求。

參考文獻

[1]吳曉明.基于計算機視覺的機器人導(dǎo)航綜述[J].實驗科學(xué)與技術(shù)，2007（05）：25-28.

[2]周艷芳.基于計算機視覺的機器人路徑識別與目標跟蹤系統(tǒng)[J].信息技術(shù)與信息化，2021（04）：246-248.

[3]劉康.室內(nèi)視覺定位與導(dǎo)航綜述[J].黑龍江科技信息，2017（08）：7.

[4]溫倩雯，蘇毅輝，李庚.基于單目相機與里程計的室內(nèi)機器人定位研究[J].電視技術(shù)，2021，45（03）：100-105+125.

作者簡介：

鄭越（1999—），男，四川省什邡市，本科，研究方向：內(nèi)江師范學(xué)院物聯(lián)網(wǎng)工程專業(yè)2018級在讀本科生;羅雅涵（1998—），女，四川省自貢市，本科，研究方向：內(nèi)江師范學(xué)院物聯(lián)網(wǎng)工程專業(yè)2018級在讀本科生;張馨元（1999—），女，四川省成都市，本科，研究方向：內(nèi)江師范學(xué)院物聯(lián)網(wǎng)工程專業(yè)2018級在讀本科生。

項目名稱：基于計算機視覺的工業(yè)機器人，項目編號：X202044