基于三維點(diǎn)云的導(dǎo)盲機(jī)器人的研究應(yīng)用

摘 要：三維點(diǎn)云是一種由大量三維空間點(diǎn)構(gòu)成的數(shù)據(jù)集，其與機(jī)器人的結(jié)合是當(dāng)前關(guān)注的熱點(diǎn)。文中提出在導(dǎo)盲機(jī)器人的基礎(chǔ)上加入機(jī)器視覺(jué)，由3D相機(jī)拍攝場(chǎng)景點(diǎn)云，進(jìn)行點(diǎn)云濾波、點(diǎn)云配準(zhǔn)，在點(diǎn)云配準(zhǔn)過(guò)程中引入改進(jìn)的RANSAC算法，對(duì)室內(nèi)常見(jiàn)的物品進(jìn)行配準(zhǔn)。結(jié)果表明：改進(jìn)的RANSAC算法的使用對(duì)點(diǎn)云匹配的速度有所提升，能夠?yàn)閷?dǎo)盲機(jī)器人軌跡規(guī)劃以及判斷動(dòng)作提供位置信息。

關(guān)鍵詞：機(jī)器視覺(jué)；三維點(diǎn)云；導(dǎo)盲機(jī)器人；RANSAC；3D相機(jī)；點(diǎn)云配準(zhǔn)

中圖分類(lèi)號(hào)：TP391.4 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2024）10-0-03

0 引 言

導(dǎo)盲機(jī)器人是一種幫助視力障礙者在室內(nèi)或室外環(huán)境中自主導(dǎo)航的機(jī)器人。導(dǎo)盲機(jī)器人的出現(xiàn)解決了視力障礙者出行過(guò)程中存在的諸多困難和挑戰(zhàn)，提高了他們的生活質(zhì)量和獨(dú)立性。傳統(tǒng)的導(dǎo)盲方式大多依靠導(dǎo)盲犬或盲杖[1]，但這些方法存在一定的局限性，如導(dǎo)盲犬需要訓(xùn)練，且成本較高，盲杖只能探測(cè)到地面上的障礙物，無(wú)法有效應(yīng)對(duì)復(fù)雜的環(huán)境。而導(dǎo)盲機(jī)器人則可利用現(xiàn)代計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)技術(shù)，通過(guò)傳感器和相機(jī)等設(shè)備感知環(huán)境，進(jìn)行自主導(dǎo)航，避開(kāi)障礙物，大幅提高了導(dǎo)盲的準(zhǔn)確性和效率[2-4]。近年來(lái)，隨著人工智能和機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展和成熟，導(dǎo)盲機(jī)器人在研究和應(yīng)用方面也取得了一定進(jìn)展。例如，一些研究團(tuán)隊(duì)開(kāi)發(fā)了基于激光雷達(dá)、深度學(xué)習(xí)和路徑規(guī)劃算法的導(dǎo)盲機(jī)器人原型，能夠在室內(nèi)和室外環(huán)境中進(jìn)行自主導(dǎo)航和避障[5-7]；另一些研究人員則探索了通過(guò)聲音和振動(dòng)等方式向盲人傳遞導(dǎo)航信息的方法，提高了導(dǎo)盲機(jī)器人的人機(jī)交互性和用戶(hù)體驗(yàn)[8]。

本文通過(guò)3D相機(jī)提取室內(nèi)障礙物，如椅子、圓凳、風(fēng)扇和掃帚等，通過(guò)一系列點(diǎn)云預(yù)處理，提取出障礙點(diǎn)云，經(jīng)過(guò)配準(zhǔn)得出障礙物與機(jī)器人的位置旋轉(zhuǎn)平移矩陣，發(fā)送給導(dǎo)盲機(jī)器人進(jìn)行軌跡規(guī)劃。

1 總體框架

由3D相機(jī)對(duì)室內(nèi)點(diǎn)云進(jìn)行采集，預(yù)處理所采集的點(diǎn)云，提取需要配準(zhǔn)的部分，通過(guò)配準(zhǔn)算法，確保誤差精度在一定范圍內(nèi)；通過(guò)位姿轉(zhuǎn)化，使機(jī)器人做出相應(yīng)決策。流程框架如圖1所示。

2 數(shù)據(jù)采集及點(diǎn)云預(yù)處理

2.1 數(shù)據(jù)采集

將室內(nèi)出現(xiàn)的常見(jiàn)物品作為障礙物，通過(guò)3D相機(jī)實(shí)時(shí)采集椅子、圓凳、風(fēng)扇、掃帚等。采集的點(diǎn)云如圖2所示。

原始點(diǎn)云受環(huán)境光照的影響，4個(gè)點(diǎn)云場(chǎng)景空間有很多噪聲點(diǎn)，在配準(zhǔn)時(shí)會(huì)受噪聲點(diǎn)干擾，從而影響導(dǎo)盲機(jī)器人避障的準(zhǔn)確性。

2.2 點(diǎn)云預(yù)處理

系統(tǒng)需要的是障礙物的點(diǎn)云數(shù)據(jù)，但現(xiàn)場(chǎng)采集的點(diǎn)云數(shù)據(jù)比較復(fù)雜，摻雜了大量背景點(diǎn)云，考慮通過(guò)直通濾波去除大量背景點(diǎn)云。主要原理：在指定的某一個(gè)維度以及在該維度范圍內(nèi)，通過(guò)程序遍歷所有的點(diǎn)，在遍歷的同時(shí)確認(rèn)該點(diǎn)在指定維度上是否處于該范圍，去除不屬于該范圍的點(diǎn)，直到所有點(diǎn)遍歷完畢。

統(tǒng)計(jì)濾波通過(guò)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析來(lái)去除噪聲和異常值，以提高點(diǎn)云數(shù)據(jù)的質(zhì)量和可靠性。

體素濾波是一種基于體素格的點(diǎn)云濾波方法，其將點(diǎn)云數(shù)據(jù)空間劃分為規(guī)則的三維體素（立方體體元），對(duì)每個(gè)體素內(nèi)的點(diǎn)云進(jìn)行處理，以實(shí)現(xiàn)平滑和降采樣的效果。最終提取出的點(diǎn)云如圖3所示。

通過(guò)以上處理流程得到的點(diǎn)云數(shù)量見(jiàn)表1所列。

預(yù)處理后提取出需要的點(diǎn)云數(shù)據(jù)。其中，椅子場(chǎng)景從原始的點(diǎn)云數(shù)量263 587減少到10 853；圓凳場(chǎng)景提取的目標(biāo)點(diǎn)云數(shù)量為8 581；風(fēng)扇場(chǎng)景由原來(lái)的點(diǎn)云數(shù)量190 708預(yù)處理至9 124；掃帚場(chǎng)景點(diǎn)云數(shù)量減少了約96.2%，為提高后續(xù)的配準(zhǔn)算法效率和精度打下了堅(jiān)實(shí)基礎(chǔ)。

3 點(diǎn)云的配準(zhǔn)

RANSAC（Random Sample Consensus）是一種用于配準(zhǔn)（Registration）和擬合模型的迭代方法[9]，它的主要目標(biāo)是從一組數(shù)據(jù)點(diǎn)中估計(jì)出最適合數(shù)據(jù)的數(shù)學(xué)模型，即找到一組數(shù)據(jù)中的局內(nèi)點(diǎn)（Inliers），這些點(diǎn)與估計(jì)的模型一致；排除局外點(diǎn)（Outliers），這些點(diǎn)與模型不一致。通過(guò)RANSAC粗配準(zhǔn)方法找到模板點(diǎn)云與目標(biāo)點(diǎn)云相近的位置，再用點(diǎn)到面的ICP（Iterative Closest Point）算法進(jìn)行精配準(zhǔn)[10]，使點(diǎn)云位置更加精確，旋轉(zhuǎn)平移矩陣更加準(zhǔn)確，從而為導(dǎo)盲機(jī)器人提供準(zhǔn)確的位置信息，及時(shí)進(jìn)行道路避障及軌跡規(guī)劃。配準(zhǔn)效果如圖4、圖5所示。

經(jīng)過(guò)粗配準(zhǔn)和精配準(zhǔn)，可得出模板點(diǎn)云和目標(biāo)點(diǎn)云的旋轉(zhuǎn)平移矩陣。配準(zhǔn)的時(shí)間和位置的均方根誤差見(jiàn)表2所列。

識(shí)別出障礙物后，對(duì)障礙物進(jìn)行位置配準(zhǔn)，得出障礙物的位置信息，由導(dǎo)盲機(jī)器人進(jìn)行軌跡規(guī)劃。表2中的耗時(shí)最大約為1 s，符合實(shí)時(shí)要求，且配準(zhǔn)誤差均在3 mm內(nèi)，屬于可控誤差范圍。

4 結(jié) 語(yǔ)

本文主要在導(dǎo)盲機(jī)器人視覺(jué)外設(shè)上加入三維點(diǎn)云配準(zhǔn)功能，對(duì)室內(nèi)障礙物點(diǎn)云進(jìn)行預(yù)處理、配準(zhǔn)識(shí)別，為導(dǎo)盲機(jī)器人后續(xù)避障、目標(biāo)尋找以及其他功能的開(kāi)發(fā)奠定了基礎(chǔ)，對(duì)機(jī)器人規(guī)劃動(dòng)作執(zhí)行提供了位置和位姿信息。實(shí)驗(yàn)證明，該算法能夠滿(mǎn)足導(dǎo)盲機(jī)器人的實(shí)時(shí)性和準(zhǔn)確性要求。

參考文獻(xiàn)

[1]宋玉娥，劉業(yè)輝，張小燕，等.基于STM32的智能導(dǎo)盲杖的設(shè)計(jì)[J].電子器件，2020，43（5）：1180-1184.

[2]諶海云，袁杰敏.基于RGB-D深度相機(jī)的智能導(dǎo)盲系統(tǒng)[J].傳感器與微系統(tǒng)，2021，40（1）：85-87.

[3]王政博，唐勇，陳國(guó)棟，等.基于機(jī)器視覺(jué)的智能導(dǎo)盲機(jī)器人系統(tǒng)設(shè)計(jì)[J].河北水利電力學(xué)院學(xué)報(bào)，2021，31（4）：17-22.

[4]劉志，陳超.基于激光雷達(dá)和Kinect信息融合的導(dǎo)盲機(jī)器人SLAM研究[J].江蘇科技大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，32（2）：218-223.

[5]周凱凌，顏禧烽，張建民，等.室內(nèi)導(dǎo)盲機(jī)器人的設(shè)計(jì)與實(shí)現(xiàn)[J].機(jī)電工程技術(shù)，2021，50（8）：36-39.

[6]朱文霖，劉華平，王博文，等.基于視-觸跨模態(tài)感知的智能導(dǎo)盲系統(tǒng)[J].智能系統(tǒng)學(xué)報(bào)，2020，15（1）：33-40.

[7]魏彤，李緒.動(dòng)態(tài)環(huán)境下基于動(dòng)態(tài)區(qū)域剔除的雙目視覺(jué)SLAM算法[J].機(jī)器人，2020，42（3）：336-345.

[8]張曉晨，姚小玉，胡飛.具身認(rèn)知視角下連續(xù)觸感導(dǎo)盲導(dǎo)向產(chǎn)品設(shè)計(jì)[J].包裝工程，2021，42（16）：113-119.

[9] BAHRAINI M S，RAD A B，BOZORG M. SLAM in dynamic environments：a deep learning approach for moving object tracking using ML-RANSAC algorithm [J]. Sensors，2019，19（17）：3699.

[10] AMAIS R S，DONATI G L，ARRUDA M A Z. ICP-MS and trace element analysis as tools for better understanding medical conditions [J]. Trac-trends in analytical chemistry，2020，133：116094.