论文部分内容阅读
近年来,将机器人技术同摄影摄像行业的具体化需求有效结合的拍摄机器人由于其极大节省了拍摄时的人力成本,改善了拍摄效率,以及相当程度优化了对场景或目标的拍摄效果,被逐渐推广应用至影视制作、比赛直播以及摄影艺术等细化领域。针对室内拍摄情形,目前依旧缺少如何将机器人同摄影(像)师的拍摄需求、拍摄目标的实际状态以及所在拍摄环境联系更为紧密的交互性研究,且同时存在操作过于机械化导致的适应性不强,过多且不必要的人为现场干预反应的低端智能化等问题。由此,本文将基于移动机器人的视觉伺服控制理论及目标检测与跟踪技术,并结合摄影摄像中的基础构图理论,对常见的两种拍摄方式下移动机器人拍摄控制系统进行深入研究,以期达到给定控制要求及期望拍摄效果。首先,设计了机器人底部的全向移动平台并对其硬件进行选型,分析平台的正逆运动学模型,针对其定点位姿控制及轨迹跟踪控制,基于运动学模型构建平台的运动控制系统,仿真结果验证其可行,并设计了平台电机的转速控制程序。其次,提出了机器人定点拍摄的控制方案及评价指标,对于平台的位姿控制,采用基于位置的视觉伺服控制方式,给出了特征点选取和提取的方法,针对位姿估计中的P3P问题,提出了改进的求解方法,通过仿真验证其合理性,给出了伺服控制中的运动参数求解方法,对于云台摄像头的拍摄控制,分析摄影摄像中的基本构图方式,选取Haar特征作为面部区域的检测特征,并基于以被摄目标为中心的构图方式设计云台摄像头的静态拍摄调整算法。再次,提出了机器人跟踪拍摄的控制方案及评价指标,构建了平台的动态跟踪模型,对于移动平台的跟踪运动控制,设计基于图像的视觉伺服控制系统,利用Kinect相机完成特征点提取并获取对应图像空间中的像素值,提出雅可比矩阵中的深度值估计方法,讨论不同增益值组合下的控制效果并确定符合条件的组合,通过仿真验证了控制系统的有效性,对于跟踪拍摄部分,将已有的静态拍摄算法融合Kalman滤波及Camshift算法,给出算法流程图。最后,完成拍摄机器人实验平台的系统架构及硬件搭建,设计平台的运动控制界面,讨论了影响拍摄效果的具体因素,并对上述两种拍摄方式开展实验,结果显示平台的控制效果及云台摄像头的拍摄效果满足实验预期指标,验证了控制方案及算法的合理性。