论文部分内容阅读
摘要:机器人项目是一项涉及多项技术的综合性研究课题,自主移动机器人作为机器人学科中技术含量较高的一个分支,具有广泛的市场应用前景。视觉系统作为机器人感知外界环境的重要手段,是全自主机器人的重要组成部分,虽然机器人实验中目标物体的颜色、形状特征已知,但由于实验的对抗性,使得视觉系统应具有很高的实时性、较高的精确度、具有一定的适应能力和抗干扰能力。如何精确高效地处理视觉信息是视觉系统的关键问题。本文给出一种基于彩色图像的目标识别与定位方法,对全自主机器人感知环节进行了研究。通过分析摄像头采集的图像画面,并借助碰撞传感器,红外传感器等方法确定目标。
关键词:全自主足球机器人;视觉系统;目标检测
一、引言
机器人技术是机械设计与制造技术、计算机硬件与软件技术、运动学与动力学理论、控制理论、电动伺服控制技术、传感器技术、多传感器信息融合技术、人工智能等科学及技术领域的综合应用,代表了高新技术发展的前沿。而自主移动机器人属于第三代机器人,它能够实时获取外界环境的信息,对目标和障碍物进行识别和测量,学习和理解外界环境,并根据设定的目标进行运动规划,在无人干预的情况下,实时调整运动规划,移动到目的地并完成设定的工作。机器人足球实验是近几年发展起来、进步较快且有很大研究潜力的一类,这类机器人的视觉及控制器等各类部件均装载在机器人本体上,通过无线通讯与其它机器人、主控计算机及人的信息交流。实验过程中,机器人通过视觉系统搜索球及球门等环境信息,通过声纳、红外或激光等测距系统进行机器人全局定位及障碍物检测,在进行信息融合之后形成行动策略并实施。因此,机器人如何快速识别目标并且定位是实验取胜的关键环节[1],本文将对这方面的问题进行讨论。
二、全自主型足球机器人视觉系统简介
(一)视觉识别系统的硬件组成
实验中使用的全自主型足球机器人是上海广茂达公司研制的AS-UII能力风暴智能机器人,它是典型的自主移动机器人,具有较高的自规划、自适应能力,适合于较复杂的非结构环境中工作的复杂系统。机器人与计算机之间使用基于68HCll单片机开发的交互式C语言进行编程。视觉识别系统采用CMUcam视觉系统: CMUcam视觉模块主要是由1个SX28微处理器与OV6620摄像头(CMOS)组成,CMOS摄像头把当前窗口的视图通过简单的处理,返回像素點矩阵。
(二)视觉识别系统的软件流程
实验中,视觉识别系统依靠颜色来识别并判定目标。机器人对颜色的识别过程如下:当摄像头获得彩色图像以后,机器人上的嵌入计算机系统将模拟视频信号数字化,将像素根据颜色分成两部分,感兴趣的像素(搜索的目标颜色)和不感兴趣的像素(背景颜色)。然后对这些感兴趣的像素进行颜色分量的匹配。在实验之前已经存储了场地环境下的各种颜色信息,实验时需要将实时信息与颜色信息比较或匹配,以寻找搜索目标的颜色区域。判断:如果目标出现在视野中,通过多种传感器的综合应用,确定目标与机器人的相对位置,为决策子系统提供依据。否则继续寻找。
三、视觉识别系统中目标的识别与相对定位
(一)颜色空间的建立
色空间是用数学方法形象化表示颜色,通常用三维模型表示,用代表3个参数的三维坐标来描述,其颜色要取决于所使用的坐标。为有效区分不同的目标颜色,要求颜色模型要含有足够多的颜色信息;为提高视觉系统的执行速度,要求颜色含有尽量少的数据量。足球机器人系统常用的颜色模型有 RGB 模型、HSV 模型和 YUV 模型等,同一物体在不同的光照和成像距离条件下,映射到内存的RGB数值会发生较大变化,不利于目标的识别。为提高识别效果可将颜色表示从RGB颜色空间转化到更接近人眼观察方式的HSI颜色空间,从而提高不同光照环境下识别系统的鲁棒性。
(二)目标检测
成熟的目标检测技术有:模板匹配、边缘检测、色彩分类[2]等。实验规定:机器人和球都用不同的颜色加以区分,为快速检测到目标采用基于色彩的图像分割是最好的方法。由于不同的光照环境下物体的RGB值变化很大,为能够准确识别目标只有设定颜色空间中三个分量的上下阈值,这样可以把目标物体与图像背景颜色区分开。实验前针对特殊的实验环境,手工设定各个目标颜色分量的值,通过计算机串口连接视觉传感器,锁定一幅目标图片,鼠标选取颜色参考区域,计算该颜色区域中各点的颜色特征统计出RGB和HSI空间中各分量的最大值和最小值,利用最初确定的阈值对彩色图像进行二值化处理,参照图象处理的结果对阈值进行小范围调整,达到理想效果后记录阈值,在此范围内的子空间为目标颜色。
(三)图像噪声的去除
在图像获取过程中由于采样量化、传递和环境干扰的存在致使图像出现一些高频的噪声,这些噪声会影响后续处理的效果,对图像进行平滑处理可降低噪声,获取比较理想的图像质量,提高后续处理的精度。因为,系统要求有极高的实时性,而频率域法所采用的算法比较复杂,要求对整个图像进行处理,实时性较差,因此系统采用比较简单的高斯滤波法。试验中高斯算子用模板表示卷积核为A/16,高斯函数能把图像变模糊,有效地消除一切尺度远小于高斯分布空间常数σ的图像强度变化,它在空域和频域内都是平滑的,因而引入任何在原始图像中未曾出现的变化的可能性最小。经过我们实际的实验测定,高斯滤波方法速度快,且效果也较理想,因此图像平滑采用这种方法。
(四)边缘的增强
边缘通常是图像中某些特性不连续行为表征的,如灰度的突变、彩色的变换、纹理结构的变化等。边缘表示图像中一个区域过渡到另一个区域。通常图像的边界分为阶跃式、灰度渐变式、斜率上升又下降式、脉冲式以及带有不同干扰等形式,要突出图像中的边缘,然后再用某些阈值使之分割出来,从而得到边界的图像。常用的处理方法有差分运算、梯度算子、模板匹配等。以上几种算子经过实际应用进行比较,Sobel 算子运算时间少且精度高,效果比较好。
(五)目标的定位
当机器人确定目标出现在视野区域时,为进一步得到机器人与目标的相对距离,本系统采用了红外测距卡。它利用PSD 距离测量传感器能精确测量10-80cm 范围内物体的距离,在机器人实验中可对周围环境进行探测,确定对手所在方位等,红外测距卡能连续地读出距离,将距离信号转换为电压,不需要多余的外围控制电路。用红外测距卡测量距离PSD 输出的是电压变化值,由于PSD 所输出的电压与测量的距离是非线性关系,用函数可表示为因此若要显示所测距离,必须根据实验数据求出α、β 的值,在对测量距离精度要求不是很高的情况下,可以用简单的分段线性方法对距离值进行校正。具体定位方法:机器人通过视觉识别系统发现目标后,通常需要确定目标相对机器人的位置。本文综合运用数字罗盘标定方向,声纳和红外测距。先判断机器人的方向,如果朝向对方球门方向,通过声纳和红外传感器确定目标和球门的距离,采取相应的子策略。否则,通过数字罗盘方向,改变机器人的方向。
四、结语
通过对两个机器人合作进球多次的测试,表明视觉软件系统可较好地完成检测、识别和跟踪预测的功能.系统运行稳定,其速度可达到25帧/s。在运行过程中,当发生快速碰撞时,系统的跟踪效果有些下降,但可以通过其他方法解决。
【参考文献】
[1]贾云得.机器视觉[M].北京:科学技术出版社,2003.
[2]章毓晋.图像工程(下)[M].北京:清华大学出版社,2000.
关键词:全自主足球机器人;视觉系统;目标检测
一、引言
机器人技术是机械设计与制造技术、计算机硬件与软件技术、运动学与动力学理论、控制理论、电动伺服控制技术、传感器技术、多传感器信息融合技术、人工智能等科学及技术领域的综合应用,代表了高新技术发展的前沿。而自主移动机器人属于第三代机器人,它能够实时获取外界环境的信息,对目标和障碍物进行识别和测量,学习和理解外界环境,并根据设定的目标进行运动规划,在无人干预的情况下,实时调整运动规划,移动到目的地并完成设定的工作。机器人足球实验是近几年发展起来、进步较快且有很大研究潜力的一类,这类机器人的视觉及控制器等各类部件均装载在机器人本体上,通过无线通讯与其它机器人、主控计算机及人的信息交流。实验过程中,机器人通过视觉系统搜索球及球门等环境信息,通过声纳、红外或激光等测距系统进行机器人全局定位及障碍物检测,在进行信息融合之后形成行动策略并实施。因此,机器人如何快速识别目标并且定位是实验取胜的关键环节[1],本文将对这方面的问题进行讨论。
二、全自主型足球机器人视觉系统简介
(一)视觉识别系统的硬件组成
实验中使用的全自主型足球机器人是上海广茂达公司研制的AS-UII能力风暴智能机器人,它是典型的自主移动机器人,具有较高的自规划、自适应能力,适合于较复杂的非结构环境中工作的复杂系统。机器人与计算机之间使用基于68HCll单片机开发的交互式C语言进行编程。视觉识别系统采用CMUcam视觉系统: CMUcam视觉模块主要是由1个SX28微处理器与OV6620摄像头(CMOS)组成,CMOS摄像头把当前窗口的视图通过简单的处理,返回像素點矩阵。
(二)视觉识别系统的软件流程
实验中,视觉识别系统依靠颜色来识别并判定目标。机器人对颜色的识别过程如下:当摄像头获得彩色图像以后,机器人上的嵌入计算机系统将模拟视频信号数字化,将像素根据颜色分成两部分,感兴趣的像素(搜索的目标颜色)和不感兴趣的像素(背景颜色)。然后对这些感兴趣的像素进行颜色分量的匹配。在实验之前已经存储了场地环境下的各种颜色信息,实验时需要将实时信息与颜色信息比较或匹配,以寻找搜索目标的颜色区域。判断:如果目标出现在视野中,通过多种传感器的综合应用,确定目标与机器人的相对位置,为决策子系统提供依据。否则继续寻找。
三、视觉识别系统中目标的识别与相对定位
(一)颜色空间的建立
色空间是用数学方法形象化表示颜色,通常用三维模型表示,用代表3个参数的三维坐标来描述,其颜色要取决于所使用的坐标。为有效区分不同的目标颜色,要求颜色模型要含有足够多的颜色信息;为提高视觉系统的执行速度,要求颜色含有尽量少的数据量。足球机器人系统常用的颜色模型有 RGB 模型、HSV 模型和 YUV 模型等,同一物体在不同的光照和成像距离条件下,映射到内存的RGB数值会发生较大变化,不利于目标的识别。为提高识别效果可将颜色表示从RGB颜色空间转化到更接近人眼观察方式的HSI颜色空间,从而提高不同光照环境下识别系统的鲁棒性。
(二)目标检测
成熟的目标检测技术有:模板匹配、边缘检测、色彩分类[2]等。实验规定:机器人和球都用不同的颜色加以区分,为快速检测到目标采用基于色彩的图像分割是最好的方法。由于不同的光照环境下物体的RGB值变化很大,为能够准确识别目标只有设定颜色空间中三个分量的上下阈值,这样可以把目标物体与图像背景颜色区分开。实验前针对特殊的实验环境,手工设定各个目标颜色分量的值,通过计算机串口连接视觉传感器,锁定一幅目标图片,鼠标选取颜色参考区域,计算该颜色区域中各点的颜色特征统计出RGB和HSI空间中各分量的最大值和最小值,利用最初确定的阈值对彩色图像进行二值化处理,参照图象处理的结果对阈值进行小范围调整,达到理想效果后记录阈值,在此范围内的子空间为目标颜色。
(三)图像噪声的去除
在图像获取过程中由于采样量化、传递和环境干扰的存在致使图像出现一些高频的噪声,这些噪声会影响后续处理的效果,对图像进行平滑处理可降低噪声,获取比较理想的图像质量,提高后续处理的精度。因为,系统要求有极高的实时性,而频率域法所采用的算法比较复杂,要求对整个图像进行处理,实时性较差,因此系统采用比较简单的高斯滤波法。试验中高斯算子用模板表示卷积核为A/16,高斯函数能把图像变模糊,有效地消除一切尺度远小于高斯分布空间常数σ的图像强度变化,它在空域和频域内都是平滑的,因而引入任何在原始图像中未曾出现的变化的可能性最小。经过我们实际的实验测定,高斯滤波方法速度快,且效果也较理想,因此图像平滑采用这种方法。
(四)边缘的增强
边缘通常是图像中某些特性不连续行为表征的,如灰度的突变、彩色的变换、纹理结构的变化等。边缘表示图像中一个区域过渡到另一个区域。通常图像的边界分为阶跃式、灰度渐变式、斜率上升又下降式、脉冲式以及带有不同干扰等形式,要突出图像中的边缘,然后再用某些阈值使之分割出来,从而得到边界的图像。常用的处理方法有差分运算、梯度算子、模板匹配等。以上几种算子经过实际应用进行比较,Sobel 算子运算时间少且精度高,效果比较好。
(五)目标的定位
当机器人确定目标出现在视野区域时,为进一步得到机器人与目标的相对距离,本系统采用了红外测距卡。它利用PSD 距离测量传感器能精确测量10-80cm 范围内物体的距离,在机器人实验中可对周围环境进行探测,确定对手所在方位等,红外测距卡能连续地读出距离,将距离信号转换为电压,不需要多余的外围控制电路。用红外测距卡测量距离PSD 输出的是电压变化值,由于PSD 所输出的电压与测量的距离是非线性关系,用函数可表示为因此若要显示所测距离,必须根据实验数据求出α、β 的值,在对测量距离精度要求不是很高的情况下,可以用简单的分段线性方法对距离值进行校正。具体定位方法:机器人通过视觉识别系统发现目标后,通常需要确定目标相对机器人的位置。本文综合运用数字罗盘标定方向,声纳和红外测距。先判断机器人的方向,如果朝向对方球门方向,通过声纳和红外传感器确定目标和球门的距离,采取相应的子策略。否则,通过数字罗盘方向,改变机器人的方向。
四、结语
通过对两个机器人合作进球多次的测试,表明视觉软件系统可较好地完成检测、识别和跟踪预测的功能.系统运行稳定,其速度可达到25帧/s。在运行过程中,当发生快速碰撞时,系统的跟踪效果有些下降,但可以通过其他方法解决。
【参考文献】
[1]贾云得.机器视觉[M].北京:科学技术出版社,2003.
[2]章毓晋.图像工程(下)[M].北京:清华大学出版社,2000.