論移動(dòng)機(jī)器人的視覺導(dǎo)航

論移動(dòng)機(jī)器人的視覺導(dǎo)航

1地下控制系統(tǒng)導(dǎo)航技術(shù)是移動(dòng)機(jī)器的一項(xiàng)關(guān)鍵技術(shù)，其難度遠(yuǎn)遠(yuǎn)超過(guò)人們最初的想法。主要原因如下：首先，環(huán)境的動(dòng)態(tài)變化無(wú)法預(yù)測(cè)；其次，機(jī)器人感知設(shè)備的不完整。即在大多數(shù)情況下，傳感器提供的數(shù)據(jù)是不完整的、連續(xù)的和可靠的。這些原因使得機(jī)器人系統(tǒng)在復(fù)雜度、成本和可靠性方面很難滿足要求。目前廣泛應(yīng)用的一種導(dǎo)航方式是“跟隨路徑導(dǎo)引”,即機(jī)器人通過(guò)對(duì)能敏感到的某些外部的連續(xù)路徑參照線作出相應(yīng)反應(yīng)來(lái)進(jìn)行導(dǎo)航。這種方法和傳統(tǒng)的“硬”自動(dòng)化相比大大增加了系統(tǒng)的靈活性,其具有代表性的系統(tǒng)有:ControlEngineering公司安裝的導(dǎo)線引導(dǎo)系統(tǒng),它是通過(guò)檢測(cè)埋在地下的引導(dǎo)導(dǎo)線來(lái)控制行進(jìn)方向,其線路分岔則通過(guò)在導(dǎo)線上加載不同頻率的電流來(lái)實(shí)現(xiàn);EgeminAutomation公司生產(chǎn)的Mailmobile機(jī)器人則安裝有主動(dòng)式紫外光源,并通過(guò)3個(gè)光電探頭來(lái)跟隨由受激化學(xué)物質(zhì)構(gòu)成的發(fā)光引導(dǎo)路徑;Macome公司為自動(dòng)駕駛車輛則開發(fā)了一種磁引導(dǎo)單元,它是通過(guò)磁通門傳感器檢測(cè)磁帶來(lái)進(jìn)行車輛導(dǎo)航。從導(dǎo)航的觀點(diǎn)來(lái)講,這些引導(dǎo)方法的優(yōu)點(diǎn)在于不會(huì)迷路,但是最大的缺點(diǎn)是功能單一,無(wú)法在行進(jìn)的同時(shí)完成目標(biāo)識(shí)別、繞過(guò)障礙等其他行為,而且,在安裝維護(hù)成本、靈活性、抗干擾能力等方面與用戶的期望尚有距離,從而限制了機(jī)器人產(chǎn)品的推廣使用。視覺方法是近年發(fā)展起來(lái)的一種先進(jìn)導(dǎo)航方法,其和非視覺類傳感器相比,視覺傳感器具無(wú)噪聲、無(wú)有害影響、信息量大等特點(diǎn)。在實(shí)際應(yīng)用中,只需在路面上畫出路徑引導(dǎo)線,機(jī)器人就可以通過(guò)視覺導(dǎo)航系統(tǒng)來(lái)控制自身行走。相對(duì)于埋設(shè)導(dǎo)線、磁條,安裝發(fā)光帶等方法而言,這種方法進(jìn)一步增強(qiáng)了系統(tǒng)的靈活性,并且降低了成本。為識(shí)別引導(dǎo)路徑,Ishikawa采用了一種狀態(tài)轉(zhuǎn)移算法,并利用了系統(tǒng)中事先存儲(chǔ)的110種不同的場(chǎng)景模式;Beccari還采用了一組特定的模板來(lái)檢測(cè)不同的轉(zhuǎn)彎路口。但是這些方法都有以下共同的缺陷:其一是為了提高視覺處理速度,檢測(cè)方法不同程度依賴于確定的場(chǎng)景模式或模板,這樣當(dāng)機(jī)器人在運(yùn)動(dòng)過(guò)程中出現(xiàn)較大的偏差時(shí),幾乎不可能再回到正確路徑上來(lái);二是在檢測(cè)目標(biāo)時(shí),僅考慮了當(dāng)前幀場(chǎng)景圖像,而沒有充分利用以前目標(biāo)識(shí)別的信息,從而在實(shí)時(shí)性和準(zhǔn)確性兩方面都會(huì)受到影響。筆者研制開發(fā)了一個(gè)視覺導(dǎo)航系統(tǒng),它是通過(guò)識(shí)別路徑引導(dǎo)線和標(biāo)志信息來(lái)為移動(dòng)機(jī)器人提供視覺導(dǎo)航。由于只采用了單目視覺傳感器,因此系統(tǒng)的成本和復(fù)雜度都得到了降低。為了使之真正做到穩(wěn)健快速,在圖像預(yù)處理、路徑識(shí)別和路徑跟蹤等各個(gè)環(huán)節(jié)都充分考慮到算法的實(shí)時(shí)性與魯棒性(見主要算法描述)。2路徑識(shí)別模塊視覺導(dǎo)航系統(tǒng)軟件由圖像預(yù)處理、路徑識(shí)別和路徑跟蹤3個(gè)主要模塊組成,其工作流程如圖1所示。機(jī)器人視覺系統(tǒng)的原始輸入圖像是經(jīng)圖像采集卡A/D(模擬量/數(shù)字量)轉(zhuǎn)換之后得到的連續(xù)數(shù)字圖像。系統(tǒng)工作時(shí),首先,圖像預(yù)處理模塊對(duì)原始輸入圖像以合適的分辨率和分割閾值挑選出對(duì)機(jī)器人有用的各類目標(biāo)點(diǎn)(包括路徑中的引導(dǎo)線、轉(zhuǎn)彎標(biāo)志、目的地標(biāo)志等),并剔除其中的噪聲點(diǎn),而這些點(diǎn)的集合則構(gòu)成目標(biāo)的支持點(diǎn)集(support);然后,路徑識(shí)別模塊根據(jù)目標(biāo)支持點(diǎn)集來(lái)檢測(cè)場(chǎng)景中的引導(dǎo)線和各類標(biāo)志,而引導(dǎo)線和標(biāo)志綜合起來(lái)就可以得到所需的路徑信息;最后,路徑跟蹤模塊根據(jù)路徑識(shí)別模塊所提供的路徑信息,分直行和轉(zhuǎn)彎兩類情況調(diào)用不同的計(jì)算模塊來(lái)為移動(dòng)平臺(tái)的運(yùn)動(dòng)控制系統(tǒng)提供輸入?yún)?shù)。3基于路徑的改進(jìn)算法快速、穩(wěn)定、準(zhǔn)確是移動(dòng)機(jī)器人視覺導(dǎo)航的目標(biāo),為實(shí)現(xiàn)該目標(biāo),本文充分利用了圖像序列信息,并且摒棄了過(guò)于復(fù)雜的處理算法,提出了一種基于路徑的改進(jìn)算法。改進(jìn)后的算法在準(zhǔn)確理解道路圖像的前提下,每幀圖像的處理時(shí)間不超過(guò)40ms,可以滿足系統(tǒng)實(shí)時(shí)性的要求(25幀/s)。3.1圖像預(yù)處理3.1.1目標(biāo)選取采樣點(diǎn)對(duì)彩色圖像進(jìn)行二值化處理,不僅可以減少目標(biāo)識(shí)別的計(jì)算量,還可以降低識(shí)別復(fù)雜度。本系統(tǒng)中原始輸入圖像為(384×288)像素的YUV格式圖像,顯然,如果對(duì)所有110592個(gè)像素點(diǎn)都進(jìn)行二值化處理,在運(yùn)算時(shí)間上是一筆不小的開銷。為此,筆者采用了如下一種基于變分辨率的智能采樣方法:(1)在初始化階段,即不具備目標(biāo)的先驗(yàn)知識(shí)時(shí),以一種較低的分辨率對(duì)整幅圖像中的像素點(diǎn)進(jìn)行采樣,并首先選出N×M個(gè)像素點(diǎn)作為目標(biāo)候選采樣點(diǎn);(2)進(jìn)入目標(biāo)穩(wěn)定跟蹤階段后,再根據(jù)目標(biāo)上一時(shí)刻在圖像中的位置和大小設(shè)置搜索子窗口。由于窗口內(nèi)采樣的分辨率可以隨窗口尺寸自動(dòng)變化,因此可以在不至于丟失目標(biāo)的前提下選擇足夠低的分辨率,以減少處理時(shí)間;(3)當(dāng)目標(biāo)或者機(jī)器人的運(yùn)動(dòng)發(fā)生突然變化時(shí),則有可能在搜索窗口內(nèi)丟失目標(biāo),這時(shí)可以返回步驟1重新進(jìn)行全局搜索。上述步驟3雖會(huì)降低圖像處理的效率,但是由于這種情形出現(xiàn)的概率很小,因此這種采樣方法仍然節(jié)約了大量的處理時(shí)間。接下來(lái)再對(duì)采樣點(diǎn)進(jìn)行二值化處理。由于成像質(zhì)量的原因,圖像中存在很多孤立的噪聲點(diǎn),它們有可能正好被抽取作為目標(biāo)候選采樣點(diǎn),因此如果直接對(duì)這些采樣點(diǎn)進(jìn)行閾值分割,則結(jié)果并不理想。為了減少這類噪聲的干擾,對(duì)于每一個(gè)候選點(diǎn)(i,j),可選取一個(gè)2×2的鄰域內(nèi)的4個(gè)像素點(diǎn)(i,j)、(i,j+1)、(i+1,j)和(i+1,j+1)分別進(jìn)行顏色閾值判定,如果在該候選點(diǎn)的鄰域中被判定為目標(biāo)點(diǎn)的像素總數(shù)超過(guò)某一設(shè)定值,則判定該候選點(diǎn)為目標(biāo)點(diǎn)。3.1.2膨脹去噪功能的實(shí)現(xiàn)多數(shù)情況下得到的二值化圖像,往往在目標(biāo)內(nèi)部有一些噪聲孔,并且在目標(biāo)周圍有一些噪聲塊,而將二值形態(tài)學(xué)中的開啟和閉合算法結(jié)合起來(lái)則可以構(gòu)成有效的噪聲濾除器。開啟和閉合是膨脹和腐蝕按不同次序的組合運(yùn)算。膨脹可以定義為A⊕S={x|[(?S)x∩A]≠?}(1)A⊕S={x|[(S?)x∩A]≠?}(1)其中,A為待膨脹的圖像,S為用來(lái)膨脹A的結(jié)構(gòu)元素。膨脹操作的基本作用是擴(kuò)張?jiān)瓐D像區(qū)域,這樣如果圖像中有空洞,則將被縮小。腐蝕可以定義為A?S={x|[(S)x?A]}(2)A?S={x|[(S)x?A]}(2)腐蝕操作的基本作用是收縮原圖像區(qū)域,并且擴(kuò)大圖像中的空洞。閉合的定義為A●S=(A⊕S)?S(3)開啟的定義為B○S=(B?S)⊕S(4)而整個(gè)去噪過(guò)程可由一次閉合和開啟串行結(jié)合運(yùn)算來(lái)完成。圖2(a)是一幅采樣二值化后的圖像,由于陰影和反光的影響,在目標(biāo)區(qū)域的內(nèi)外均存在噪聲,從圖2(b)可以看出,用閉合、開啟相結(jié)合的形態(tài)學(xué)方法處理后,噪聲已很好地被濾除掉了,可以滿足下一步識(shí)別的要求。3.2哈夫變換檢測(cè)眾所周知,哈夫變換是常用的直線目標(biāo)提取方法,其檢測(cè)直線的基本原理是利用點(diǎn)-線的對(duì)偶性來(lái)對(duì)目標(biāo)點(diǎn)進(jìn)行共線統(tǒng)計(jì)。設(shè)直線的極坐標(biāo)方程為λ=xcosθ+ysinθ(5)然后在參數(shù)空間中建立累加數(shù)組C(θ,λ),讓?duì)热”樗锌赡艿闹?并根據(jù)式(5)算出所對(duì)應(yīng)的λ,再根據(jù)θ和λ的值(取整后)對(duì)累加數(shù)組C累加,最后C的數(shù)值即為共線點(diǎn)的個(gè)數(shù)。為了正確快速地檢測(cè)引導(dǎo)線,本系統(tǒng)在應(yīng)用哈夫變換時(shí),從以下兩個(gè)方面進(jìn)行了改進(jìn):(1)細(xì)化預(yù)處理。由于機(jī)器人的視野中經(jīng)常會(huì)出現(xiàn)不止一條引導(dǎo)線的情景,因此直接應(yīng)用上述哈夫變換方法往往會(huì)出現(xiàn)錯(cuò)誤的結(jié)果,如圖3(a)所示。由于出現(xiàn)這種誤檢的原因在于引導(dǎo)線的寬度,所以在做哈夫變換之前應(yīng)先對(duì)目標(biāo)進(jìn)行快速細(xì)化處理。結(jié)果表明,細(xì)化處理可以消除這種誤檢(如圖3(b)所示)。(2)參數(shù)區(qū)間選擇。在穩(wěn)定跟蹤階段,還需根據(jù)目標(biāo)直線在上一幀圖像中的參數(shù)和容許偏差值來(lái)選擇θ和λ的取值區(qū)間。這種做法一方面可以大大節(jié)省運(yùn)算量,提高計(jì)算效率,另一方面只在目標(biāo)可能出現(xiàn)的局部范圍內(nèi)進(jìn)行檢測(cè),還可以完全不受場(chǎng)景中其他地方干擾的影響。3.3側(cè)向偏差跟蹤控制和偏轉(zhuǎn)建模路徑跟蹤分為直行和轉(zhuǎn)彎兩個(gè)模塊,其算法的基本思想是:當(dāng)機(jī)器人視野中只有一條主引導(dǎo)線時(shí),運(yùn)行直行模塊,以便使機(jī)器人沿該引導(dǎo)線前行。當(dāng)視野中出現(xiàn)轉(zhuǎn)彎路口時(shí),則根據(jù)識(shí)別的路徑信息啟動(dòng)轉(zhuǎn)彎模塊,直到視野中又出現(xiàn)新的主引導(dǎo)線時(shí),才重新轉(zhuǎn)入直行模塊。直行模塊的功能是用于主引導(dǎo)線跟蹤。在每一個(gè)步長(zhǎng)的開始時(shí)刻,機(jī)器人的偏差包括側(cè)向偏差ε0(mm)和方向偏差β0(°),這樣可以采用以下一個(gè)三次曲線模型作為側(cè)向偏差的變化模型:其中,s為機(jī)器人質(zhì)心前行距離,L為機(jī)器人質(zhì)心到攝像頭視野中心的水平距離,s∈[0,L]。圖4給出在4組不同的初始側(cè)向偏差和方向偏差下,期望的側(cè)向偏差變化曲線。轉(zhuǎn)彎模塊采用場(chǎng)景模式監(jiān)測(cè)的方法來(lái)避免復(fù)雜的計(jì)算。當(dāng)機(jī)器人轉(zhuǎn)彎時(shí),視野中的場(chǎng)景不僅可發(fā)生連續(xù)的變化,而且,對(duì)于同一類型的轉(zhuǎn)彎路口和轉(zhuǎn)彎動(dòng)作,場(chǎng)景的變化方式是固定不變的。由于轉(zhuǎn)彎模塊建立了對(duì)應(yīng)各個(gè)場(chǎng)景變化序列的模型,因此可根據(jù)這些模型來(lái)控制機(jī)器人的轉(zhuǎn)彎。圖5是機(jī)器人在丁字路口右轉(zhuǎn)彎時(shí)視野中的場(chǎng)景變化序列圖像,路徑跟蹤時(shí),轉(zhuǎn)彎模塊能通過(guò)監(jiān)測(cè)這些場(chǎng)景變化來(lái)修改控制參數(shù),并能在轉(zhuǎn)彎結(jié)束時(shí),通過(guò)給出新的指令來(lái)轉(zhuǎn)入直行模塊。4場(chǎng)地設(shè)置和環(huán)境地圖視覺導(dǎo)航系統(tǒng)在移動(dòng)機(jī)器人平臺(tái)AIMR上進(jìn)行了實(shí)驗(yàn),該平臺(tái)最大運(yùn)動(dòng)速度為2m/s,實(shí)驗(yàn)中,視覺云臺(tái)應(yīng)保持靜止,攝像頭視野中心到機(jī)器人質(zhì)心的水平距離為713mm。圖像處理系統(tǒng)為667M處理器,算法在VisualC++6.0編譯環(huán)境中實(shí)現(xiàn)。機(jī)器人導(dǎo)航實(shí)驗(yàn)場(chǎng)地如圖6所示。場(chǎng)地中鋪設(shè)了寬1m的綠色道路,道路中央有10cm寬的白色引導(dǎo)線。為檢驗(yàn)系統(tǒng)的路徑識(shí)別能力,在場(chǎng)地中設(shè)置了直線、拐角、丁字路口和三岔路口。此外,在需要轉(zhuǎn)彎的路口放置黃色三角柱作為轉(zhuǎn)彎標(biāo)志,在各個(gè)目標(biāo)站點(diǎn)設(shè)置了藍(lán)色標(biāo)牌作為調(diào)頭標(biāo)志。實(shí)驗(yàn)過(guò)程中機(jī)器人上不裝載環(huán)境地圖,完全根據(jù)引導(dǎo)線和各類標(biāo)志來(lái)行走。實(shí)驗(yàn)開始時(shí),首先將機(jī)器人放置在出發(fā)點(diǎn)道路中央處,并基本對(duì)準(zhǔn)引導(dǎo)線,然后用本文算法進(jìn)行機(jī)器人導(dǎo)航,算法在初始化階段處理時(shí)間較長(zhǎng),需要大約不超過(guò)1s的時(shí)間。初始化成功之后進(jìn)入穩(wěn)定跟蹤階段,識(shí)別一幅場(chǎng)景僅需時(shí)約20ms,加上上層決策系統(tǒng)所耗時(shí)間仍不超過(guò)40ms,因此可以達(dá)到25Hz的識(shí)別頻率。場(chǎng)地上的反光和陰影是機(jī)器人行走過(guò)程中最主要的干擾,由于系統(tǒng)利用了路徑的歷史位置和顏色信息,因此不管是在白天自然光照條件,還是晚上燈光條件下,這些干擾都能很好地被濾除。筆者通過(guò)調(diào)整轉(zhuǎn)彎標(biāo)志的位置進(jìn)行了多次實(shí)驗(yàn),機(jī)器人均能以接近最大速度運(yùn)行到正確的目的地,這表明算法的實(shí)時(shí)性和精確度能滿足導(dǎo)航要求。另外,當(dāng)?shù)缆飞铣霈F(xiàn)了障礙或者非常嚴(yán)重的干擾時(shí)(如較大面積的強(qiáng)烈反光、極暗的陰影等),錯(cuò)誤檢測(cè)機(jī)制還可以使機(jī)器人重新進(jìn)入初始化階段,而不會(huì)出現(xiàn)失去控制的局面。5破壞了復(fù)雜的復(fù)雜世界據(jù)統(tǒng)計(jì),人類六成以上的信息都是由視覺獲得的,從這一意義上來(lái)說(shuō),視覺導(dǎo)航最接近人的導(dǎo)航機(jī)理,也許最終其可以使得機(jī)器人能像人類那樣不依賴任何外界幫助地自由行走。本文介紹的視覺導(dǎo)航系統(tǒng)具有很大的推廣意義,在工廠、醫(yī)院、辦公