基于雙目視覺的移動機器人跟蹤技術(shù)研究

鄭燦香

摘 要：移動機器人自主導航需要感知環(huán)境信息，定位和跟蹤障礙物和目標，構(gòu)建二維實時地圖信息，從而進行路徑規(guī)劃?；诙嘁曈X信息和室內(nèi)環(huán)境的特點，研究了移動機器人自主導航中的環(huán)境檢測、動態(tài)目標跟蹤、路徑規(guī)劃和優(yōu)化問題。主要內(nèi)容如下：構(gòu)建了移動機器人自主導航視覺系統(tǒng)，提出了單目和雙目組合視覺系統(tǒng)框架。分析了單目視覺和雙目視覺的應(yīng)用和信息融合，設(shè)計了移動機器人雙目視覺系統(tǒng)，研究了雙目標定和立體校正。

關(guān)鍵詞：雙目視覺 移動機器人 跟蹤技術(shù)

引 言

隨著人工智能和傳感技術(shù)的發(fā)展，許多智能機器人設(shè)備應(yīng)運而生。移動機器人作為機器人的一個重要分支，由于其移動性、便捷性和靈活性，已被廣泛應(yīng)用于工業(yè)制造、軍事、醫(yī)療、倉儲和科學研究。移動機器人依靠其自主導航系統(tǒng)在不同場景下完成各種指定任務(wù)。自主導航主要分為三個階段：機器人周圍環(huán)境的檢測、目標識別和定位、路徑規(guī)劃和優(yōu)化。

1、雙目視覺系統(tǒng)標定

1.1、單目相機標定

單目相機的校準主要是獲取相機的內(nèi)部和外部參數(shù)，相機的內(nèi)部參數(shù)是相機的固有幾何和光學特性，相機的外部參數(shù)描述相機在世界坐標系中的姿態(tài)。相機校準方法大致可分為傳統(tǒng)校準、自校準和主動視覺校準。本文將使用張尤政的校準方法進行校準。張尤政的校準方法使用二維平面棋盤校準板進行校準。該方法校準過程相對簡單，準確度高，基本滿足一般研究和應(yīng)用的要求，它在研究區(qū)得到了廣泛的應(yīng)用和發(fā)展。張的校準方法首先需要拍攝幾塊不同位置和姿勢的校準板，并利用圖像處理算法提取棋盤角點的信息。在不考慮攝像機畸變的情況下建立方程組，求解內(nèi)外參數(shù)，然后引入畸變參數(shù)，用最大似然法進行非線性求解，得到畸變參數(shù)。重復迭代線性和非線性求解過程，直到所有參數(shù)收斂。

1.2、雙目視覺立體校正

在攝像機的實際安裝中，兩個攝像機不能實現(xiàn)精確的共面和直線對齊，并且總是有一些誤差。為了提高后續(xù)立體匹配中視差搜索的準確性和效率，圖像平面必須完全對齊。重新投影左、右攝像機的圖像平面，使圖像平面落在同一平面上，并且左、右圖像平面具有直線對齊的特性的過程稱為立體校正。根據(jù)不同的立體校正方法，立體校正算法主要分為非校準和校準立體校正算法。非標定立體校正算法是一種典型的非校準立體校正算法。算法是一種典型的非校準立體校正算法。其主要思想是通過左右相機圖像中的特征匹配來計算基本矩陣，并使用基本矩陣來完成立體校正過程。這種方法可以避免攝像機內(nèi)外參數(shù)的校準，并且可以通過圖像特征匹配簡單地實現(xiàn)立體校正。然而，由于場景中缺少圖像比例，三維重建將會存在非唯一性。但是立體校正算法是最典型的校準立體校正算法，它主要使用通過校準獲得的兩個相機之間的旋轉(zhuǎn)和平移矩陣。

2、室內(nèi)陰影環(huán)境下障礙物檢測與測量方法研究

2.1、圖像濾波預處理

由于相機本身的結(jié)構(gòu)缺陷和傳輸過程中的外部干擾，獲取的圖像有一些噪聲。為了減少這種噪聲對后續(xù)處理算法的干擾，有必要將濾波算法應(yīng)用于預處理。在常用的濾波算法中，線性濾波算法是均值濾波和高斯濾波，而非線性濾波算法是中值濾波和雙邊濾波。均值濾波的思想是用一定大小的窗口在原始圖像中滑動，并將窗口區(qū)域中像素的平均值作為操作后的值。表達如下：

其中sxy代表以像素點（ x，y ）為中心的小窗口區(qū)域，g （ x，y ）代表窗口中心點（ x，y ）的濾波輸出像素值，m和n分別代表窗口的長度和寬度，f （ x，y ）代表點（ x，y ）的像素值。高斯濾波類似于均值濾波，只是其子窗口中的值不是1，而是符合高斯分布函數(shù)的權(quán)重，原始圖像和窗口中的權(quán)重被用作像素的濾波值。高斯濾波函數(shù)是：

其中δ代表標準偏差，δ越大，平滑度越高。中值濾波是對窗口中的像素值進行排序，并選擇中值作為窗口附近中心點的像素值，以便有規(guī)律地遍歷整個圖像，從而獲得中值濾波圖像。表達如下：

高斯濾波只考慮周圍像素的相似性，忽略了空間相鄰信息。雙邊濾波同時將空間信息和灰度信息引入濾波模型，從而在去噪的同時最大限度地保留邊緣。雙邊濾波與高斯濾波非常相似，除了添加高斯方差，這是基于圖像空間信息的高斯濾波函數(shù)。

2.2、室內(nèi)陰影消除算法研究

在移動機器人自主導航中，需要障礙物信息來避免碰撞。為了提取障礙物，圖像分割理論上可以通過傳統(tǒng)的方法進行，如閾值分割、邊緣檢測和區(qū)域生長。然而，由于機器人在室內(nèi)地面行走時經(jīng)常受到不均勻光照和地面陰影的影響，傳統(tǒng)方法無法直接獲得障礙物和地面區(qū)域。圖1示出了使用具有不同高閾值和低閾值的canny算法對圖像進行邊緣提取的效果。圖1a ）當使用更高的閾值進行邊緣提取時，盡管地面陰影的輪廓減小，但是障礙物的邊緣也變得不完整，這不利于障礙物的分割和提取。圖1b ）當使用較低閾值進行邊緣提取時，可以提取地面物體的更完整的輪廓，但是地面上的陰影更嚴重，并且其輪廓也被提取，這不利于后續(xù)的障礙物提取。在自然光照條件下，地面陰影通過邊緣檢測時會形成假邊緣，因此無法完全提取出物體的一些真實邊緣。因此，自然光照下的陰影是影響邊緣提取穩(wěn)定性和準確性的主要因素。為了達到準確提取障礙物的目的，對消除地面陰影進行了以下研究。

3、移動機器人動態(tài)目標跟蹤實驗

移動機器人動態(tài)目標跟蹤系統(tǒng)的框架如圖1所示，主要包括兩部分：視覺系統(tǒng)和機器人控制系統(tǒng)。視覺系統(tǒng)負責目標跟蹤和測量。跟蹤算法是第四章提出的特征點輔助時空上下文跟蹤算法。測量模塊采用第三章提出的基于模板匹配的雙目視覺測量方法。機器人控制系統(tǒng)利用視覺系統(tǒng)提供的目標三維坐標信息與跟蹤期望距離值進行比較，形成相應(yīng)的控制信號，控制移動機器人的運動，完成目標穩(wěn)定跟蹤任務(wù)。

結(jié)束語

隨著移動機器人和計算機視覺技術(shù)的進步，移動機器人導航正朝著自主和智能方向發(fā)展。本文主要研究視覺系統(tǒng)下移動機器人室內(nèi)自主導航系統(tǒng)存在的問題。

參考文獻

[1] 李月華.基于無源信標的移動機器人室內(nèi)定位技術(shù)研究[D].浙江大學，2018.

[2] 劉坤.基于視覺信息的室內(nèi)移動機器人目標跟蹤及路徑規(guī)劃[D].華南理工大學，2018.

[3] 劉業(yè)浩.基于雙目視覺的室內(nèi)移動機器人定位研究[D].廣西師范大學，2017.