基于物聯(lián)網(wǎng)技術(shù)的機器人視覺匹配系統(tǒng)研究?

陳修齊

1 引言

物聯(lián)網(wǎng)技術(shù)的目的是讓全部物品可以和網(wǎng)絡(luò)結(jié)合在一起，技術(shù)可以做到自動地、實時地對物體進行識別、跟蹤以及監(jiān)控等相關(guān)機制。物聯(lián)網(wǎng)是繼計算機、互聯(lián)網(wǎng)時代之后信息產(chǎn)業(yè)的第三次浪潮。而智能機器人的研究盡管依然處于初級階段，但國內(nèi)外還是研究開發(fā)出了一些突出的機器人技術(shù)和產(chǎn)品［1～3］。物聯(lián)網(wǎng)技術(shù)結(jié)合機器人有很好的應(yīng)用背景。機器人的視覺系統(tǒng)是熱門的研究方向，對目標識別有很強的效果，可以替代人工去實現(xiàn)極端的困難任務(wù)［4-5］。

本系統(tǒng)的主要目的在于研究機器人視覺系統(tǒng)，主要是基于智能機器人平臺，通過搭載雙目立體視覺系統(tǒng)來獲取環(huán)境數(shù)據(jù)［6～7］，結(jié)合視覺的選擇性，從而達到機器人視覺系統(tǒng)的智能化和網(wǎng)絡(luò)互聯(lián)化。并且通過目標檢測技術(shù)和SAD匹配算法處理攝像頭所獲得的圖像，以便于在機器人系統(tǒng)中進行自我識別。根據(jù)獲得的相關(guān)信息采取相應(yīng)的動作，從而實現(xiàn)機器人視覺系統(tǒng)的智能化局部自治。同時，搭建物聯(lián)網(wǎng)平臺，實現(xiàn)視覺系統(tǒng)中各個要素之間的信息交互［8］，算法結(jié)果顯示該算法有良好的效果。

2 目標檢測模型

目標檢測技術(shù)能夠在識別系統(tǒng)和無機械目標的情況下對目標數(shù)據(jù)進行數(shù)據(jù)掃描和操作［9］。它是視覺系統(tǒng)的前提，讓機器人能夠鎖定目標，獲得數(shù)據(jù)模型。

2.1 視覺結(jié)構(gòu)圖

機器人的頭部視覺系統(tǒng)如圖1所示，它是我們獲得數(shù)據(jù)的核心系統(tǒng)，算法芯片在頭部的后方，主要以視覺系統(tǒng)為主，雙目是兩個攝像頭，進行目標定位。

圖1 機器人頭部模型圖

雙目的模型圖如圖2，它是目標鎖定后，捕捉立體圖形，進行圖形矯正和目標特征提取，再采取立體匹配的關(guān)鍵所在，攝像頭獲得的圖片通過雙目系統(tǒng)傳送到芯片進行算法運行，再經(jīng)過以上流程對目標進行處理，最后在機器人進行圖片識別。

圖2 機器人視覺系統(tǒng)模型

2.2 目標定位系統(tǒng)

機器人坐標系A(chǔ)(X ,Y,Z)機器人所在位置O為原點，以ulvl為機器人視覺定位的橫軸，直線urvr為機器人視覺定位的縱軸，兩坐標軸的單位為mm。所以機器人視覺坐標系中機器人的視覺起始位置是(0,0,0)，其中下標l,r表示是機器人的起始位置的坐標。視覺圖像坐標系A(chǔ)(X,Y,Z)。視覺坐標系A(chǔ)(X,Y,Z)以得到圖像的底線中點為原點。如圖3所示，垂直方向上的深度定位有一傾斜的透鏡，其光心為O，焦距為b，光軸為C，光心O到地面的距離為h，光軸與像平面的交點為Or,Ol，光軸c與水平方向的夾角為a。現(xiàn)地面上有一點P，屏幕顯示的像素點為P′。

圖3 雙目視覺原理圖

原點在圖像平面的左上角，以像素數(shù)為長度度量單位；A(X ,Y,Z)與Or,Ol間的坐標變換關(guān)系如下：

Or與 Ol的坐標變換關(guān)系為

其中d表示攝像頭離目標的距離，結(jié)合式（1）得到變換式為

水平方向上的橫向定位，如圖3所示，地面有兩點P和Q通過透鏡成像在像平面xo′y上，對應(yīng)的像點為P′和Q′。

得到局部視覺坐標系統(tǒng)A(X , Y,Z)坐標變換公式：

3 雙目立體視覺SAD匹配算法

3.1 SAD匹配

SAD是一種圖像匹配算法［10］?；舅枷胧遣畹慕^對值之和。此算法常用于圖像塊匹配，將每個像素對應(yīng)數(shù)值之差的絕對值求和，據(jù)此評估兩個圖像塊的相似度。該算法快速，通常用于多級處理的初步篩選。匹配公式如下：

SAD(u , v)=Sum{left(u , v),right(u , v)} （5）

匹配算法如下：

Step 1：Input左右雙目捕捉的立體圖像；

Step 2：構(gòu)造一個小窗口，類似于卷積核；

Step 3：用窗口覆蓋左邊的圖像，檢測窗口覆蓋區(qū)域內(nèi)的所有像素點；

Step 4：利用窗口覆蓋右邊的圖像去檢測出覆蓋區(qū)域的像素點；

Step 5：左邊覆蓋區(qū)域減去右邊覆蓋區(qū)域，再求得所有像素點之間灰度差的絕對值之和；

Step 6：移動右邊圖像的窗口，重復(fù)Step 3到Step 4的處理，若搜索范圍超過我們的范圍則跳出；Step 7：找到范圍內(nèi)SAD值最小的窗口，即最佳匹配獲得像素塊。

3.2 雙目立體視覺算法

實測n個點在 A(X , Y,Z)的坐標，這樣Or,Ol下的坐標通過式（3）可得到計算的A(X , Y,Z)下的坐標，將計算得到的坐標和實測到A(X , Y,Z)坐標間的某種距離作為對應(yīng)點的特征量，通過Or,Ol坐標加上以特征量為坐標系構(gòu)成一個空間Ψ。

雙目立體視覺算法如下［11］：

Step 1：通過實際平面上n個檢測點得到其在A(X , Y,Z)的坐標位置；

Step 2：根據(jù)檢測點XLVOLVYLV下坐標代入模型估計出XRORYR的坐標位置；

Step 3：將所有檢測點估計的 XRORYR下的坐標位置與實際的XRORYR下的坐標位置距離絕對值之和作為雙目立體視覺算法的參數(shù)值。

算法流程圖如圖4所示。

圖4 算法流程圖

4 實驗及其結(jié)果分析

4.1 算法結(jié)果

該實驗中是在以下硬件環(huán)境下執(zhí)行的，如圖5所示首先我們通過攝像頭進行目標鎖定，圖中是一個公寓走廊，通過攝像獲得之后我們對圖片進行加工，因為并未被機器人識別，所以之后的算法目的都是讓機器人進行目標閱讀。

圖5 原始圖像

我們獲得圖像之后讓機器人進行SAD匹配，如圖6，匹配主要是輪廓和邊緣，使每一個目標確立出來進行處理。

圖6 SAD匹配圖

之后進行的是雙目立體算法的運行結(jié)果，如圖7所示，算法結(jié)果顯示發(fā)現(xiàn)通過該算法機器人的視覺系統(tǒng)可以獲得一個較為明顯的圖形，對于圖像呈現(xiàn)的結(jié)果是一個不錯的顯示，為機器人的目標識別得到保證。

圖7 雙目立體算法結(jié)果

4.2 運行效果

算法的運行結(jié)果要于原圖像進行灰度值對比，PSNR代表峰值信噪比，公式如下，通過Matlab運行算法迭代次數(shù)以及算出每次迭代的PSNR值。

其中，umax和umin分別是參考圖像u的最大值和最小值，其中M，N為2D圖像的大小，MSE為均方差。用算法運行結(jié)果圖u?和原始圖像u進行數(shù)值比較，得到的結(jié)果PSNR為圖像識別的效果表示，如圖8所示，發(fā)現(xiàn)迭代到10次左右算法得到穩(wěn)定，結(jié)果也相對較好。

圖8 算法迭代的PSNR

5 結(jié)語

本文結(jié)合物聯(lián)網(wǎng)中的目標檢測技術(shù)，從而達到了物聯(lián)網(wǎng)技術(shù)對信息感知層以及零部件信息的獲得、傳輸和處理。通過采用了SAD匹配算法來加速有效圖像數(shù)據(jù)的處理，并且提出一個模擬人類視覺系統(tǒng)進行目標快速識別的模型，通過將視覺系統(tǒng)應(yīng)以及注意顯著的特征匹配和匹配區(qū)域結(jié)合的雙目立體視覺算法，大幅度提高了機器人視覺裝配系統(tǒng)的智能化程度。通過視覺系統(tǒng)精度實驗，描述了零部件識別及其定位的過程和結(jié)果分析，分析了立體式視覺系統(tǒng)在裝配中的定位精度，證明了系統(tǒng)的可行性和有效性。

［1］孔令富，吳培良.物聯(lián)網(wǎng)機器人系統(tǒng)研究進展［J］.燕山大學學報，2013，37（6）：471-479.

KONG Lingfu，WU Peiliang.Research Progress of Internet of Things System［J］.Journal of Yanshan University，2013，37（6）：471-479.

［2］楊亮，李文生，鄧春健，等.基于物聯(lián)網(wǎng)中間件的移動機器人綜合實訓平臺設(shè)計［J］.實驗室研究與探索，2015，34（3）：233-236.

YANG Liang，LI Wensheng，DENG Chunjian，et al.Design of an integrated training platform for mobile robot based on IoT middleware［J］.Laboratory Research and Exploration，2015，34（3）：233-236.

［3］田華亭，張智勇，楊海河，等.基于物聯(lián)網(wǎng)中間件的移動機器人遠程服務(wù)系統(tǒng)研究［J］.自動化與儀器儀表，2016（3）：68-70.

TIAN Huating，ZHANG Zhiyong，YANG Haihe，et al.Research on Mobile Robot Remote Service System Based on Internet of Things Middleware［J］.Automation&Instrumentation，2016（3）：68-70.

［4］高立，任旭鵬，李曉博.基于物聯(lián)網(wǎng)感知層的移動機器人自組織網(wǎng)動態(tài)視覺圖像建模［J］.中國通信（英文版），2011，8（8）：49-55.

GAO Li，REN Xupeng，LI Xiaobo.Dynamic visual image modeling of mobile robot self-organizing network based on the perception layer of the Internet of Things［J］.China Communications（English Ver.），2011，8（8）：49-55.

［5］吳永琢.智能物聯(lián)機器人系統(tǒng)的研究［J］.制造業(yè)自動化，2012，34（7）：135-138.

WU Yongzheng.Study on Intelligent IoT Robot System［J］.Manufacturing Automation，2012，34（7）：135-138.

［6］梁小曉，唐玲，曹莉，等.物聯(lián)網(wǎng)環(huán)境下的機器人技術(shù)研究［J］.煤礦機械，2015，36（4）：304-306.

LIANGXiaoxiao，TANGLing，CAOLi，et al.Study on Robot Technology in Internet of Things Environment［J］.Coal Mine Machinery，2015，36（4）：304-306.

［7］李和平，陳育新.基于物聯(lián)網(wǎng)的礦井智能巡檢機器人控制系統(tǒng)設(shè)計［J］.機床與液壓，2015，43（11）：119-122.

LI Heping，CHEN Yuxin.Design of Mine Intelligent Inspection Robot Control System Based on Internet of Things［J］.Machine Tool&Hydraulics，2015，43（11）：119-122.

［8］楊楠.移動機器人高精度定位技術(shù)研究［J］.物聯(lián)網(wǎng)技術(shù)，2015，5（4）：25-26.

YANG Nan.Research on High-precision Positioning Technology of Mobile Robots［J］.The Internet of Things Technology，2015，5（4）：25-26.

［9］于勇，張暉，林茂松.基于雙目立體視覺三維重建系統(tǒng)的研究與設(shè)計［J］.計算機技術(shù)與發(fā)展，2009，19（6）：127-130.

YU Yong，ZHANG Hui，LIN Maosong.Research and Design of a 3D Reconstruction System Based on Binocular Stereo Vision［J］.Computer Technology and Development，2009，19（6）：127-130.

［10］顧騁，錢惟賢，陳錢，等.基于雙目立體視覺的快速人頭檢測方法［J］.中國激光，2014，41（1）：150-155.

GU Cheng，QIAN Weixian，CHEN Qian，et al.Fast human head detection method based on binocular stereo vi-sion［J］.China Laser，2014，41（1）：150-155.

［11］劉浩然，張文明，劉彬.基于雙目立體視覺實現(xiàn)物體三維 測 量 的 研 究［J］.光 子 學 報 ，2009，38（7）：1830-1834.

LIU Haoran，ZHANG Wenming，LIU Bin.Research on 3D Measurement of Objects Based on Binocular Stereo Vision［J］.Acta Photonica Sinica，2009，38（7）：1830-1834.