摘 要:運動反力測試是認識動物運動力學(xué)規(guī)律的最直接途徑，但目前測試得到的數(shù)據(jù)難以與運動行為很好關(guān)聯(lián)。為此提出一種立體直觀表示運動反力的方法，并和動物的運動行為直接關(guān)聯(lián)。針對以往的人工篩選數(shù)據(jù)的方法，提出數(shù)字圖像在動力學(xué)數(shù)據(jù)篩選方法研究中的應(yīng)用:采用數(shù)字圖像目標檢測的方法進行數(shù)據(jù)的篩選，在保證篩選正確率的基礎(chǔ)上提高篩選效率;結(jié)合高速攝像機獲得的圖片采用OpenGL紋理渲染的方式展現(xiàn)壁虎的運動狀態(tài)和腳掌受力，實現(xiàn)用于分析壁虎運動狀態(tài)和腳掌力間的協(xié)調(diào)關(guān)系，為四足機器人的步態(tài)規(guī)劃提供重要參考。

關(guān)鍵詞:數(shù)據(jù)篩選;動力學(xué)仿真;大壁虎;OpenGL

中圖分類號:TP391文獻標識碼:A

文章編號:1004-373X(2010)02-147-04

Dynamic Synchronous Representation between Reaction_force and Motion of Gecko

XING Qiang1，2，DAI Zhendong1，WANG Zhouyi 1，2

(1.Institute of Bio_Inspired Structure and Surface Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing，210016，China;

2.College of Mechanical and Electrical Engineering，Nanjing University of Aeronautics and Astronautics，Nanjing，210016，China)

Abstract:Anti_force testing is the direct way to recognize the laws of animal movement anti_force.However，the data obtained from the current test associated with motor behavior is not very good.To this end，a three_dimensional visual representation of the movement anti_force method is proposed.In this paper，in ensuring the correct rate to improve screening efficiency，uses digital image target detection methods to filter experimental data，different from the previous manual method.Using the images obtained by the high_speed camera，it shows the kinestate of Gekko gecko and stress of Gekko gecko soles of the feet，based on the technique of OpenGL texture rendering.It makes visualization to analyse the harmonious relations between the kinestate and inter_foot force of Gekko gecko.

Keywords:data screening;dynamics simulation;Gekko gecko;OpenGL

0 引 言

基于顏色內(nèi)容檢索的數(shù)字圖像處理技術(shù)可以縮小特征數(shù)據(jù)庫的大小，實現(xiàn)特定顏色區(qū)域的定位、跟蹤，并根據(jù)需要計算出目標在數(shù)字圖像中的面積大小?；陬伾卣髯R別的技術(shù)，在車牌快速定位[1]、農(nóng)業(yè)工程[2-4]、植物學(xué)[5]等方面有著廣泛的應(yīng)用。

在動物動力學(xué)研究中，為了探索生物體運動的基本原理，建立仿生推進技術(shù)的理論框架，各國科研人員根據(jù)動物具有的運動特性[6]開展了大量的定性觀察和實驗[7]，研究如蝗蟲[8]、馬[9]、虎紋捕鳥蛛[10]、大壁虎[11]等動物的運動步態(tài)或運動受力。生物實驗的特殊性，從統(tǒng)計學(xué)上來講，需要進行大量的實驗獲得樣本數(shù)據(jù);在研究分析中，由于涉及的實驗參數(shù)比較多，就需要根據(jù)不同參數(shù)的組合篩選有效的實驗數(shù)據(jù)。與以往人工篩選數(shù)據(jù)和步態(tài)分析的方法相比，為提高實驗數(shù)據(jù)的篩選效率和實現(xiàn)受力狀態(tài)下步態(tài)分析的可視化:提出了采用跟蹤顏色特征區(qū)域的方法，通過分析壁虎運動過程中腳掌位置和承力片位置的關(guān)系，在保證準確率的前提下，實現(xiàn)對有效實驗數(shù)據(jù)的快速篩選;通過OpenGL進行壁虎運動受力的仿真，便于分析壁虎運動和受力的關(guān)系并建立壁虎運動力學(xué)模型。

1 運動反力測試實驗

動物運動反力測試系統(tǒng)主要由力學(xué)測試系統(tǒng)和高速攝像系統(tǒng)兩部分組成，可以測量壁虎在物體表面運動時腳掌與附著面間的接觸反力和記錄大壁虎的運動步態(tài)。當大壁虎在傳感器陣列上運動時，運動反力測試儀的三維傳感器陣列測量出每只腳掌的運動反力，用于揭示大壁虎真實的運動規(guī)律和協(xié)調(diào)機制;高速攝像系統(tǒng)拍攝、記錄壁虎運動的圖像，用于觀察分析大壁虎接觸反力測試過程中腳掌與傳感器的接觸情況、運動步態(tài)、腳掌和接觸面間的粘附和脫附過程。

力學(xué)測試設(shè)備采用南京航空航天大學(xué)仿生結(jié)構(gòu)與材料防護研究所自主研制的動物三維運動反力測試儀_Ⅱ[12]。高速攝像系統(tǒng)采用德國Mikrotron公司生產(chǎn)的高速攝像系統(tǒng)(Mikrotron MC1311)進行實驗拍攝(選擇250 f/s，像素1 024×1 024)，高速攝像機記錄下壁虎在通道中運動的序列圖像。

通過運動反力測試實驗可以獲得的壁虎運動的力學(xué)實驗數(shù)據(jù)和對應(yīng)的運動圖像，但這些都要進過篩選才能用于分析研究。在以往的數(shù)據(jù)篩選中，首先查看圖像序列，通過判斷在某一時刻圖片中壁虎腳掌完全踩在承力片區(qū)域，根據(jù)區(qū)域所對應(yīng)的承力片編號，查找對應(yīng)承力片的力學(xué)數(shù)據(jù)，進行分析;這樣的數(shù)據(jù)篩選方法需要大量的時間和人力，為了提高篩選的效率本文提出了基于顏色特征的實驗數(shù)據(jù)篩選方法。

2 基于顏色特征的實驗數(shù)據(jù)篩選

2.1 有效數(shù)據(jù)的篩選依據(jù)

由于壁虎運動的不可控性，運動中壁虎腳掌和承力片的位置會出現(xiàn)以下幾種情況，如圖1所示(圖中線框表示承力片在圖片中的區(qū)域):圖1(a)中壁虎腳掌沒有完全踩在承力片上，那么此時刻對應(yīng)的承力片獲得的數(shù)據(jù)是無效的;圖1(b)中壁虎腳掌完全踩在承力片上，對應(yīng)的承力片獲得的數(shù)據(jù)就為此刻此腳掌的受力;圖1(c)中壁虎腳掌完全踩在承力片區(qū)域，當壁虎腳趾剛毛部分和承力片的交接面積大于壁虎腳趾剛毛面積的60%時，那么此腳掌的受力為兩承力片上力學(xué)數(shù)據(jù)的矢量和。

圖1 壁虎腳掌和承力片的位置關(guān)系

針對以上人工篩選數(shù)據(jù)的方法，提出了有效數(shù)據(jù)篩選的依據(jù):

(1) 如圖1(b)所示壁虎腳掌要完全踩在一個承力片區(qū)域內(nèi)，腳掌的受力為對應(yīng)的承力片數(shù)據(jù);

(2) 當情況如圖1(c)時，踩在承力片和壁虎腳趾相交區(qū)域占腳趾剛毛區(qū)域的60%以上時，該腳掌對應(yīng)的受力為多個符合要求的承力片數(shù)據(jù)之和。

通過圖片中壁虎腳掌與承力片區(qū)域的位置關(guān)系來判斷承力片數(shù)據(jù)的有效性，可以采用基于顏色特征的目標跟蹤、定位，以及區(qū)域面積比較的方法來實現(xiàn)數(shù)據(jù)的篩選。

2.2 基于顏色特征區(qū)域的數(shù)據(jù)篩選方法

該方法的主要原理就是通過對系統(tǒng)承力片和壁虎腳掌數(shù)字圖像的定位、區(qū)域面積的比較，確認兩者之間的關(guān)系，判斷數(shù)據(jù)是否有效。

2.2.1 承力片的定位

在力學(xué)測試前，要將高速相機放在合適的位置獲得最佳的圖像，在一次測試實驗中，鏡頭和試驗平臺的距離是保持不變的，對于這樣的每一組數(shù)據(jù)只需要對鏡頭進行一次標定。圖2中白線框區(qū)域為承力片所在區(qū)域，在實物中橫向距離為W=140 mm，縱向距離為L=240 mm，測力片大小為30 mm×30 mm的有機玻璃片。通過系統(tǒng)的預(yù)處理可以得到黃色線框的起始坐標為(354，34)，即采用的坐標系和圖像坐標系一致，左上角為坐標原點標為(1，1)，單位為像素，所有的坐標取整。

承力片和線框之間的距離相對不變，位置關(guān)系如下:在實際系統(tǒng)中第一個承力片的區(qū)域相對于標記點位置，可以看成是由四頂點(0，0)，(0.3，0)，(0.3，0.125)，(0，0.125)構(gòu)成的一個正方形區(qū)域，其余的承力片可以通過在寬度方向上平移為0.4個單位，在長度方向上平移為0.125個單位。根據(jù)幾何直線不變性和相似不變性原理 [13]，可通過四個定位點的坐標獲得每個承力片在數(shù)字圖像中的位置。

圖2 陣列中傳感器承力片的定位與腳掌的位置匹配

圖2中所示的每個承力片的在圖像中的區(qū)域位置見表2，表中列出了編號為11~16的承力片在圖像中的起點坐標(左上角坐標)，區(qū)域面積(ai×bi)，區(qū)域中心坐標pi(i=1，2，…，16)，表中所獲得的位置與理論位置的一致性受實驗平臺安裝精度影響。

表2 測力片在圖像中的位置像素

承力片編號區(qū)域起點坐標區(qū)域面積(ai×bi)區(qū)域中心坐標pi

11(375，262)114×117(414，321)

12(560，270)115×111(618，326)

13(360，148)111×115(416，206)

14(562，151)112×111(618，207)

15(354，34)117×114(413，91)

16(559，36)115×111(617，92)

2.2.2 運動目標區(qū)域的定位

首先在力學(xué)實驗前對壁虎的腳掌進行標記處理，采用明顯區(qū)別于實驗平臺背景的顏色給壁虎的腳掌著色，便于處理中對顏色特征區(qū)域的提取分割。通過圖像處理方法確定這些區(qū)域中心在數(shù)字圖像中的位置。如圖2中方框內(nèi)區(qū)域所示，通過數(shù)字圖像的處理可以判斷出腳掌踩在數(shù)字圖像中的區(qū)域，圖中所示的區(qū)域起點為(504，566)，區(qū)域的長寬(a×b)為115×142，中心坐標為P(562，637)，單位為像素。

2.2.3 區(qū)域位置比較的數(shù)據(jù)篩選法

(1) 判斷壁虎腳掌范圍是否在測力片區(qū)域內(nèi):

|p(x)-pi(x)|≤|a-ai|/2(1)

式中:i=1，2，…，16。

將壁虎腳掌區(qū)域與承力片區(qū)域進行比較，凡是滿足式(1)的，就可以認為壁虎腳掌在承力片區(qū)域內(nèi)，i對應(yīng)承力片編號的采集數(shù)據(jù)有效。

(2) 判斷壁虎腳掌和多個承力片的關(guān)系:

|p(y)-pi(y)|≤|b-bi|/2(2)

式中:i=1，2，…，16。

根據(jù)承力片的排列特征，在滿足式(1)的情況下，通過在y方向的比較就可以區(qū)分出壁虎腳掌踩在哪幾個承力片上，凡滿足式(2)的，該腳掌上的力為對應(yīng)幾個承力片上的力的矢量和。

這樣通過紅色區(qū)域位置和傳感器測力片的位置的比較，獲得在T時刻壁虎腳趾所踩到的測力片個數(shù)及其測力片的序列，從而獲得壁虎整個腳掌受到的力(為所有測力片測到的力的和);最后采用Matlab軟件輸出對應(yīng)的圖片序列以及繪制出受力曲線。

3 壁虎運動的仿真

為了觀察壁虎在某種步態(tài)下，壁虎四腳掌力之間的協(xié)調(diào)關(guān)系，區(qū)別于以往在虛擬環(huán)境中建立壁虎的三維模型，而采用經(jīng)過下述處理的壁虎力學(xué)測試中高速攝像機獲得的圖片，保證運動狀態(tài)和壁虎運動受力的真實性。

3.1 壁虎運動姿態(tài)二值圖片的獲取

背景減除法的基本原理是:用事先存儲的或?qū)崟r得到的背景序列圖像為每個像素進行統(tǒng)計建模，得到背景圖像bk，設(shè)當前幀圖像為fk，則背景差分圖像dk(x，y)為:

dk(x，y)=|fk(x，y)-bk(x，y)|(3)

設(shè)分割閾值T，則二值化差分圖像Rk(x，y)計算公式為:

Rk(x，y)=1，dk(x，y)≥T

0，其他(4)

通過背景減除法[14-16]可以獲得運動物體完整的特征數(shù)據(jù)，但容易受到光照變化的影響。對于壁虎動力學(xué)實驗而言，采用外置恒定的光源為高速攝像機的拍攝提供光源，光照變化對圖像的影響可以忽略。通過此方法獲得的二值圖像即為壁虎在運動過程中姿態(tài)的圖像。

3.2 運動反力的三維動態(tài)展示

3.2.1 實驗數(shù)據(jù)信息的載入

通過Load()函數(shù)載入承力片上獲得的有效數(shù)據(jù)，通過創(chuàng)建紋理存儲空間→創(chuàng)建紋理→生成紋理→設(shè)置紋理的流程來載入圖片信息。實現(xiàn)對紋理的渲染，在文獻[17]中提出OpenGL渲染到紋理的是調(diào)用glCopyTexImage2D()或glCopyTexSubImage2D()函數(shù)，但窗口的大小限制了紋理的使用大小，文獻[18]中采用的PBuffers方法占據(jù)了昂貴的存儲空間;本文使用文獻[19]中的算法，保證渲染的幀率和紋理圖像的質(zhì)量。

3.2.2 實時渲染

通過幀F(xiàn)的控制，保證力矢量的繪制和圖片載入在時間上的一致性。在每幀執(zhí)行之前，都要執(zhí)行設(shè)置窗口和投影矩陣，進行深度緩存測試等代碼。從而實現(xiàn)實時更新。程序的設(shè)計滿足可以根據(jù)鼠標的控制實現(xiàn)不同視角的渲染。鼠標右鍵實現(xiàn)旋轉(zhuǎn)功能，中鍵實現(xiàn)視圖的放大縮小功能。

如圖3所示，左邊圖片是壁虎在對角步態(tài)運動過程中的受力曲線，以及壁虎在相應(yīng)時刻的身體狀態(tài)模擬圖;右圖是壁虎在t1~t4時間點的運動仿真截圖，圖中紅色線段表示在該時刻壁虎的受力矢量，對應(yīng)于左圖的t1~t4時刻壁虎的受力曲線。

圖3 壁虎運動受力曲線圖和在t1~t4時刻運動仿真比較

通過比較，可以看到:通過OpenGL，利用獲得的數(shù)字圖像和受力數(shù)據(jù)，對壁虎的運動進行了模擬仿真，從整體上看到壁虎運動過程中力的變化趨勢，在仿真動畫中可以觀察到力的變化和壁虎運動姿態(tài)的變化之間的關(guān)系，以及壁虎運動步態(tài)交替過程時壁虎四腳掌力間的協(xié)調(diào)關(guān)系。

4 結(jié) 語

這里將數(shù)字圖形圖像技術(shù)運用到壁虎運動力學(xué)測試實驗中。通過基于顏色特征目標的跟蹤，實現(xiàn)了壁虎運動實驗數(shù)據(jù)的篩選;通過壁虎運動的仿真，提出了壁虎三維運動反力和運動行為的動態(tài)同步表示方法，便于有效分析壁虎運動特征和運動機構(gòu)之間協(xié)調(diào)關(guān)系以及壁虎腳掌的受力和運動狀態(tài)的關(guān)系。

參考文獻

[1]王義興，黃鳳崗，韓金玉，等.基于顏色搭配與紋理特征的車牌定位方法[J].中國圖像圖形學(xué)報，2009，14(2):303-308.

[2]沈?qū)殗?，陳樹人，尹建軍，?基于顏色特征的棉田綠色雜草圖像識別方法[J].農(nóng)業(yè)工程學(xué)報，2009，25(6):163-167.

[3]胡波，毛罕平，張艷誠.用于識別田間空心蓮子草的顏色特征的研究[J].農(nóng)機化研究，2006(9):177-179.

[4]劉德營，丁為民，趙三琴.稻飛虱圖像形狀和顏色特征提取的研究[J].江西農(nóng)業(yè)學(xué)報，2009，21(5):97-101.

[5]Seginer I，Elster R T.Plant Wilt Detection by Computer Vision Tracking of Leaf Tips [J].Transactions of the ASAE，1992，35 (5):1 563 -1 567.

[6]周仲榮.關(guān)于我國生物摩擦學(xué)研究的思考[J].機械工程學(xué)報，2004，40(5):7-10.

[7]Full R J，Autumn K，Chung J I，et al.Rapid Negotiation of Rough Terrain by Death_head Cockroach[J].American Zoologist，1998，38(5):81.

[8]杜永輝，黃真.昆蟲腿機構(gòu)參數(shù)測量[J].機械設(shè)計，1996(1):24-26.

[9]余聯(lián)慶.仿馬四足機器人機構(gòu)分析與步態(tài)研究[D].武漢:華中科技大學(xué)，2007.

[10]王周義，王金童，吉愛紅，等.虎紋捕鳥蛛運動反力測試[J].自然科學(xué)進展，2009，19(8):883-888.

[11]成佳偉.大壁虎運動步態(tài)與體態(tài)特征研究[D].南京:南京航空航天大學(xué)，2007.

[12]文智平.大壁虎運動力學(xué)測試系統(tǒng)研制及其力學(xué)規(guī)律分析[D].南京:南京航空航天大學(xué)，2008.

[13]傅丹，周劍，邱志強，等.基于直線的集合不變性標定攝像機參數(shù)[J].中國圖像圖形學(xué)報，2009，14(6):1 058-1 063.

[14]McKenna S，Jabri Z，Duric Z.Tracking Groups of People[J].Computer Vision and Image Understanding，2000，80(1):42-56.

[15]Karmmann K P，Brandt A V.Moving Object Recognition using an Adaptive Background Memory[A].Time_Varying Image Processing and Moving Object Recognition[C].Elsevier，Amsterdam，The Netherlands，1990:289-296.

[16]Stauffer C，Grimson W E L.Adaptive Background Mixture Models for Real_time Tracking [A].Proceeding of IEEE Conference on Computer Vision and Pattern Recognition[C].1999，2:246-252.

[17]Bimal Poddar，Intel，WGL_ARB_render_texture[EB/OL].2001 _ 6_ 16.http://oss.sgi.com/p rojects/ogl _samp le/registry/ARB /wgl_render_tex.ture.txt.

[18]Khronos.EXT_framebuffer_object，[ EB /OL ]，2007 _ 2 _ 13.http: / /www.opengl.org/ registry/ specs/EXT / framebuffer_object.txthttp: / /ati.amd.com /developer.

[19]高光磊.基于FBO和GPU的動態(tài)CEM算法及實現(xiàn)[J].世界科技研究與發(fā)展，2008，30(4):440-442.