摘 要：目前很多各種各樣的循跡算法都是基于可移動的，固定在移動物體上的攝像頭，這樣很多時候都造成攝像頭所能拍攝的范圍不廣?？紤]到這一點，利用外部的攝像頭去控制小車的循跡，增大其能看到的范圍，基于OpenCV的前景檢測，利用多次重復(fù)拍攝并且與背景做差的方法得到小車實時位置，并據(jù)此進行實時修正以減少范圍大了之后精度可能降低的缺點。設(shè)計出一個多次拍攝的圖像進行全局幀差的算法，從而對小車進行定位，再向小車發(fā)出命令修正實際的方向誤差。

關(guān)鍵詞：OpenCV；循跡；前景檢測；重復(fù)拍攝；全局幀差；實時修正

中圖分類號：TP274

這個算法是在一個撿網(wǎng)球小車的項目中實現(xiàn)的，首先通過外部的攝像頭捕捉出網(wǎng)球場中的畫面，然后利用openCV自帶庫函數(shù)中的hough的圓變換算法識別出圓以及找到球的圓心，并且調(diào)整灰度值和三原色值，從而找出所有的網(wǎng)球的坐標，這里不需要進行坐標的變換，因為后面可以看到需要用到的坐標都是屬于圖像上的坐標。根據(jù)這些球的坐標和小車的坐標可以計算出最短的路徑，這個可以理解為一個哈密頓問題，在N小于等于16的情況下可以用狀態(tài)壓縮DP的算法去求解，算法時間是可以接受的，最后把路徑還原出來，通過藍牙把數(shù)據(jù)發(fā)送到小車，小車存儲這些數(shù)據(jù)知道其要走的路線后，開始啟動。在實際中小車不可能完完全全的按照規(guī)定的路線嚴格的走，所以小車必須進行實時的修正路線，在這里我們使用的是基于OpenCV的前景檢測的方法去實現(xiàn)的，通過每一次的偏離計算得到每一次修正的數(shù)據(jù)通過PC端發(fā)送給小車，使其最后達到網(wǎng)球的位置并撿起網(wǎng)球。

1 OpenCV前景檢測循跡過程

1.1 OpenCV中的前景檢測

為了理解前景檢測的概念，我們先要通過建立場景模型，知道前景和背景的概念，一個場景模型可能包含許多層次，從“新的前景”到舊的前景再到背景。在我們的項目中，還存在著目標的移動，通過目標的移動，我們可以識別“真的”前景（新位置）和“假的”的前景（其舊的位置，“空洞”）。

如何檢測這些“新的前景”和“舊的前景”？需要將背景消除，才能進行檢測。最簡單的背景消除方法就是用一幀減去另一幀，然后將足夠大的差別標記為前景。這種方法往往能捕捉運動目標的邊緣。第二個方法就是平均背景法，思路是計算每個像素的平均值和標準差作為它的背景模型。這個方法優(yōu)點是精度比較高，但是計算的時間較長，需要遍歷整幅圖像。

1.2 利用前景檢測循跡

由圖1所示，首先我們先會拍取場地的一幀圖像作為背景。之后小車開始出現(xiàn)在場地中，外部的攝像頭開始采集圖像，假如T1和T2時刻采取的圖像如圖所示。令T1時刻采取的圖像是Pt1，T2時刻采取的圖像是Pt2，背景圖像為Pbg.首先把圖像轉(zhuǎn)換為灰度圖像，然后把T1和T2時的灰度圖像矩陣分別與背景做差。如下等式（1）（2）所示：

中括號表示矩陣的意思。經(jīng)過（4）（5）的過程之后，將兩幅差幀圖像做與操作，使軌跡圖像更精確些。如等式（3）所示。

D1或者是D2是背景消除之后的結(jié)果，得到的RES矩陣結(jié)果就是背景消除之后前景運動軌跡的結(jié)果。

小車中心確定：通過D1或者D2，可以大概確定到小車的位置，因為D1（D2）中已經(jīng)將背景消除，通過運動輪廓的橫縱的最大值確定中心點位置，并且可以通過實驗驗證這個中心位置坐標確定的正確性，以及進行修正，通過OpenCV的一些工具可以在視頻圖像中標出中心點的位置。

小車方向確定：因為每次拍攝的間隔很短，所以我們可以認為每兩次拍攝小車走的都是直線運動，從而通過兩個中心點的連線確定小車當前的方向，如圖2所示。

1.3 移動循跡過程中的修正

修正原理是通過小車當前的坐標和小球坐標（即目標位置坐標），以及上一個終點（撿的上一個球）坐標三個參數(shù)共同確定。

如上圖所示，α是待求角度。SP點表示start point，即小車起點或者是撿起前一個球后的所在位置；NP表示now point，即目前小車已經(jīng)從SP走到NP位置，小車當前時刻所在位置；BP表示ball point，即下一個需要撿起的小球的位置。這三個點的坐標都是可以實時可以從拍攝的幀圖像中取得，因此根據(jù)這三點位置可以知道小車當前偏移理想路徑（圖3中的虛線）的程度，根據(jù)計算得出的角度α對小車運動方向進行修正。

SP到BP直線方程：

NP到BS直線間距離：

NS之間距離：

求解得到α：

根據(jù)α具體的數(shù)值，對小車發(fā)送數(shù)據(jù)進行方向的糾正，理論上α角度值越大，需要糾正的程度越大，糾正通過發(fā)送數(shù)據(jù)改變小車舵機信號上的占空比，從而改變小車的實時方向。當然，在不同的場地上糾正的數(shù)值是不相同的，所以我們只做了對我們場地的修正，需要不停的測試，得到一個合適的修正數(shù)值。也可以獲取場地的一些摩擦因數(shù)和壓力等參數(shù)引入做一個修正參數(shù)的計算模型，不過在實際情況中這些方法都是比較麻煩的，所以我們采用在場地中反復(fù)測試后得到的修正參數(shù)。

2 實驗結(jié)果

2.1 實驗環(huán)境

2.2 結(jié)果演示

圖4是利用MFC開發(fā)的MFC軟件，整個流程是先用”粗識”按鈕識別網(wǎng)球，這個按鈕就是實現(xiàn)了cvHoughCircle（）函數(shù)識別圓的功能，當找到的圓過多，可以根據(jù)控制臺打印的提示數(shù)據(jù)調(diào)整點數(shù)值和g值（綠值）后選擇“球的存在”即可以把所有網(wǎng)球找到。第二個步驟是點開視頻，可以實時的看到場地畫面，然后點擊“軌跡”后就可以讓小車開始移動，畫面可以實時跟蹤并顯示軌跡，而且后臺也會發(fā)送數(shù)據(jù)使得小車修正路線。由于此項目當時的攝像頭攝像范圍過小，故實驗將用一個球進行循跡修正的過程。

圖5顯示了識別球后會顯示球的個數(shù)以及他的坐標還有識別時候的綠點數(shù)，這些參數(shù)對于如果找到了一些不是網(wǎng)球的圓進行排除是非常有用的。下面就開始展示循跡的過程。

理想的路徑顯然是從車的起點到球的位置，但是現(xiàn)實是不可能的，所以需要進行修正。上圖的紅色部分是前景檢測部分檢測出的不同地方，黃色點是通過計算得出的小車的實時中心位置。

我們再通過下面的4張圖進行更進一步的去理解這整個過程。其實有更多的實驗數(shù)據(jù)結(jié)果，但這些都是需要以圖片或者是視頻的形式展現(xiàn)出來，所以這里給出這次循跡的全部過程。

通過圖7-8可以很清晰的看到整個循跡的過程。采取外部的攝像頭，每隔一定的時間采取一幀圖像，每次通過小車的中心點（上圖黃點）的位置計算修正參數(shù)，再把參數(shù)通過藍牙發(fā)送到小車端，讓小車進行修正的運動。

3 結(jié)語

通過這個算法的實現(xiàn)，我們發(fā)現(xiàn)在開源的OpenCV基礎(chǔ)上，圖像處理還是有很多方向的研究可以進行的，目前OpenCV上的算法可能都是可以優(yōu)化的，就如識別圓的算法上，根據(jù)現(xiàn)實情況的需要，對算法進行改進。在循跡過程中，可以用到其中的一些背景消除的算法，根據(jù)自己的需要去選擇。但是目前這個循跡算法的缺點是由于采用背景消除，所以不能背景在每個時刻不能改變，否則就會成為下一個前景，混入我們的計算范圍內(nèi)，原來的計算范圍僅僅限于前景，所以我們會根據(jù)這點再往后面展開更深的研究如何排除背景變化的影響。

參考文獻：

[1]Zhang Z. Flexible camera calibration by viewing a plane from unknown orientations[C]. //Computer Vision， 1999，Kerkyra： The Proceedings of the Seventh IEEE International Conference， 1999.

[2]OpenCV. http：//www.opencv.org.cn [OL].

[3]李江濤，倪國強，王強，等.一種快速準確識別圓形目標的新算法[J].激光與紅外，2007，37（6）：576-578.

[4]張運華，邢誠.一種改進的圓檢測算法[J].地礦測繪，2008，24（3）：6-8.

[5]胡東紅，汪浩，艾君，等.兩種圖像校正算法在實際應(yīng)用中的比較[J].計算機工程與應(yīng)用，2009，45（13）：191-193，226.

[6]湯超.opencv的運動目標檢測[D].廈門大學信息科學與技術(shù)學院，2009.

[7]http：//opencv.org [OL].

[8]Musser D R， Derge G J， Saini A.STL Tutorial and Reference Guide： C++ Programming with the Standard Template Library[M].2nd Revised edition. Addison-Wesley Educational Publishers Inc，2001.

[9]黃嵐.王康平，周春光，龐巍，等.粒子群優(yōu)化算法求解旅行商問題[J].東北大學學報（自然科學版），2003，4（41）：477-480.

[10]田貴超，黎明，韋雪潔.旅行商問題（TSP）的幾種求解方法[J].計算機仿真，2006，8（23）：153-157.

作者簡介：揭展明（1992-），男，廣東中山人，學生，本科，研究方向：云計算；段文迪（1991-），寧夏石嘴山人，學生，本科，研究方向：圖像處理；曹雨（1992-），男，河北人，學生，本科。

作者單位：電子科技大學計算機工程學院極限網(wǎng)絡(luò)計算與服務(wù)實驗室，成都 611731；電子科技大學自動化工程學院，成都 611731