趙　婧， 曹江濤

(遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001)

?

視覺傳感系統(tǒng)的自主移動(dòng)機(jī)器人路徑規(guī)劃方法*

趙婧， 曹江濤

(遼寧石油化工大學(xué) 信息與控制工程學(xué)院，遼寧 撫順 113001)

在未知環(huán)境下，機(jī)器人很難快速獲取周邊環(huán)境信息并建立實(shí)時(shí)環(huán)境地圖，實(shí)現(xiàn)自主運(yùn)行。為此提出基于視覺導(dǎo)航的方法，利用全景攝像機(jī)作為機(jī)器人的視覺傳感器系統(tǒng)采集環(huán)境信息，將彩色地圖進(jìn)行HSI空間下模糊聚類圖像分割，得到環(huán)境二值圖像；將圖像進(jìn)行柵格化處理來(lái)構(gòu)建環(huán)境地圖，運(yùn)用8方向連接的Dijkstra進(jìn)行全局路徑規(guī)劃，計(jì)算出最優(yōu)路徑，從而實(shí)現(xiàn)移動(dòng)機(jī)器人的快速、自主運(yùn)動(dòng)。經(jīng)過仿真實(shí)驗(yàn)證明，該方法有效且可行。

機(jī)器人； 視覺導(dǎo)航； 視覺傳感器； 模糊聚類； 環(huán)境地圖； 路徑規(guī)劃

0　引　言

對(duì)移動(dòng)機(jī)器人路徑規(guī)劃的研究一直是國(guó)內(nèi)外學(xué)者的研究熱點(diǎn)[1～3]。Kleinert M，Schleith S[4]，在室內(nèi)GPS導(dǎo)航失效的情況下，提出采用視覺同時(shí)定位與地圖構(gòu)建,即Visual SLAM技術(shù)輔助慣性導(dǎo)航的方法,實(shí)時(shí)建立了環(huán)境的增量式地圖，有效抑制了導(dǎo)航系統(tǒng)的誤差積累。但是此方法只利用機(jī)器人內(nèi)部數(shù)據(jù)和局部視覺信息實(shí)現(xiàn)導(dǎo)航，因而難以獲取環(huán)境的全局信息。Chen C L等人[5]提出了一種基于相機(jī)的視覺伺服控制系統(tǒng)運(yùn)動(dòng)模型來(lái)控制未知環(huán)境下的移動(dòng)機(jī)器人導(dǎo)航。這種方法可以實(shí)現(xiàn)機(jī)器人的視覺導(dǎo)航，但是是采用安裝于機(jī)器人上的視覺系統(tǒng)使得機(jī)器人對(duì)周邊環(huán)境信息的獲取具有一定的局限性，降低了整個(gè)系統(tǒng)的實(shí)用性。

在未知的動(dòng)態(tài)環(huán)境中，周邊的環(huán)境信息隨時(shí)可能發(fā)生變化。因此，動(dòng)態(tài)環(huán)境中全局信息的實(shí)時(shí)獲取是至關(guān)重要的。本文設(shè)計(jì)了基于視覺導(dǎo)航自主移動(dòng)機(jī)器人的路徑規(guī)劃方法，利用環(huán)境中布置的全景攝像頭作為機(jī)器人的視覺傳感器系統(tǒng)進(jìn)行環(huán)境信息的采集與分析，區(qū)別于安裝在機(jī)器人上的相機(jī)，可以得到整個(gè)環(huán)境的實(shí)時(shí)信息。同時(shí)避免了聲吶傳感器、紅外傳感器等易受外界環(huán)境干擾的弊端；并且，當(dāng)室內(nèi)的環(huán)境信息發(fā)生變化時(shí)，可以及時(shí)更新環(huán)境信息。對(duì)該信息進(jìn)行圖像處理，創(chuàng)建環(huán)境地圖，這為機(jī)器人后面進(jìn)行快速、準(zhǔn)確的路徑規(guī)劃提供了可能。

1　總體方案設(shè)計(jì)

本文提出的方法主要可分為四個(gè)步驟：環(huán)境信息的圖像采集[6]、圖像處理(RCB轉(zhuǎn)換到HIS，模糊C聚類分割)、構(gòu)建環(huán)境柵格地圖和全局路徑規(guī)劃。

2　基于HSI空間的模糊聚類的彩色圖像處理技術(shù)

2.1機(jī)器人視覺導(dǎo)航技術(shù)

圖1　圖像采集方案Fig 1　Image acquisition scheme

2.2顏色模型與轉(zhuǎn)換

從人的視覺感知和特性的角度出發(fā)，顏色空間所對(duì)應(yīng)的RGB空間不具有一致性，并且不太直觀。而HSI顏色模型是一種更加接近于人眼對(duì)色彩感知的顏色模型，因此，為了更好地對(duì)彩色圖像處理和識(shí)別，本文采用基于HSI空間的模糊聚類彩色圖形分割算法進(jìn)行圖像處理。其中，H代表色調(diào)，S代表飽和度，而I則代表亮度，用這三個(gè)分量來(lái)對(duì)色彩進(jìn)行描述[7～10]。

RGB 顏色模型和 HSI 顏色模型有如下關(guān)系[11]

(1)

根據(jù)RGB顏色模型和HSI顏色模型的轉(zhuǎn)換公式，將彩色地圖圖像由RGB轉(zhuǎn)換到HSI空間模型下。其中,HSI顏色模型下的各分量圖如圖2所示。

圖2　HSI 顏色模型下各分量圖Fig 2　Diagram of each component in HSI color model

2.3模糊C聚類[12]

(2)

Ej(xk)=‖xk-yj‖2

(3)

式中U={ujk}，m>1為常數(shù)，其約束為

(4)

(5)

(6)

(7)

基本思路為：將所有的像素點(diǎn)集分為c類，任意樣本對(duì)某類的隸屬度為ujk，通過最小化關(guān)于隸屬度矩陣和聚類中心的目標(biāo)函數(shù)來(lái)實(shí)現(xiàn)像素點(diǎn)的分類，即不同區(qū)域的分類。

對(duì)于油田企業(yè)來(lái)說(shuō)，檔案信息化數(shù)據(jù)運(yùn)行管理中，如何確保檔案資料的安全性與保密性，是現(xiàn)階段需要考慮的重點(diǎn)問題。近年來(lái)，電子檔案逐漸成為主流，隨之而來(lái)的電子檔案丟失、泄露等問題也頻頻出現(xiàn)。而油田檔案直接關(guān)系到油田企業(yè)的商業(yè)機(jī)密，更需要做好安全保管。除了利用計(jì)算機(jī)自帶的防火墻進(jìn)行電子檔案保護(hù)外，還要綜合采取其他安全措施，例如要求檔案管理人員養(yǎng)成良好作業(yè)習(xí)慣，禁止利用辦公計(jì)算機(jī)下載文件，或是將個(gè)人U盤、移動(dòng)設(shè)備連入企業(yè)計(jì)算機(jī)等。此外，定期對(duì)系統(tǒng)進(jìn)行殺毒、升級(jí)殺毒軟件，通過綜合采取措施，確保電子檔案的安全。

2.4算法流程

1)顏色粗糙度的計(jì)算

顏色粗糙度Sm[13]是用來(lái)衡量彩色圖像顏色變化的劇烈程度的，而圖像中的平均顏色粗糙度Savg則可以作為這幅圖像顏色的量化參照。設(shè)圖圖像空間分兩只為Xi，矩陣為M×N，則定義如下所示

(8)

(9)

式中xmean表示該彩色圖像的顏色均值，Savg為這幅圖像顏色變化劇烈程度的量化參照。而Xj在[0,1]之間，則可以推算出，用Savg設(shè)定彩色圖像的分割區(qū)域數(shù)量，即進(jìn)行聚類的數(shù)目。

2)基于HSI空間的模糊聚類彩色圖形分割算法流程：

a.將原始彩色圖像按式(7)轉(zhuǎn)換為HSI空間下。

b.按照以下規(guī)則進(jìn)行圖像區(qū)域模糊聚類：

利用模糊成員函數(shù)產(chǎn)生M個(gè)聚類中心；在HSI空間的I值域上，在這些聚類中心運(yùn)用C—均值法進(jìn)行聚類；對(duì)每個(gè)區(qū)域進(jìn)行優(yōu)化計(jì)算，算法準(zhǔn)則為：設(shè)r為忽略系數(shù)，經(jīng)多次仿真得出，一般為圖像分辨率M×N中min(M,N)的0.01～0.05倍，r越小，劃分結(jié)果越細(xì)致，令,K=r·min(M,N)，規(guī)定對(duì)于分割后的子區(qū)域，若小于K×K面積，則將它合并到相鄰區(qū)域；合并后將原彩色圖像進(jìn)行分割，劃分出不同區(qū)域條，完成分割。具體流程圖如圖3所示。

圖3　算法流程圖Fig 3　Algorithm flow chart

得到的彩色圖像分割圖如圖4所示。

圖4　彩色圖像分割圖Fig 4　Color image segmentation

3　機(jī)器人環(huán)境地圖建模

由于本設(shè)計(jì)采用位于屋頂?shù)娜皵z像頭，可以獲取室內(nèi)物體的全方位環(huán)境信息，環(huán)境中的物體對(duì)于攝像機(jī)的遠(yuǎn)近的影響可以忽略，因此，采用建立二維地圖的方法，可以減少計(jì)算量。建立移動(dòng)機(jī)器人二維工作空間的環(huán)境地圖模型是移動(dòng)機(jī)器路徑規(guī)劃的重要任務(wù)，由于柵格法的地圖創(chuàng)建和維護(hù)比較容易，并且各個(gè)柵格的信息直接與環(huán)境中某區(qū)域信息相對(duì)應(yīng)，因此，本文選取柵格法進(jìn)行室內(nèi)環(huán)境建模。 經(jīng)過圖像分割處理后的機(jī)器人視覺地圖是像素為0，1的矩陣。其中，0為黑色障礙物區(qū)域；1為白色可行區(qū)域。將圖像分割地圖柵格化后的室內(nèi)環(huán)境地圖模型如圖5所示。

圖5　柵格地圖Fig 5　Grid map

4　機(jī)器人的路徑規(guī)劃

本文采用單元分解路徑規(guī)劃的基本思路，用規(guī)則的柵格法表示機(jī)器人工作環(huán)境，然后運(yùn)用搜索算法尋找最優(yōu)路徑，由于考慮了環(huán)境中不確定的環(huán)境因素，本文采用8方向連接的全局優(yōu)化D*[14]算法對(duì)柵格地圖進(jìn)行路徑規(guī)劃。D*算法應(yīng)用了貪心算法模式，采用標(biāo)號(hào)方法進(jìn)行最短路徑搜索，是目前公認(rèn)最好的求解最短路徑方法。它的基本思想是：按路徑長(zhǎng)度遞增依次產(chǎn)生最短路徑。其步驟如下：

1)首先搜索與源節(jié)點(diǎn)相關(guān)聯(lián)的節(jié)點(diǎn)，然后初始化節(jié)點(diǎn)列表中所有節(jié)點(diǎn)的權(quán)值，同時(shí)創(chuàng)建有效節(jié)點(diǎn)的關(guān)聯(lián)表。

2)選取最短距離節(jié)點(diǎn)操作：選擇節(jié)點(diǎn)Node[j]，使得cost[j]=min{cost[i],cost[i]∈Nodelist}。其中，Node[j]為當(dāng)前求得的從源節(jié)點(diǎn)出發(fā)的最短路徑終節(jié)點(diǎn)。

3)優(yōu)化操作：對(duì)從Node[j]出發(fā)到節(jié)點(diǎn)Node[k]進(jìn)行優(yōu)化，即若，則修改為。

4)重復(fù)步驟(2)和步驟(3)，直至Node[j] =finalv，finalv為目標(biāo)節(jié)點(diǎn)。

5)結(jié)束。

仿真結(jié)果如圖6所示。

圖6　路徑規(guī)劃仿真圖Fig 6　Path planning simulation diagram

在圖6中，三角形代表起始點(diǎn)，正方形代表目標(biāo)點(diǎn)，連線代表最短路徑連線。

表1　路徑規(guī)劃數(shù)據(jù)結(jié)果

從仿真結(jié)果可以看出：在經(jīng)過圖像處理的地圖中，任意設(shè)定機(jī)器人的起始點(diǎn)與終止點(diǎn)，該算法都能成功的進(jìn)行全局路徑規(guī)劃，找到最優(yōu)路徑。

5　結(jié)　論

本文利用全景攝像機(jī)采集環(huán)境信息，采用基于HSI空間的模糊聚類彩色圖形分割算法進(jìn)行圖像處理,得到環(huán)境二值圖像，進(jìn)而構(gòu)建環(huán)境地圖，進(jìn)行全局路徑規(guī)劃的方法，實(shí)現(xiàn)了移動(dòng)機(jī)器人的自主運(yùn)動(dòng)。

該方法可以實(shí)時(shí)地構(gòu)建復(fù)雜的全局地圖，快速進(jìn)行路徑規(guī)劃，避開障礙物并找出最短路徑;算法簡(jiǎn)單，且具有較強(qiáng)的實(shí)時(shí)性。仿真結(jié)果表明：通過該方法規(guī)劃出的運(yùn)行路線，在復(fù)雜的障礙物環(huán)境中，擁有較好的路徑規(guī)劃性能。

[1]郭文亮.基于全局視覺的移動(dòng)機(jī)器人導(dǎo)航系統(tǒng)研究[D].北京：北京交通大學(xué),2011.

[2]Zhang Q,Jia Q,Sun H,et al.Single image-based path planning for a spherical robot[C]∥The 5th IEEE Conference on Industrial Electronics and Applications(ICIEA),IEEE,2010:1879-1884.

[3]毛利民,盧振利,朱培逸,等.智能校園巡檢機(jī)器人設(shè)計(jì)與控制[J].測(cè)控技術(shù),2015,34(1):84-90.

[4]KleinertM，SchleithS．InertialaidedmonocularSLAMforGPS-deniednavigation[C]∥IEEEConferenceonMultisensorFusionandIntegrationforIntelligentSystems,2010：20-25．

[5]ChenCL,LeeMR.Globalpathplanninginmobilerobotusingomnidirectionalcamera[C]∥2011InternationalConferenceonConsumerElectronics,CommunicationsandNetworks(CECNet),IEEE,2011:4986-4989.

[6]許俊勇,王景川,陳衛(wèi)東.基于全景視覺的移動(dòng)機(jī)器人同步定位與地圖創(chuàng)建研究[J].機(jī)器人,2008,30(4):289-297.

[7]張國(guó)權(quán),李戰(zhàn)明,李向偉,等.HSV空間中彩色圖像分割研究[J].計(jì)算機(jī)工程與應(yīng)用,2010,46(26):179-181.

[8]魏武,龔樹鋒.基于機(jī)器視覺的非結(jié)構(gòu)化道路檢測(cè)算法研究[J].傳感器與微系統(tǒng),2010,29(1):39-41.

[9]王艷慶,程偉德,張華,等.激光視覺傳感器對(duì)不連續(xù)焊縫的識(shí)別[J].傳感器與微系統(tǒng),2011,30(5):8-11.

[10] 丁廣帥,雷運(yùn)洪.基于機(jī)器視覺區(qū)域處理技術(shù)的水中機(jī)器人定位方法[J].兵工自動(dòng)化,2010,29(11):74-78.

[11]RoyerE,LhuillierM,DhomeM,etal.Monocularvisionformobilerobotlocallizationandautonomousnavigation[J].InternationalJournalofComputerVision,2007,74(3):237-260.

[12]BezdekJC.Patternrecongnitionwithfuzzyobjectivefuoionalgorithms[M].NewYork:PlenumPress,1981.

[13] 葉齊祥，高文，王偉強(qiáng)，等.一種融合顏色和空間信息的彩色圖像分割算法[J].軟件學(xué)報(bào)，2004,15(4)：5-22.

[14]StentzA.Optimalandefficientpathplanningforpartially-knownenvironments[C]∥ProceedingsoftheIEEEInternationalConfe-renceonRobotics&Automation,1994,:3310-3317.

Path planning method of autonomous mobile robot based on vision sensing system*

ZHAO Jing, CAO Jiang-tao

(School of Information and Control Engineering,Liaoning Shihua University,Fushun 113001,China)

It is very difficult for robot to quickly obtain surrounding environment information and establish real-time environment map to achieve autonomous operation in unknown environment.To solve the problem,present a method based on visual navigation,which uses panoramic camera as vision sensor system of robot to collect environmental information and use fuzzy clustering image segmentation to division color map in HSI space,and obtain binary image;grid processing on image is carried out,build environment map,and use 8 directions connected Dijkstra for global path planning and calculate the optimal path,so as to achieve fast and autonomous movement of mobile robot.The simulation experiments show that the method is effective and feasible.

robot; visual navigation; vision sensor; fuzzy clustering; environmental map; path planning

2015—11—04

國(guó)家自然科學(xué)基金資助項(xiàng)目(61203021)；遼寧省自然科學(xué)基金資助項(xiàng)目(2013020024)

TP 391

A

1000—9787(2016)08—0044—03

趙婧(1989-)，女，遼寧錦州人，碩士研究生，主要研究方向?yàn)橹悄軝C(jī)器人自主導(dǎo)航與控制。

DOI:10.13873/J.1000—9787(2016)08—0044—03