黃 露, 朱 明, 張偉峰

(中國科學技術大學 信息科學技術學院, 合肥 230022)

基于人工路標的室內(nèi)機器人導航方法①

黃 露, 朱 明, 張偉峰

(中國科學技術大學 信息科學技術學院, 合肥 230022)

在室內(nèi)環(huán)境下, 以往的人工路標設計方案, 其識別算法復雜, 準確率較低, 而且難以滿足實時性的要求. 針對這樣的問題, 本文設計了兩種新的人工路標: 定位人工路標和糾偏人工路標, 不僅可以有效地幫助室內(nèi)移動機器人導航定位和糾偏, 而且具有識別簡單快速的優(yōu)點. 機器人實時識別定位人工路標, 并根據(jù)識別的糾偏人工路標來調整自身的位置和運動方向, 使得機器人可以沿著事先規(guī)劃好的路徑順利前行. 通過實驗表明, 在室內(nèi)光線較暗、適中、強光三種光線條件下, 兩種人工路標識別準確率高, 且識別速度快, 能夠滿足導航實時性的要求.

室內(nèi)環(huán)境; 人工路標; 準確率; 實時性; 移動機器人; 導航

伴隨著室內(nèi)移動機器人研究水平的不斷提高, 其應用范圍也越來越廣泛, 在人們生活和工業(yè)生產(chǎn)中發(fā)揮著重要的作用. 在室內(nèi)移動機器人相關技術的研究中, 導航技術是其研究核心[1]. 在導航過程中, 常常面臨無法預測的動態(tài)環(huán)境變化, 因此, 實現(xiàn)移動機器人自主導航是一項迫不及待的任務[2]. 為了實現(xiàn)這一任務, 首先要解決的是移動機器人實時準確定位的問題, 而視覺導航因其獲取的信息量大, 已經(jīng)逐漸成為移動機器人定位的首選導航方案[3].

目前, 機器人視覺導航的定位主要通過視覺傳感器獲取環(huán)境中具有明顯特征的路標進行定位[3], 其中路標主要分為自然路標和人工路標. 從大量的文獻來看,目前基于自然路標的視覺導航[4-7]受環(huán)境不確定因素影響大, 算法復雜, 相比于自然路標, 人工路標輔助機器人定位技術, 具有路標特征穩(wěn)定、定位算法簡單等優(yōu)勢[8], 因此, 近年來國內(nèi)外研究人員開展了很多研究工作[9-16]. 文獻[9-13]提出了基于二維碼的人工路標, 雖然該路標包含的信息量大, 但是二維碼的識別速度慢, 難以滿足實時性的要求, 而且識別的準確率受機器人與二維碼的距離影響較大. 文獻[14]設計了一種AR-mark人工地標來進行機器人視覺導航, 但是當機器人與人工路標的距離大于1.5 m時, 人工路標的圖像不清晰, 導致特征點檢測誤差大, 定位精度低, 可見在這種情況下, 無法滿足機器人導航的準確性和實時性. 文獻[15]中采用了一種對稱矩形結構且含有數(shù)字的彩色人工路標, 其識別算法復雜, 整個識別過程的平均時間為0.2656 s, 無法很好地滿足實時性的要求. 文獻[16]提出了采用數(shù)字人工路標導航的移動機器人, 在不同的應用中分別采用批處理濾波器(Batch filter)和遞歸濾波器(Recursive filter)時, 均不能同時滿足準確性和實時性的要求.

針對上述問題, 為了同時滿足人工路標輔助機器人定位導航的準確性和實時性, 本文先從人工路標的設計著手, 設計了兩種人工路標: 糾偏人工路標和定位人工路標(以下分別簡稱糾偏路標和定位路標), 且提出了快速有效的識別方法. 其中, 糾偏路標用于判斷是否需要對運動中的機器人進行位置和方向上的調整; 定位路標用于確定機器人自身所處的目標位置, 并且可以被識別為對應著該位置的路標編碼. 室內(nèi)環(huán)境中, 在機器人所經(jīng)過的各個目標位置的天花板上, 放置定位路標, 并且在定位路標之間放置糾偏路標. 根據(jù)機器人前進路徑中各個定位路標對應的路標編碼的關系, 進一步提出了路徑規(guī)劃表, 使得機器人可以沿著事先規(guī)劃好的路徑順利完成導航任務. 最后, 通過實驗驗證了,識別糾偏路標和定位路標的快速性和準確性, 滿足導航準確性和實時性的要求, 因此, 本文提出的基于人工路標的室內(nèi)機器人導航方法具備可行性.

1 兩種路標的設計和安放位置

1.1 糾偏人工路標的設計

本研究中室內(nèi)機器人采用的是性能良好的步進電機, 雖然可以盡可能避免由于兩個驅動輪轉速不同而產(chǎn)生的方向改變, 但是由于機器人行駛過程中存在振動等干擾因素, 而使機器人偏離原有的運動方向, 難以保證其長距離直線行駛. 因此, 在機器人偏離原有運動方向的情況下, 需要對其進行糾正, 保證其能順利到達目的地. 于是, 本研究設計了如圖1所示的糾偏路標. 糾偏路標最外層采用的是黑色圓環(huán)結構, 內(nèi)部有一條穿過圓環(huán)圓心并與圓環(huán)等寬的黑色直線區(qū)域.

圖1 糾偏人工路標

1.2 定位人工路標的設計

本研究設計了黑白圓環(huán)結構的定位路標, 如圖2所示.

圖2 定位人工路標

從圖示可見, 定位路標采用的是同心的黑白圓環(huán)結構, 規(guī)定每個圓環(huán)寬度相等, 而且最外層圓環(huán)是黑色的. 從圓環(huán)結構的最大外圍輪廓到圓心, 由于每個黑色或白色圓環(huán)對應的寬度是相等的, 按照每個圓環(huán)對應的寬度, 依次將黑色圓環(huán)區(qū)域識別為1, 白色圓環(huán)區(qū)域識別為0, 這樣就會將各個定位路標識別為對應的一串二進制路標編碼. 當然, 本文沒有設計全黑圓環(huán)結構的定位路標, 是防止其與糾偏路標均被識別為全1的二進制編碼, 難以區(qū)分開來.

當需要更多的定位路標時, 可以在保證定位路標黑白圓環(huán)寬度相等, 以及最外層是黑色圓環(huán)的前提下,增加圓環(huán)的數(shù)目, 就可以達到增加定位路標數(shù)量的目的. 當定位路標的圓環(huán)數(shù)目為n時, 在定位路標的最外層圓環(huán)是黑色的情況下, 本研究最多可以設計出定位路標的總數(shù)量為Nc, 則Nc=2n-1-1. 顯然, 隨著定位路標圓環(huán)數(shù)目的增加, 設計的定位路標數(shù)量呈指數(shù)變化增加, 從而保證能設計出足夠數(shù)量的定位路標. 在圖2中,本研究選擇定位路標的圓環(huán)數(shù)目n=4, 總的定位路標總數(shù)量為Nc=7.

1.3 兩種路標的安放位置

在室內(nèi)環(huán)境下, 將機器人經(jīng)過的各個轉彎路口和需要停駐的位置, 選擇為目標位置. 在各個目標位置的天花板上, 設置相應的定位路標, 使其不易遭到人為因素的破壞. 在各個定位路標之間, 設置糾偏路標, 使定位路標和糾偏路標的中心點位于同一條直線上, 并且使糾偏路標的黑色直線區(qū)域垂直于該條直線.

怎么決定兩個糾偏路標之間的距離L, 本文使用機器人的攝像頭進行標定, 從而計算出這個距離L. 我們使用機器人自身的攝像頭去采集天花板的圖像, 如圖3所示, 圖像的外圍輪廓是一個長為W的矩形, 這時恰好有一個糾偏路標位于圖像的最左邊, 右邊恰好有一個糾偏路標不落在圖像內(nèi), 在圖像中糾偏路標的直徑為D. 這時在天花板上設置兩個糾偏路標的距離:

式(1)中d為糾偏路標的實際直徑大小.

圖3 糾偏路標距離標定示意圖

2 兩種人工路標的識別

在采集的圖像中, 機器人首先要檢測是否含有人工路標. 如何從采集的圖像中檢測到人工路標, 是識別人工路標的前提. 本文設計的兩種人工路標采用的都是圓環(huán)結構, 于是采用OpenCV應用中的霍夫圓變換來檢測圖像中是否存在人工路標. OpenCV應用中的霍夫圓變換是一種圓特征提取技術, 作為相對簡單的圓檢測常用方法, 與一般的擬合圓算法比起來, 其優(yōu)點在于:

(1) 與原始的標準霍夫圓變換算法相比, OpenCV應用中的霍夫圓變換采用靈活的霍夫梯度法, 將三維的累加平面轉化為二維累加平面, 從而減少計算量, 縮短計算時間.

(2) 該方法采用統(tǒng)計投票的方法, 將圖像空間中較為困難的全局檢測問題轉化為參數(shù)空間中相對容易解決的局部峰值檢測問題. 也就是說, 工作的重點就是如何更準確、有效地檢測出參數(shù)空間中共同投票區(qū)域的投票積累峰值, 提高了算法的執(zhí)行速度, 執(zhí)行起來效率很高.

(3) 該方法能夠有效解決在三維累加器中產(chǎn)生許多噪聲并使得結果不穩(wěn)定的稀疏分布問題.

(4) 該方法對噪聲點不敏感, 具有良好的抗干擾能力. 在檢測圓形目標時, 具有受圓形曲線間斷影響小的優(yōu)點, 即使目標有稍許缺損或者污染也能被正確識別.

(5) 兩種路標的半徑是固定值, 從而能夠準確、合理地設置該檢測方法的半徑參數(shù), 使得圓檢測速度快、效果好. 由于這兩種人工路標都固定在天花板上,所以在采集的圖像中, 這兩種人工路標的最大外圍半徑是固定的. 本文設置定位路標與糾偏路標的最大外圍半徑不同, 這樣就能通過檢測方法的半徑參數(shù), 分別將兩種人工路標快速地從采集的圖像中檢測出來.

綜上可見, 本文采用OpenCV應用中的霍夫圓變換進行檢測人工路標具有合理性. 而且, 圓環(huán)結構的人工路標使本文不需要考慮人工路標與機器人的相對方位,機器人從各個方位都可以識別人工路標.

2.1 定位路標轉換成路標編碼

機器人利用攝像頭采集天花板上的圖像, 檢測存在定位路標后, 對采集的圖像進行一系列的圖像處理,得到定位路標對應的路標編碼. 識別定位路標的具體步驟如下:

(1) 檢測定位路標是否存在: 首先, 合理設置好霍夫圓變換的半徑參數(shù). 然后, 對機器人采集的圖像進行灰度處理, 當采集的圖像中存在定位路標時, 霍夫圓變換就能快速檢測到定位路標, 得到定位路標中同心圓環(huán)的圓心O和最大外圍輪廓的半徑R.

(2) 二值化操作: 接下來對該灰度圖像做二值化處理, 實現(xiàn)了對圖像灰度較小和較大的噪聲進行了濾波處理, 將圖像上像素點的灰度值設置為0或255.

(3) 腐蝕和膨脹: 當二值化后的圖像區(qū)域有一些誤判的空洞, 散布著一些干擾噪聲, 所得到的物體圖像的輪廓并不光滑, 這樣的情況下, 連續(xù)數(shù)次的腐蝕迭代和相同次數(shù)的膨脹操作后, 可以明顯的達到改善這種情況的目的, 達到濾除一定噪聲的目的.

(4) 得到路標編碼: 經(jīng)過上述處理后, 定位路標中黑色圓環(huán)區(qū)域的灰度值為0, 白色區(qū)域的灰度值為255.同心圓環(huán)結構的定位路標從最大的黑色外圍輪廓到圓心, 按照每個圓環(huán)對應的寬度, 依次將灰度值為0的黑色圓環(huán)區(qū)域識別為1, 灰度值為255的白色圓環(huán)區(qū)域識別為0, 這樣就會得到一串二進制編碼, 即得到定位路標對應的路標編碼.

圖2中的定位路標通過上述識別過程, 分別得到對應的路標編碼, 如表1所示.

表1 定位路標與路標編碼對應表

2.2 糾偏路標實現(xiàn)位置和方向糾正

本文利用糾偏路標來判斷是否需要對機器人作位置和運動方向上的調整, 具體的步驟如下:

(1) 調整機器人的位置: 合理設置好霍夫圓變換的半徑參數(shù), 并且對采集的圖像進行灰度處理. 當采集的圖像中存在糾偏路標時, 霍夫圓變換就能快速檢測到糾偏路標, 得到糾偏路標中同心圓環(huán)的圓心坐標(X0,Y0)和最大外圍輪廓的半徑R0. 同時記錄此時該采集圖像中心點坐標(X1, Y1). 利用糾偏路標在采集圖像中的圓心坐標(X0, Y0)與圖像中心點坐標(X1, Y1)的距離和角度關系, 判斷是否需要對機器人的位置進行調整, 如果需要調整, 便將機器人朝著糾偏路標的正下方進行移動. 機器人移動的同時, 不斷采集圖像, 反復進行上述過程, 直到機器人移動到糾偏路標的正下方為止.

此時的機器人已經(jīng)位于糾偏路標的正下方了, 但是方向可能已經(jīng)不朝著下一目標位置了. 于是, 需要對機器人的方向做出判斷, 并決定是否需要調整.

(2) 截取糾偏路標: 再次利用霍夫圓變換就能快速檢測到糾偏路標, 得到糾偏路標中同心圓環(huán)的圓心坐標(X00, Y00)和最大外圍輪廓的半徑R00; 利用圓心坐標(X00, Y00)和半徑R00這兩個參數(shù), 便可以將糾偏路標從采集圖像中截取出來, 而不改變它的大小和形狀.

(3) 調整機器人方向: 對截取的糾偏路標, 使用canny邊緣檢測算法得到其邊緣輪廓, 再對其進行二值化操作, 然后利用霍夫線變換找到其邊緣輪廓的直線,利用該直線方向與機器人前進方向的夾角關系, 調整機器人的方向.

經(jīng)過上述步驟的調整, 機器人便位于糾偏路標的正下方, 而且運動方向朝著下一定位路標了.

3 提出導航方法

3.1 將目標位置與定位路標綁定

在室內(nèi)各個目標位置的天花板上, 設置不同的定位路標, 從而將各個目標位置與定位路標進行綁定, 建立目標位置與定位路標一一對應的關系. 在如圖4所示的室內(nèi)定位路標布局圖中, 一共有A、B、C、D、E、F、G七個目標位置, 并在每個目標位置分別對應設置了圖2中所示的定位路標, 定位路標的地址編碼在圖4中相應標出, 并且用箭頭標注出目標位置A到G、A到E和A到F這三條運動路徑.

圖4 室內(nèi)定位路標布局圖

3.2 建立路徑規(guī)劃關系表

本文將利用目標位置與定位路標綁定的對應關系,建立機器人在室內(nèi)各個目標位置之間的路徑規(guī)劃關系表. 路徑規(guī)劃關系表中包含了機器人經(jīng)過的路標編碼信息、運動指令及標志. 這些運動指令及標志如表2所示. 其中, “AngleValue”表示機器人轉彎的角度值.

表2 運動指令及標志

接下來, 將用路標編碼、運動指令及標志描述路徑規(guī)劃關系, 形成規(guī)劃關系表, 如表3 所示.

在表3中, 用+連接機器人經(jīng)過的每一個路標編碼和將要執(zhí)行的運動指令及標志; 用標志A表示機器人的前進方向; 標志B表示機器人返回方向; 用END表示機器人到達目的后停止運動; 用BACK表示機器人到達目的后再原路返回, 繼續(xù)回到出發(fā)點. 當機器人在出發(fā)點和目的地之間往返經(jīng)過同一人工路標時, 可通過查詢規(guī)劃關系發(fā)出相對應的正確指令. 比如, 機器人的運動路徑是A到E到A, 其運動方向為前進方向(方向標志為A), 當它經(jīng)過剛好經(jīng)過B位置時, 識別出了路標編碼為1001的定位路標, 這時查詢路徑規(guī)劃關系表, 得到的運動指令為為R 90 F , 于是機器人便先右轉90度, 再繼續(xù)前進.

表3 路徑規(guī)劃關系表

3.3 利用規(guī)劃關系表導航

在室內(nèi)環(huán)境下, 行進中的機器人采集圖像, 檢測圖像中是否存在人工路標. 當檢測到糾偏路標存在時, 判斷是否需要對自身位置和行進方向做出調整, 如果需要, 便進行調整; 當檢測到定位路標時, 首先識別獲得路標編碼, 根據(jù)路標編碼和自身的運動方向標志, 去查詢規(guī)劃關系表, 發(fā)出相應的運動指令, 從而按照事先規(guī)劃好的路徑完成導航任務. 這樣的導航過程, 可用如圖5所示的流程圖表示出來.

4 實驗論證

本文采用如圖6所示的室內(nèi)機器人來完成系統(tǒng)實驗. 該機器人采用步進電機提供動力, 使用編碼器反饋機器人轉動的角度, 其運行速度為0.50 m/s, 并且采用300萬像素的攝像頭來采集天花板圖像, 配備CPU為1.86 GHz、運行內(nèi)存為2 GB的PC機. 人工路標導航方案的關鍵在于路標能否被較好識別[9], 因此下面將進行兩種路標的識別準確性和實時性的實驗.

4.1 定位路標識別實驗

4.1.1 定位路標光線干擾實驗

為了不贅述, 本文只展示兩個定位路標在光線強度改變時的三組實驗效果, 如圖7所示, 這三組實驗機器人的攝像頭距離天花板都為2.0 m. 在光線強度比較暗的時候, 采集的圖像如圖7(a1)、圖7(b1)所示; 在光線強度適中的時候, 采集的圖像如圖7(c1)、圖7(d1)所示;當機器人的攝像頭受到強光照射干擾的時候, 采集的圖像如圖7(e1)、圖7(f1)所示. 按照2.1節(jié)中識別定位路標的方法, 本文檢測到定位路標的位置, 標定出最大的外圍圓輪廓和圓心, 效果圖分別如圖7(a2)、圖7(b2)、圖7(c2)、圖7(d2)、圖7(e2)、圖7(f2)所示. 這兩種定位路標都能被正確快速地識別為相應的路標編碼1001和1110.

圖5 機器人導航流程圖

接下來, 在光線較暗、適中、強光干擾三種不同光線條件下, 且機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m的情況下, 分別采集50幅含有定位路標的圖像, 又做了對比實驗, 進行測試定位路標在光線干擾下的識別速度和準確率, 表4給出了實驗數(shù)據(jù).

圖6 室內(nèi)機器人

圖7 定位路標光線干擾實驗效果圖

表4 定位路標光線干擾實驗數(shù)據(jù)

4.1.2 定位路標背景干擾實驗

為了不贅述, 本文只展示兩個定位路標在天花板背景環(huán)境改變時的實驗效果. 實驗在光線強度適中的條件下進行, 且機器人的攝像頭距離天花板都為2.0 m.在天花板背景簡單干凈時, 采集的圖像如圖7(c1)、圖7(d1)所示; 當在天花板背景復雜時, 采集的圖像如圖8(a1)、圖8(b1)所示. 按照2.1節(jié)中識別定位路標的方法, 本文檢測到定位路標的位置, 標定出最大的外圍圓輪廓和圓心, 效果圖分別如圖7(c2)、圖7(d2)、圖8(a2)、圖8(b2)所示. 這兩種定位路標都能被正確快速地識別為相應的路標編碼1001和1110.

圖8 定位路標背景干擾實驗效果圖

接下來, 在光線適中且機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m的情況下, 分別在天花板背景簡單干凈和復雜的情況下, 采集50幅含有定位路標的圖像, 又做了對比實驗, 進行測試定位路標在天花板背景環(huán)境干擾下的識別速度和準確率, 表5給出了實驗數(shù)據(jù).

表5 定位路標背景干擾實驗數(shù)據(jù)

4.2 糾偏路標識別實驗

4.2.1 糾偏路標光線干擾實驗

下面將展示糾偏路標的光線干擾實驗效果. 這三組實驗機器人的攝像頭距離天花板都是2.0 m. 在光線比較暗、光線強度適中以及當機器人的攝像頭受到較強燈光照射干擾的時候, 分別進行實驗, 采集的圖像經(jīng)過霍夫圓變換定位后, 標定出最大的外圍圓輪廓和圓心, 效果圖分別如圖9(a1)、圖9(b1)、圖9(c1)所示. 在這三種情況下, 分別截取糾偏路標, 使用canny邊緣檢測算法得到其邊緣輪廓, 其效果圖分別如圖9(a2)、圖9(b2)、圖9(c2)所示.

圖9 糾偏路標光線干擾實驗效果圖

在光線較暗、適中、強光干擾三種不同光線條件下, 且機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m的情況下, 分別采集50幅含有糾偏路標的圖像, 進行對比實驗, 測試糾偏路標在光線干擾下的識別速度和準確率, 表6給出了實驗數(shù)據(jù).

4.2.2 糾偏路標背景干擾實驗

下面將展示糾偏路標在天花板背景環(huán)境改變時的識別實驗效果. 實驗在光線強度適中的條件下進行, 且機器人的攝像頭距離天花板為2.0 m. 在天花板背景復雜的時候進行實驗, 采集的圖像經(jīng)過霍夫圓變換定位后, 標定出最大的外圍圓輪廓和圓心, 效果圖如圖10(a1)所示; 在天花板背景環(huán)境簡單干凈時, 經(jīng)過相同的處理后, 對應的效果圖如圖9(b1). 在這三種情況下, 分別截取糾偏路標, 使用canny邊緣檢測算法得到其邊緣輪廓,其效果圖分別如圖9(b2)、圖10(a2)所示.

表6 糾偏路標光線干擾實驗數(shù)據(jù)

圖10 糾偏路標背景干擾實驗效果圖

接下來, 在光線適中且機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m的情況下, 分別在天花板背景簡單干凈和復雜的情況下, 采集50幅含有糾偏路標的圖像, 又做了對比實驗, 進行測試糾偏路標在天花板背景環(huán)境干擾下的識別速度和準確率, 表7給出了實驗數(shù)據(jù).

表7 糾偏路標背景干擾實驗數(shù)據(jù)

上述的兩組實驗結果顯示:

(1) 在機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m三種高度和在光線較暗、適中、強光干擾三種光線條件下, 定位路標和糾偏路標的正確識別率分別在76%-96%、78%-98%之間, 識別時間分別在46 ms-75 ms、43 ms-77 ms之間.

(2) 在機器人攝像頭距離天花板2.0 m、3.0 m、4.0 m三種高度和在天花板背景簡單干凈和復雜的情況下,定位路標和糾偏路標的正確識別率分別在90%-96%、86%-98%之間, 識別時間分別在46 ms-54 ms、43 ms-52 ms之間.

因此實驗表明, 識別兩種路標的正確率和速率受攝像頭距離路標的高度變化、光線條件變化以及天花板背景變化影響較小, 即識別兩種路標的方法對攝像頭距離路標的高度變化、光線變化以及天花板背景變化具有很強的魯棒性, 從而識別路標的正確率和速率完全能夠滿足導航準確性和實時性的要求.

4.3 綜合性能比較

針對文獻[9-15]和本文設計的人工路標, 結合各個實驗平臺的硬件配置, 在表8中給出了對比數(shù)據(jù), 其中,“*”表示該文獻中未提高該項數(shù)據(jù), 表中的識別率和識別時間均為平均值.

表8 人工路標識別的綜合性能對比

針對基于二維碼的人工路標, 表8中給出了具有代表性的文獻[10]中的數(shù)據(jù), 在實驗平臺采用30萬像素的攝像頭, CPU主頻為3 GHz、內(nèi)存為512 MB的情況下,識別路標時間大于2.5 s, 有效識別距離小于3 m, 可見,基于二維碼的路標識別速度慢, 而且有效識別的距離有限. 文獻[14]中采用的是30萬像素的攝像頭, AR-mark人工路標的識別距離同樣有限, 當識別距離大于1.5 m時, 定位精度低, 無法滿足機器人導航準確性的要求. 文獻[15]中在采用30萬像素的攝像頭時, 對稱彩色人工路標的平均識別時間為0.2656 s, 無法很好地滿足實時性的要求. 文獻[16]提出了采用數(shù)字人工路標導航的移動機器人, 實驗平臺的硬件數(shù)據(jù)在文中沒有介紹,當分別采用批處理濾波器(Batch filter)和遞歸濾波器(Recursive filter)時, 均不能同時滿足準確性和實時性的要求. 因此, 綜合比較來說, 本文在實驗平臺硬件性能未明顯提高的情況下, 新提出的人工路標識別正確率達到了89%, 識別時間僅為58 ms, 可見, 本文提出的基于人工路標的室內(nèi)機器人導航方法完全能夠滿足導航準確性和實時性的要求.

5 結語

針對文獻[9-16]中設計的人工路標, 普遍存在準確率低和識別速度慢的問題, 本研究設計了兩種新型的人工路標: 定位路標和糾偏路標, 并提出了相應簡單快速的識別方法, 并通過實驗驗證了, 識別兩種路標的方法對高度變化、光線變化以及天花板背景環(huán)境變化具有很強的魯棒性, 完全能夠滿足導航準確性和實時性的要求. 通過利用室內(nèi)目標位置與定位路標之間一一對應關系, 建立機器人在室內(nèi)各個目標位置之間的路徑規(guī)劃關系表. 行進中的機器人當檢測到定位路標時,首先識別獲得路標編碼, 然后查詢規(guī)劃關系表, 發(fā)出相應的運動指令, 從而機器人就可以沿著事先規(guī)劃好的路徑前行, 完成導航任務. 總之:

(1) 兩種路標放置位于室內(nèi)天花板上, 不易遭到人為等因素破壞, 穩(wěn)定性好. 其中, 定位路標放置在機器人需要停駐的位置和經(jīng)過的路口, 其采用的設計結構,通過增加圓環(huán)數(shù)目, 可以產(chǎn)生足夠數(shù)量且唯一的人工路標, 以保證滿足更大范圍和更多路口的室內(nèi)環(huán)境.

(2) 準確、實時的人工路標識別方法. 不僅人工路標識別距離遠, 而且識別速度快、準確率高, 對高度變化、光線變化以及天花板背景環(huán)境變化具有很強的魯棒性. 在不同光線條件下, 即使機器人的攝像頭與人工路標的距離達到4.0 m, 仍然能夠準確實時地識別出人工路標.

(3) 設計了基于路標編碼的路徑規(guī)劃關系表. 當機器人識別出行走路徑上的定位路標, 得到路標編碼, 查詢規(guī)劃關系表, 就能獲得接下來的行走方向, 從而機器人就可以沿著事先規(guī)劃好的路徑前行, 完成室內(nèi)自主導航任務.

本文下一步將繼續(xù)優(yōu)化人工路標的識別方法, 進一步提高在光線昏暗和強光情況下的正確識別率, 使機器人在室內(nèi)更好地完成自主導航任務.

1王志文, 郭戈. 移動機器人導航技術現(xiàn)狀與展望. 機器人,2003, 25(5): 470–474.

2陸新華, 張桂林. 室內(nèi)服務機器人導航方法研究. 機器人,2003, 25(1): 80–87.

3劉振宇, 姜楠, 張令濤. 基于人工路標和立體視覺的移動機器人自定位. 計算機工程與應用, 2010, 46(9): 190–192, 211.

4唐琎, 白濤, 蔡自興. 移動機器人的一種室內(nèi)自然路標定位法. 計算機工程與應用, 2005, 41(15): 44–47, 185. [doi:10.3321/j.issn:1002-8331.2005.15.013]

5陳明芽, 項志宇, 劉濟林. 單目視覺自然路標輔助的移動機器人定位方法. 浙江大學學報(工學版), 2014, 48(2): 285–291.

6Sun YD, Ding N, Qian HH, et al. Real-time monocular visual self-localization approach using natural circular landmarks for indoor navigation. Proc. 2012 IEEE International Conference on Robotics and Biomimetics(ROBIO). Guangzhou, China. 2012. 495–500.

7Lu Y, Song DZ. Visual navigation using heterogeneous landmarks and unsupervised geometric constraints. IEEE Trans. Robotics, 2015, 31(3): 736–749. [doi: 10.1109/TRO.2015.2424032]

8唐恒博, 陳衛(wèi)東, 王景川. 基于多元M序列的人工路標設置方法. 機器人, 2014, 36(1): 29–35.

9王孫平, 田喬, 傅世忱, 等. QR碼導航的室內(nèi)目標搜尋機器人研究. 計算機系統(tǒng)應用, 2014, 23(1): 193–196.

10姜海濤, 田國會, 薛英花, 等. 新型人工地標的設計、識別、定位及應用. 山東大學學報(工學版), 2011, 41(2): 107–113, 118.

11George L, Mazel A. Humanoid robot indoor navigation based on 2D bar codes: Application to the NAO robot. Proc.13th IEEE-RAS International Conference on Humanoid Robots (Humanoids). Atlanta, GA, USA. 2013. 329–335.

12Zhang S, Sun L, Dong L, et al. Initial location calibration of home service robot based on 2-dimensional codes landmarks.Proc. 33rd Chinese Control Conference (CCC). Nanjing,China. 2014. 8315–8320.

13Lee SJ, Tewolde G, Lim J, et al. QR-code based Localization for Indoor Mobile Robot with validation using a 3D optical tracking instrument. Proc. 2015 IEEE International Conference on Advanced Intelligent Mechatronics (AIM).Busan, Korea. 2015. 965–970.

14丁娜娜, 田國會, 李國棟, 等. 基于人工地標的雙足機器人視覺自定位. 山東大學學報(工學版), 2013, 43(4): 51–56.

15Guo Y, Xu XH. Color landmark design for mobile robot localization. Proc. IMACS Multiconference on Computational Engineering in Systems Applications. Beijing, China.2006. 1868–1874.

16Shen JL, Hu HS. Mobile robot navigation through digital landmarks. Proc. 10th Chinese Automation & Computing Society Conference. Liverpool, England. 2004. 117–124.

Navigation Method for Indoor Robot Based on Artificial Landmark

HUANG Lu, ZHU Ming, ZHANG Wei-Feng
(School of Information Science and Technology, University of Science and Technology of China, Hefei 230022, China)

In the indoor environment, the previous artificial landmark design scheme is complex in recognition algorithm with low accuracy, and it is hard to meet the real-time requirements. In view of such problems, two new kinds of artificial landmarks are designed in this paper: location artificial landmark and correction artificial landmark, which can not only help the indoor mobile robot to navigate and rectify, but also have the advantages of simple and rapid identification. The robot can identify location artificial landmark in real time, and adjust its position and movement direction according to the correction artificial landmark, so that the robot can move forward smoothly along the planned path. Experiments show that in dark, moderate, strong light indoors, the recognition of two kinds of artificial landmark is highly accurate and fast,which can meet the requirements of real-time navigation.

indoor environment; artificial landmark; accuracy rate; real time; mobile robot; navigation

黃露,朱明,張偉峰.基于人工路標的室內(nèi)機器人導航方法.計算機系統(tǒng)應用,2017,26(7):1–9. http://www.c-s-a.org.cn/1003-3254/5879.html

中科院先導項目課題(XDA06011203)

2016-11-20; 收到修改稿時間: 2017-01-04