鄭燦香

摘 要：移動機器人自主導航需要感知環(huán)境信息，定位和跟蹤障礙物和目標，構建二維實時地圖信息，從而進行路徑規(guī)劃。基于多視覺信息和室內環(huán)境的特點，研究了移動機器人自主導航中的環(huán)境檢測、動態(tài)目標跟蹤、路徑規(guī)劃和優(yōu)化問題。主要內容如下：構建了移動機器人自主導航視覺系統(tǒng)，提出了單目和雙目組合視覺系統(tǒng)框架。分析了單目視覺和雙目視覺的應用和信息融合，設計了移動機器人雙目視覺系統(tǒng)，研究了雙目標定和立體校正。

關鍵詞：雙目視覺 移動機器人 跟蹤技術

引 言

隨著人工智能和傳感技術的發(fā)展，許多智能機器人設備應運而生。移動機器人作為機器人的一個重要分支，由于其移動性、便捷性和靈活性，已被廣泛應用于工業(yè)制造、軍事、醫(yī)療、倉儲和科學研究。移動機器人依靠其自主導航系統(tǒng)在不同場景下完成各種指定任務。自主導航主要分為三個階段：機器人周圍環(huán)境的檢測、目標識別和定位、路徑規(guī)劃和優(yōu)化。

1、雙目視覺系統(tǒng)標定

1.1、單目相機標定

單目相機的校準主要是獲取相機的內部和外部參數，相機的內部參數是相機的固有幾何和光學特性，相機的外部參數描述相機在世界坐標系中的姿態(tài)。相機校準方法大致可分為傳統(tǒng)校準、自校準和主動視覺校準。本文將使用張尤政的校準方法進行校準。張尤政的校準方法使用二維平面棋盤校準板進行校準。該方法校準過程相對簡單，準確度高，基本滿足一般研究和應用的要求，它在研究區(qū)得到了廣泛的應用和發(fā)展。張的校準方法首先需要拍攝幾塊不同位置和姿勢的校準板，并利用圖像處理算法提取棋盤角點的信息。在不考慮攝像機畸變的情況下建立方程組，求解內外參數，然后引入畸變參數，用最大似然法進行非線性求解，得到畸變參數。重復迭代線性和非線性求解過程，直到所有參數收斂。

1.2、雙目視覺立體校正

在攝像機的實際安裝中，兩個攝像機不能實現精確的共面和直線對齊，并且總是有一些誤差。為了提高后續(xù)立體匹配中視差搜索的準確性和效率，圖像平面必須完全對齊。重新投影左、右攝像機的圖像平面，使圖像平面落在同一平面上，并且左、右圖像平面具有直線對齊的特性的過程稱為立體校正。根據不同的立體校正方法，立體校正算法主要分為非校準和校準立體校正算法。非標定立體校正算法是一種典型的非校準立體校正算法。算法是一種典型的非校準立體校正算法。其主要思想是通過左右相機圖像中的特征匹配來計算基本矩陣，并使用基本矩陣來完成立體校正過程。這種方法可以避免攝像機內外參數的校準，并且可以通過圖像特征匹配簡單地實現立體校正。然而，由于場景中缺少圖像比例，三維重建將會存在非唯一性。但是立體校正算法是最典型的校準立體校正算法，它主要使用通過校準獲得的兩個相機之間的旋轉和平移矩陣。

2、室內陰影環(huán)境下障礙物檢測與測量方法研究

2.1、圖像濾波預處理

由于相機本身的結構缺陷和傳輸過程中的外部干擾，獲取的圖像有一些噪聲。為了減少這種噪聲對后續(xù)處理算法的干擾，有必要將濾波算法應用于預處理。在常用的濾波算法中，線性濾波算法是均值濾波和高斯濾波，而非線性濾波算法是中值濾波和雙邊濾波。均值濾波的思想是用一定大小的窗口在原始圖像中滑動，并將窗口區(qū)域中像素的平均值作為操作后的值。表達如下：

其中sxy代表以像素點（ x，y ）為中心的小窗口區(qū)域，g （ x，y ）代表窗口中心點（ x，y ）的濾波輸出像素值，m和n分別代表窗口的長度和寬度，f （ x，y ）代表點（ x，y ）的像素值。高斯濾波類似于均值濾波，只是其子窗口中的值不是1，而是符合高斯分布函數的權重，原始圖像和窗口中的權重被用作像素的濾波值。高斯濾波函數是：

其中δ代表標準偏差，δ越大，平滑度越高。中值濾波是對窗口中的像素值進行排序，并選擇中值作為窗口附近中心點的像素值，以便有規(guī)律地遍歷整個圖像，從而獲得中值濾波圖像。表達如下：

高斯濾波只考慮周圍像素的相似性，忽略了空間相鄰信息。雙邊濾波同時將空間信息和灰度信息引入濾波模型，從而在去噪的同時最大限度地保留邊緣。雙邊濾波與高斯濾波非常相似，除了添加高斯方差，這是基于圖像空間信息的高斯濾波函數。

2.2、室內陰影消除算法研究

在移動機器人自主導航中，需要障礙物信息來避免碰撞。為了提取障礙物，圖像分割理論上可以通過傳統(tǒng)的方法進行，如閾值分割、邊緣檢測和區(qū)域生長。然而，由于機器人在室內地面行走時經常受到不均勻光照和地面陰影的影響，傳統(tǒng)方法無法直接獲得障礙物和地面區(qū)域。圖1示出了使用具有不同高閾值和低閾值的canny算法對圖像進行邊緣提取的效果。圖1a ）當使用更高的閾值進行邊緣提取時，盡管地面陰影的輪廓減小，但是障礙物的邊緣也變得不完整，這不利于障礙物的分割和提取。圖1b ）當使用較低閾值進行邊緣提取時，可以提取地面物體的更完整的輪廓，但是地面上的陰影更嚴重，并且其輪廓也被提取，這不利于后續(xù)的障礙物提取。在自然光照條件下，地面陰影通過邊緣檢測時會形成假邊緣，因此無法完全提取出物體的一些真實邊緣。因此，自然光照下的陰影是影響邊緣提取穩(wěn)定性和準確性的主要因素。為了達到準確提取障礙物的目的，對消除地面陰影進行了以下研究。

3、移動機器人動態(tài)目標跟蹤實驗

移動機器人動態(tài)目標跟蹤系統(tǒng)的框架如圖1所示，主要包括兩部分：視覺系統(tǒng)和機器人控制系統(tǒng)。視覺系統(tǒng)負責目標跟蹤和測量。跟蹤算法是第四章提出的特征點輔助時空上下文跟蹤算法。測量模塊采用第三章提出的基于模板匹配的雙目視覺測量方法。機器人控制系統(tǒng)利用視覺系統(tǒng)提供的目標三維坐標信息與跟蹤期望距離值進行比較，形成相應的控制信號，控制移動機器人的運動，完成目標穩(wěn)定跟蹤任務。

結束語

隨著移動機器人和計算機視覺技術的進步，移動機器人導航正朝著自主和智能方向發(fā)展。本文主要研究視覺系統(tǒng)下移動機器人室內自主導航系統(tǒng)存在的問題。

參考文獻

[1] 李月華.基于無源信標的移動機器人室內定位技術研究[D].浙江大學，2018.

[2] 劉坤.基于視覺信息的室內移動機器人目標跟蹤及路徑規(guī)劃[D].華南理工大學，2018.

[3] 劉業(yè)浩.基于雙目視覺的室內移動機器人定位研究[D].廣西師范大學，2017.