寧夏大學物理與電子電氣工程學院 王中意 朱小波 車 進

NAO機器人的視覺系統(tǒng)與圖像處理分析

寧夏大學物理與電子電氣工程學院 王中意 朱小波 車 進

NAO機器人它是一種交互性的機器人，它是由許多傳感器、電機等各種軟硬件相結合的產(chǎn)物。近年來，NAO機器人越來越受到世界各地院校和科研機構的青睞；成功運用在機器視覺、模式識別、運動控制、機電一體化、人機互動等教學及研究領域。本文介紹了NAO機器人的視覺系統(tǒng)及其相關圖像處理。

NAO機器人；視覺；圖像處理

0 引言

NAO作為一款類人智能機器人，全世界已經(jīng)超過500間實驗室和科研院所作為學術研究工具。隨著人工智能在不同領域的興起，大都以計算機視覺和機器視覺為入口，如自動駕駛，人臉識別，無人機等，所以視覺對于很多智能系統(tǒng)是至關重要的，是進行智能決策的前提條件和保障；并且對類人機器人的視覺系統(tǒng)進行設計研究，也顯得尤為重要。目前NAO機器人視覺系統(tǒng)主要是通過裝有的攝像頭采集圖像信息并通過系統(tǒng)進行處理，來分析周圍環(huán)境，輔助機器人進行決策并完成相應任務。

1 NAO機器人視覺系統(tǒng)

NAO機器人的視覺系統(tǒng)通過攝像頭攝取的彩色圖像進行分析處理來獲取周圍環(huán)境信息，比如通過圖像處理來獲得機器人本身位置，是否有障礙物以及障礙物的位置等重要信息。視覺信息是NAO機器人執(zhí)行決策時重要的輔助信息。

NAO擁有上下兩個攝像頭：一個位于前額，負責較遠距離的水平掃視，視野較廣；另外一個攝像頭位于NAO的嘴部，負責腳下附近的短距離的周圍環(huán)境，如圖1。所以通常使用前額部攝像頭進行較遠距離的物體視覺識別，嘴部攝像頭可以用作距離較近的精準測距和定位[1]。當機器人運動的時候攝像頭的水平、垂直視角隨頭部轉動而發(fā)生改變。兩個攝像頭的分辨率都為640*480，圖像的有效像素為920萬，系統(tǒng)可提供30幀/秒的圖像幀率。在實際的運行中，由于系統(tǒng)原因，兩個攝像頭不能同時進行工作，但可以隨時上下切換，所以NAO機器人是單目攝像機模型[2]。兩個攝像頭的相關參數(shù)如表1所示。表1列出了NAO的兩個攝像頭的一些具體參數(shù)，其中，NAO機器人攝取輸出的圖像格式為YUV422格式，兩個攝像頭的垂直視角、水平視角分別為34.8度、58度；焦距為固定值，范圍從30cm至無窮遠處，攝像頭的焦距可以通過標定得到。

NAO機器人的兩個攝像頭之間的中心夾角為40度，配合表1所示中的一些具體參數(shù)可以得到目標或障礙物的圖像信息，計算出目標或障礙物與機器人自身的距離[3-5]。NAO有自己獨有的NAOqi系統(tǒng)，為攝像頭獲取圖像信息提供兩種方式：遠程模式和本地模式。遠程模式指NAO機器人通過WIFI等技術和外部主機相連，獲取全部的圖像信息，并在外部主機上對圖像進行識別等處理。本地模式是指信號的處理和運算都在NAO機器人上，不借助外部主機，對于圖像返回的是存儲在NAO內存上的地址指針。因此，對于圖像的處理和調用，本地模式要優(yōu)于遠程模式。對于需要實時性的比賽就通過本地模式訪問和處理圖像，對于日常的實驗和分析可以開啟遠程模式[6]。

表1 NAO機器人攝像頭參數(shù)表

圖1 NAO機器人攝像頭

2 NAO機器人圖像處理

NAO機器人的攝像頭采集到的彩色圖像存在不同程度的噪聲，影響圖像質量，進而影響后續(xù)的圖像處理，導致識別精確度下降。所以在圖像視覺處理中，必須對圖像進行去噪，實現(xiàn)精準分割，才能正確識別目標或障礙物并獲得重要的位置信息，有利于更進一步的定位、跟蹤等任務。

NAO機器人通過攝像頭采集圖像來獲取外界信息，而圖像受外界光照變化的影響，所以我們在進行圖像處理時應尋找能夠適應克服光照強度變化的圖像處理算法；并且有時圖像處理需要達到實時性的任務要求，視覺系統(tǒng)設計的算法也應該較為簡練，運算量較小。

在圖像處理過程中常用的顏色空間有RGB、HIS和YUV顏色空間，這三種顏色空間可以相互轉換，但各有優(yōu)缺點。NAO攝像頭支持這三種常用的顏色空間模型，表2為NAO機器人采集不同顏色空間圖像所需要的時間，可知，YUV顏色空間采集圖像的時間小于RGB、HIS顏色空間，并且YUV顏色空間不易受關照強度變化的影響[1]；因此，NAO機器人視覺系統(tǒng)適于選用YUV顏色空間進行圖像處理。

表2 NAO機器人采集一幅圖像所需時間

NAO機器人通常根據(jù)顏色識別目標物體，在處理過程中容易產(chǎn)生椒鹽噪聲，所以適用中值濾波進行平滑濾波處理。在分割階段，需要將目標提取出來進行進一步分析，目前有三種主要的圖像分割算法：基于邊緣、基于區(qū)域、基于顏色的圖像分割算法[7]。由于NAO機器人內存空間的限制，在保證實時性要求下，圖像處理算法計算量不能太大，上述三種分割算法中基于顏色的圖像分割算法比上述其他兩種的算法簡單并計算量小，所以在圖像分割階段適宜選用基于顏色的分割算法。

3 結束語

NAO機器人在視覺處理過程，需要考慮自身因素以及外界光照環(huán)境的變化，選用適當?shù)囊曈X處理算法，提高系統(tǒng)的魯棒性和準確性。NAO機器人的視覺具有重要的學術研究價值，能使我們更加深入的了解計算機視覺和機器視覺理論以及挖掘機器人在人工智能領域的潛在價值。

[1]宗鵬程．基于NAO機器人的視覺目標檢測與跟蹤[D]．華北電力大學,2015．

[2]A．Ryberg,A．Chistiansson, E．Eriksson and Bengt Lennartson．A new Camera Model for Higher Accuracy Pose Calculations[C]．In：IEEE Proceedings of International Symposium on Industrial Electronics,2006,2：2798-2802．

[3]Zhao M,Liu L,Wang J,et al．Control system design of THBIP-1 humanoid robot[C]．IEEE International Conference on Robotics and Automation．Piscataway,NJ,USA：IEEE,2002：2253-2258．

[4]孫增圻．RoboCup世界杯與中國機器人大賽[J]．機器人技術與應用,2010(04)：6-10．

[5]張廣軍．機器視覺[M]．北京：科學出版社,2005,6．

[6]張勇．基于NAO機器人的模式識別和自定位研究[D]．華中科技大學,2015．

[7]J．van de Weijer,C．Schmid,J．Verbeek．Using high-level visual information for color constancy[C]．Proceedings of the IEEE 14th International Conference on Computer Vision．2007,12：1-8．

注：本文獲寧夏大學研究生創(chuàng)新項目資助（項目編號：GIP2017012）。