王樹(shù)城

摘要 角度測(cè)量是一項(xiàng)基本且重要的測(cè)量項(xiàng)目，特別是隨著城市的發(fā)展，由多個(gè)非平行平面組成復(fù)雜外墻結(jié)構(gòu)的高層建筑越來(lái)越多，此時(shí)對(duì)于幕墻作業(yè)機(jī)器人來(lái)說(shuō)就更加如此。本文通過(guò)利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)二面角進(jìn)行非接觸式測(cè)算的研究，提出了一種僅用相機(jī)即可完成為幕墻機(jī)器人動(dòng)態(tài)測(cè)算二面角任務(wù)的方法。

【關(guān)鍵詞】計(jì)算機(jī)視覺(jué) 二面角測(cè)算 幕墻機(jī)器人 圖像處理

隨著高層建筑的涌現(xiàn)，越來(lái)越多的幕墻工作機(jī)器人被研發(fā)和使用。這類(lèi)機(jī)器人在作業(yè)時(shí)需要在平滑的玻璃上移動(dòng)，也需要翻越由不同玻璃平面形成的二面夾角，因此就對(duì)二面角的非接觸、實(shí)時(shí)測(cè)量提出了較高的要求。而隨著計(jì)算機(jī)和CCD相機(jī)性能的提高，計(jì)算機(jī)視覺(jué)開(kāi)始在距離測(cè)量、空間運(yùn)動(dòng)分析等領(lǐng)域得到廣泛應(yīng)用。計(jì)算機(jī)視覺(jué)測(cè)量有非接觸性、實(shí)時(shí)性、動(dòng)態(tài)性、實(shí)現(xiàn)簡(jiǎn)單、測(cè)量范圍大等優(yōu)點(diǎn)，非常適合應(yīng)用在機(jī)器人上。本文提出一種基于計(jì)算機(jī)視覺(jué)的幕墻二面角測(cè)算方法，解決的是玻璃幕墻機(jī)器人在越障時(shí)，對(duì)所翻越二面角的測(cè)量問(wèn)題。

1 相機(jī)準(zhǔn)備、玻璃幕墻處理和圖像采集

使用固定焦距的相機(jī)和一塊相機(jī)參數(shù)標(biāo)定板（例如黑白棋盤(pán)格標(biāo)定板）對(duì)相機(jī)進(jìn)行標(biāo)定（例如“張正友標(biāo)定法”），獲取相機(jī)的內(nèi)部參數(shù)矩陣K及畸變系數(shù)Kl、K2、K3、Pl. P2;

對(duì)玻璃框進(jìn)行上色處理，并控制機(jī)器人上的云臺(tái)用相機(jī)從任意方向?qū)π枰M(jìn)行測(cè)量的夾角部位拍攝一張彩色圖像，要求拍攝的圖像完整包含夾角部位;

2 用OpenCV視覺(jué)庫(kù)做初步圖像處理

首先利用上步中獲取的相機(jī)內(nèi)部參數(shù)矩陣及畸變系數(shù)對(duì)所拍攝的圖像進(jìn)行校正;然后將所攝圖像應(yīng)用OpenCV從R（紅）G（綠）B（藍(lán)）顏色空間變換至H（色相）S（飽和度）V（色調(diào)）顏色空間，并進(jìn)行直方圖均衡化，以便于后續(xù)處理?！熬饣笔侵笇?duì)圖像中像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)圖像中像素個(gè)數(shù)少的灰度級(jí)進(jìn)行壓縮，從而擴(kuò)展像原取值的動(dòng)態(tài)范圍，增強(qiáng)了對(duì)比度和灰度色調(diào)的變化，有利于后面的識(shí)別。

3 顏色識(shí)別及圖像二值化

將上一步所得圖像進(jìn)行H、S、V三通道分離，并根據(jù)與玻璃框顏色對(duì)應(yīng)的H通道的閾值將圖像二值化。所述閾值用于從H通道劃定H值對(duì)應(yīng)的區(qū)間，該區(qū)間以?xún)?nèi)設(shè)為白色，以外則設(shè)為黑色，或者反過(guò)來(lái)設(shè)置顏色，以便于識(shí)別出玻璃框。這里把H值看成一個(gè)連續(xù)數(shù)集，隨著H值的變化，對(duì)應(yīng)的顏色也在變化，所以識(shí)別顏色，就是從中一段一段地取區(qū)間出來(lái)。換種說(shuō)法，這些閾值相當(dāng)于是為了取出特定顏色而通過(guò)實(shí)驗(yàn)得來(lái)的一些區(qū)間端點(diǎn)值。

4 圖像的濾波和形態(tài)學(xué)操作

對(duì)上一步已識(shí)別出玻璃框的二值圖像進(jìn)行中值濾波及高斯濾波的圖像預(yù)處理操作，以減弱由圖像傳輸、編解碼和傳感器結(jié)構(gòu)造成的噪聲。之后可對(duì)降噪后的圖像進(jìn)行開(kāi)操作、閉操作和膨脹的形態(tài)學(xué)處理，以達(dá)到減小無(wú)關(guān)物干擾和增強(qiáng)擬合精度的目的。

5 過(guò)濾出需要的目標(biāo)

在經(jīng)過(guò)形態(tài)學(xué)處理的二值圖中提取所有玻璃框的完整輪廓。接著便用最小包圍矩形去擬合所得輪廓，并從結(jié)果中去掉非玻璃框的輪廓對(duì)應(yīng)的矩形。

6 求算成角兩玻璃平面上的滅點(diǎn)坐標(biāo)

將上一步中篩選出的矩形輪廓均根據(jù)四角點(diǎn)坐標(biāo)判斷出方向，從而進(jìn)一步篩選出長(zhǎng)邊垂直于成角兩平面交線(xiàn)的矩形。然后求算2N個(gè)篩選出的最小包圍矩形的、與最小包圍矩形長(zhǎng)邊平行的對(duì)稱(chēng)軸的直線(xiàn)方程，并按照所在的玻璃平面分成兩類(lèi)，各自求解出（N*（N-1））/2個(gè)滅點(diǎn)坐標(biāo)。所述對(duì)稱(chēng)軸是指各矩形輪廓自身的對(duì)稱(chēng)軸，就是過(guò)各矩形兩短邊中點(diǎn)的那條直線(xiàn)。所述對(duì)稱(chēng)軸對(duì)應(yīng)的矩形都有質(zhì)心，質(zhì)心在相機(jī)成像平面上都有對(duì)應(yīng)坐標(biāo)，將各質(zhì)心的橫縱坐標(biāo)分別排序，之后分別求相鄰兩項(xiàng)的差值，由于這些矩形分別處于兩個(gè)玻璃平面，而在同一玻璃平面的矩形質(zhì)心坐標(biāo)差較小，可據(jù)此分類(lèi)。

7 精確滅點(diǎn)坐標(biāo)及夾角的求算

采取最小二乘法，利用上一步得到的兩類(lèi)一共N* （N-l）個(gè)滅點(diǎn)坐標(biāo)，在兩個(gè)玻璃面板上分別擬合出一個(gè)更精確的滅點(diǎn)坐標(biāo)。這是因?yàn)橐欢未翱驅(qū)?yīng)一個(gè)矩形，一個(gè)矩形對(duì)應(yīng)一根對(duì)稱(chēng)軸直線(xiàn)，則兩根對(duì)稱(chēng)軸直線(xiàn)可確定此玻璃面上的一個(gè)滅點(diǎn)，兩兩相求就可得此面上的（N*（N-1））/2個(gè)滅點(diǎn)坐標(biāo)。

最后，利用標(biāo)定而得的相機(jī)內(nèi)參矩陣K及之前求出的各個(gè)玻璃平面上的滅點(diǎn)坐標(biāo)計(jì)算玻璃所夾二面角的余弦值，通用計(jì)算公式[3]如下：

其中K為標(biāo)定而得的相機(jī)內(nèi)參矩陣，p為玻璃平面的比例因子（可根據(jù)其上的滅點(diǎn)坐標(biāo)及內(nèi)參矩陣由式（1）求得），u和v分別是此玻璃平面對(duì)應(yīng)的那個(gè)較精確滅點(diǎn)坐標(biāo)的橫、縱坐標(biāo)值。根據(jù)式（1）可求出兩玻璃平面各自對(duì)應(yīng)的比例因子pl和p2，再根據(jù)式（2）結(jié)合兩平面各自對(duì)應(yīng)的滅點(diǎn)坐標(biāo)ul、vl和u2、v2即可求出夾角余弦值。最后利用反余弦函數(shù)求得玻璃所夾二面角數(shù)值θ并回傳給機(jī)器人控制系統(tǒng)。

8 實(shí)驗(yàn)結(jié)果與討論

實(shí)驗(yàn)中，在使用電子量角器多次測(cè)量取平均值后，得到所測(cè)玻璃二面角的真實(shí)值為90 021 0。在光照均勻的條件下，按照本文提出的方法測(cè)出了多組角度值，其中誤差最大的一組為5.31%，最小的一組僅為0.49%?？梢?jiàn)，本方法在相當(dāng)程度上解決了方便、靈活和穩(wěn)定地測(cè)量玻璃二面角的問(wèn)題，為需要使用二面角角度工作的相應(yīng)機(jī)器人（例如玻璃幕墻清洗機(jī)器人等）的研發(fā)提供了技術(shù)參考。

參考文獻(xiàn)

[1] Zhengyou Zhang.A Flexible NewTechnique for Camera Calibration[R]. Microsoft Corporation： TechnicalReport，MSR-TR-98-71，1998.

[2]陶旺林，盧選民，劉李娟，單長(zhǎng)，基于OpenCV的非線(xiàn)性圖像畸變校正研究[J].現(xiàn)代電子技術(shù)，2011，34 （12）：117-120.

[3]王德麾，袁中凡，樊慶文，基于計(jì)算機(jī)視覺(jué)的平面角度測(cè)量方法[J].西南交通大學(xué)學(xué)報(bào)，2010，45 （05）： 775-779+793.