張辰 管若喬 于沛然

摘要：本文介紹并實現(xiàn)了基于模糊PID控制的跑道軌跡識別與追蹤算法，并利用顏色識別與追蹤算法進行了有效性驗證，針對研究問題進行了實驗及數據分析，驗證了算法的穩(wěn)定性和準確性。

關鍵詞：雙足機器人;視覺目標識別;視覺目標追蹤;模糊PID

中圖分類號：TP242.6 文獻標識碼：A 文章編號：1007-9416（2019）04-0136-02

0 引言

雙足人形機器人因其動作靈活、高度仿生等特點在工業(yè)領域有著廣泛的應用，與此同時，其復雜的自由度也給控制器的設計帶來了極高難度。本文對雙足人形機器人的跑道追蹤算法及顏色識別與追蹤算法進行了設計與實現(xiàn)。采用經典算法進行目標識別，自適應目標追蹤算法能實現(xiàn)目標丟失情況下的全向搜索，自主調整行進步速，無需人工干預。

1 雙足機器人跑道軌跡追蹤原理

完成雙足機器人跑道軌跡追蹤的思路如下：在雙足機器人頭部搭載單目PTZ攝像頭，機器人追蹤軌跡時不啟用PTZ功能?；跀z像頭的采樣信號獲取跑道軌跡信息，利用行掃描法解算出機器人的實時行進目標點，并設計模糊控制器使機器人不停向目標點移動以實現(xiàn)雙足機器人實時軌跡追蹤。

1.1 跑道軌跡識別原理

由于PTZ攝像頭在成像時存在梯形失真，且跑道軌跡多數為環(huán)形，因此利用行掃描法得到機器人行進目標點。采用的攝像頭分辨率為320×240。

對圖像進行二值化及濾波處理，目標點橫坐標利用行掃描法從圖像橫坐標中線向圖像兩側掃描，記錄兩側掃描到的第一組軌跡點橫坐標，并進行隔行提取共10組數據，求其平均即為目標點橫坐標值。為了使機器人在競走模式下保持最大速度，令目標點縱坐標始終位于圖像縱坐標中線上（機器人平視線上點為極遠點）。處理得到的目標點（TargetPoint.X，TargetPoint.Y）如下：

其中，及分別代表行掃描法在圖像第行左側及右側得到的第一個軌跡點橫坐標。

1.2 舵機轉角模糊PID控制器

根據模糊控制原理，利用機器人估計目標點與視覺圖像中心點的水平方向偏離值動態(tài)地調整機器人的轉向角度。使用連續(xù)論域對輸入輸出量進行模糊化處理，建立模糊PID控制器。

目標點偏離方向的模糊語言變量為{L，M，R}={Left，Middle，Right}，論域為{-10，0，10}，表示估計目標點與視覺中心點的左右角度偏差。若偏離角度在左側-10°與右方10°之間，則認為接近無偏，此時令機器人依原角度前進，否則令機器人依模糊PID控制器輸出角度進行轉向前進。

控制器輸入為偏差及當前偏差與上次偏差的變化EC，控制器輸出為舵機的控制信號輸入，偏差變化值EC的引入使模糊控制器具備了一定程度的自適應性，PID控制器參數隨偏差及偏差變化趨勢實時改變，在機器人步行控制達到隨目標點偏離情況動態(tài)改變轉向角度的效果。

2 雙足機器人顏色追蹤原理

系統(tǒng)利用PTZ單目攝像頭，采集RGB格式的圖像，并轉換成HSV格式。通過設置H值（色調）的閾值以及Tolerance顏色寬容度對特定顏色的物塊進行識別。攝像頭采集的原圖像為RGB格式，為了更精確的識別顏色，需將原圖像轉換成HSV格式。HSV格式更符合人類視覺的認知方式，它表示的圖像分別由三個參數構成，Hue（色調）、Saturation（飽和度）、Value（明度）[1]。為了選擇目標顏色，需要改變色調的閾值，表示方法為角度，取值范圍為0°到360°[2]。同時限定捕捉圖像的飽和度最小值和明度最小值。

而后針對選定的顏色進行二值化處理，即存在一個像素點，其飽和度和明度大于設定最小值，且色調在選擇范圍內，則令該像素值為1，反之為0。進行開運算的形態(tài)學操作，開操作實質是對圖像先進行腐蝕運算再進行膨脹運算[3]。開操作可以消除游離的像素點，并平滑目標物體的邊緣。最后對二值圖像的像素點坐標求平均，得到目標點坐標的估計值。

（2）

3 目標追蹤實驗及結果分析

為了驗證算法的可行性及可靠性，基于雙足機器人平臺進行了本文算法的設計與實現(xiàn)。跑道軌跡如圖1所示，圖2（a），（b），（c）分別展示了機器人追蹤跑道軌跡、正前方顏色目標、斜后方顏色目標時的步態(tài)情況。表1記錄了機器人追蹤跑道軌跡的統(tǒng)計實驗數據。

由實驗數據可知，追蹤成功率始終保持在0.85以上，證明該算法具備較佳的穩(wěn)定性及準確性。跑道軌跡追蹤平均耗時約98.3秒，證明該算法能在給定場地下高速完成任務，滿足控制要求。

4 總結與展望

本文介紹了兩種目標追蹤算法，通過對雙足機器人的數字舵機參數進行自動調節(jié)，完成了在雙足機器人平臺上的相關實驗，實現(xiàn)了圖像識別、態(tài)勢感知、導航規(guī)劃、控制決策以及動態(tài)調整機器人動作的功能，統(tǒng)計實驗的結果證明文中算法具備較佳的實時性及可靠性。

參考文獻

[1] 高興堂.基于車載視頻的公交車道前方車輛檢測[D].中國海洋大學，2011.

[2] 杜滕州.基于單目視覺的夜間車輛識別與測距方法研究[D].山東理工大學，2013.

[3] 張立蘭.基于數學形態(tài)學的組織切片細胞圖像分割算法的研究[D].遼寧工業(yè)大學，2015.