肖 佳，楊 微，張志威

（廣州軟件學(xué)院 軟件工程系，廣州 510990）

隨著移動(dòng)機(jī)器人的智能化發(fā)展，工業(yè)、運(yùn)輸、電力等領(lǐng)域都開始應(yīng)用移動(dòng)機(jī)器人，以達(dá)到減少工作壓力的目的。在應(yīng)用范圍不斷擴(kuò)張的同時(shí)，各行業(yè)對機(jī)器人性能也提出更高要求[1]。尤其在服務(wù)行業(yè)和電力行業(yè)中，移動(dòng)機(jī)器人的工作環(huán)境較為復(fù)雜，一旦機(jī)器人移動(dòng)過程中與障礙物相撞，在影響工作效率的同時(shí)還會(huì)產(chǎn)生額外的經(jīng)濟(jì)損失[2]。想要順利完成工作，就要確保機(jī)器人具有良好的避障性能，而機(jī)器人移動(dòng)中障礙物定位研究，就是影響機(jī)器人避障性能的關(guān)鍵。

文獻(xiàn)[3]根據(jù)障礙物定位精度要求，布置多個(gè)傳感器采集機(jī)器人運(yùn)行環(huán)境信息，并通過深度學(xué)習(xí)算法進(jìn)行障礙物定位與識(shí)別，但該方法的抗噪性較差。文獻(xiàn)[4]依托于YOLOv4 算法，設(shè)計(jì)一種障礙物檢測與定位模式，通過雙目相機(jī)獲取障礙物圖像，根據(jù)圖像中障礙物位置信息和像素位置距離信息，明確障礙物當(dāng)前所處位置，但該方法定位誤差較大。文獻(xiàn)[5]采用SSD 網(wǎng)絡(luò)模型，對原始采集圖像內(nèi)存在的障礙物提取邊緣框，通過HSI 顏色空間描述框內(nèi)的圖像，再根據(jù)圖像亮度信息進(jìn)行分割處理，利用線性擬合算法，對分割后的子區(qū)域進(jìn)行計(jì)算，獲取障礙物與機(jī)器人之間的歐氏距離，完成障礙物定位，但該方法的定位速度較慢。

為解決當(dāng)前定位方法的不足之處，本文提出基于圖像識(shí)別技術(shù)的機(jī)器人移動(dòng)過程中障礙物定位方法。實(shí)驗(yàn)驗(yàn)證結(jié)果表明，該方法可以滿足移動(dòng)機(jī)器人快速、精準(zhǔn)的導(dǎo)航。

1 基于圖像識(shí)別技術(shù)的機(jī)器人移動(dòng)中障礙物定位方法

1.1 構(gòu)建雙目立體視覺測量模型

為了準(zhǔn)確獲取障礙物空間位置信息，本文采用雙目立體視覺技術(shù)[6]，在移動(dòng)機(jī)器人上安裝2 個(gè)雙目攝像機(jī)，按照圖1 所示的雙目立體視覺技術(shù)原理，在機(jī)器人移動(dòng)過程中，對周圍區(qū)域環(huán)境圖像進(jìn)行采集。圖1 中，P 表示場景點(diǎn)，C 表示光軸交點(diǎn)，C1、C2表示2 個(gè)攝像機(jī)的光學(xué)中心，P1、P2表示圖像投影點(diǎn)，O1表示左側(cè)攝像機(jī)的投影平面中心點(diǎn)，O2表示右側(cè)攝像機(jī)的投影平面中心點(diǎn)。

圖1 雙目視覺示意圖Fig.1 Schematic diagram of binocular vision

依托于雙目立體視覺系統(tǒng)，構(gòu)建機(jī)器人移動(dòng)環(huán)境測量模型，需要明確世界坐標(biāo)系和攝像機(jī)坐標(biāo)系之間的聯(lián)系，確保攝像機(jī)安裝位置最佳，采集深度且有意義的環(huán)境信息，不同坐標(biāo)系之間的關(guān)系如下所示：

式中：（XC，YC，ZC）表示機(jī)器人本體坐標(biāo)系中場景點(diǎn)坐標(biāo)；（）表示雙目立體視覺系統(tǒng)內(nèi)場景點(diǎn)的坐標(biāo)；（d，g）表示機(jī)器人坐標(biāo)系中雙目視覺系統(tǒng)坐標(biāo)系原點(diǎn)的坐標(biāo)。

本文構(gòu)建的雙目立體視覺測量系統(tǒng)，不屬于主動(dòng)視覺系統(tǒng)，當(dāng)相機(jī)初次調(diào)整結(jié)束后，不會(huì)隨著機(jī)器人的移動(dòng)發(fā)生任何變化。所以，不同坐標(biāo)系之間屬于單純的平移關(guān)系：

式中：（XC1，YC1，ZC1）表示左側(cè)攝像機(jī)坐標(biāo)；B 表示機(jī)器人移動(dòng)距離。

結(jié)合式（1）和式（2），可得出：

此外，在測量模型構(gòu)建過程中，本文通過旋轉(zhuǎn)矩陣、平移矩陣[7]，對雙目立體視覺系統(tǒng)進(jìn)行校正，保證左右相機(jī)的世界坐標(biāo)系相同。按照校正后的雙目立體視覺測量模型，機(jī)器人移動(dòng)過程中，獲取周圍環(huán)境中存在的所有物體的深度信息，實(shí)現(xiàn)周圍環(huán)境的立體重建。

1.2 設(shè)計(jì)基于圖像識(shí)別的信息檢測方法

為了更準(zhǔn)確地檢測圖像內(nèi)包含的特征信息，本文基于圖像識(shí)別技術(shù)設(shè)計(jì)了一種新的圖像信息檢測方法，該方法主要包括圖像處理和信息檢測2 個(gè)環(huán)節(jié)[8]。首先，采用移位去尾的算法，對原始采集圖像進(jìn)行灰度化處理。引入雙線性插值法進(jìn)行降采樣處理，雙線性插值法的實(shí)現(xiàn)如圖2 所示。

圖2 中，A 表示插值像素點(diǎn)，Q12，Q11，Q22，Q21表示插值像素點(diǎn)的鄰近的4 個(gè)像素點(diǎn)，R1，R2表示沿x軸方向插入的像素點(diǎn)，y0，y1，y2表示插值像素點(diǎn)y 軸坐標(biāo)。

圖2 雙線性插值原理Fig.2 Bilinear interpolation principle

式中：A（x，y）表示插值像素點(diǎn)的坐標(biāo)值。

針對降采樣處理后的圖像進(jìn)行分析可知，圖像中像素點(diǎn)的對比度較低，影響圖像識(shí)別的準(zhǔn)確率。因此，本文結(jié)合直方圖均衡化方法，實(shí)現(xiàn)灰度圖對比度增強(qiáng)[9]，則累計(jì)分布函數(shù)為

式中：s 表示灰度變量；e 表示圖像灰度級(jí)；T 表示累計(jì)分布函數(shù)；γ 表示圖像對比度；λ 表示概率密度函數(shù)；ε 表示積分假變量。

最后一個(gè)圖像處理階段，就是圖像平滑去噪階段，通過雙邊濾波器處理不必要的圖像特征，得到輸出像素值公式：

式中：h 表示輸出圖像；（i，j）表示輸出圖像坐標(biāo)；? 表示原圖像；（k，l）表示原圖像坐標(biāo)；η 表示加權(quán)系數(shù)。

圖像處理完成后，在基于圖像識(shí)別的信息檢測方法設(shè)計(jì)過程中，結(jié)合局部二值模式和Canny 算子分割模式，提取圖像邊緣信息，得到邊緣強(qiáng)度與梯度方向計(jì)算結(jié)果：

匯總上述公式計(jì)算結(jié)果，獲取障礙物邊緣信息，并框選出障礙物所在區(qū)域，將該區(qū)域作為鎖定的目標(biāo)圖像，建立內(nèi)部點(diǎn)陣，針對圖像內(nèi)每個(gè)像素點(diǎn)的坐標(biāo)進(jìn)行編碼，將整體圖像轉(zhuǎn)換為一串二進(jìn)制碼，利用AprilTag 庫內(nèi)的編碼進(jìn)行解碼處理，依據(jù)解碼結(jié)果輸出圖像信息檢測結(jié)果。

1.3 建立移動(dòng)機(jī)器人障礙物識(shí)別算法

由于機(jī)器人在障礙物識(shí)別過程中，處于移動(dòng)狀態(tài)，且周圍環(huán)境內(nèi)的障礙物也可能出現(xiàn)移動(dòng)，在移動(dòng)機(jī)器人障礙物識(shí)別算法建立時(shí)，需要合成機(jī)器人運(yùn)動(dòng)信息和障礙物運(yùn)動(dòng)信息。因此，本文基于圖像信息檢測結(jié)果，依據(jù)小波不變矩特征設(shè)計(jì)障礙物識(shí)別所需的分類器。小波不變矩特征為

式中：F 表示圖像的小波不變矩特征；m，n，q 表示特征尺度；β 表示圖像函數(shù)；（o，τ）表示圖像函數(shù)的極坐標(biāo)；φ 表示小波函數(shù)；χ 表示尺度因子；ν 表示位移因子。

引入次優(yōu)搜索算法，選擇2 個(gè)合適的小波不變矩特征，進(jìn)行圖像特征信息提取，將特征提取結(jié)果輸入分類器，輸出障礙物識(shí)別結(jié)果。

1.4 實(shí)現(xiàn)障礙物精準(zhǔn)定位

為了實(shí)現(xiàn)障礙物精準(zhǔn)定位，本文引入投影差分法，通過二值化后的逆投影差分圖，描述障礙物距離機(jī)器人的距離，以及障礙物方向，基于此描述障礙物空間位置，障礙物狀態(tài)估計(jì)的坐標(biāo)系配置如圖3 所示。

圖3 障礙物狀態(tài)估計(jì)的坐標(biāo)系配置Fig.3 Coordinate system configuration of obstacle state estimation

圖3 中，abc 表示像素坐標(biāo)系，a′b′c′表示障礙物局部坐標(biāo)系，aˉbˉcˉ表示機(jī)器人自身坐標(biāo)系，θ 表示障礙物。則障礙物在障礙物局部坐標(biāo)系中的坐標(biāo)可以表示為

而機(jī)器人坐標(biāo)系內(nèi)，障礙物坐標(biāo)推導(dǎo)公式為

結(jié)合式（11）和式（12），推算出障礙物方向，以及障礙物與機(jī)器人之間的距離：

式中：D表示障礙物與機(jī)器人之間的距離；μ 表示障礙物方向。

2 仿真實(shí)驗(yàn)

2.1 實(shí)驗(yàn)場景

為了驗(yàn)證本文提出的障礙物定位方法，特進(jìn)行實(shí)驗(yàn)分析。在室內(nèi)環(huán)境中搭建圖4 所示的實(shí)驗(yàn)場景，場景內(nèi)分散放置了8 個(gè)障礙物，再隨機(jī)選定一款智能巡檢機(jī)器人，在機(jī)器人移動(dòng)狀態(tài)下，進(jìn)行障礙物定位研究。實(shí)驗(yàn)環(huán)境設(shè)計(jì)完成后，考慮到本文設(shè)計(jì)的定位方法是以雙目立體視覺系統(tǒng)為基礎(chǔ)的，在移動(dòng)機(jī)器人上方安裝2 個(gè)微型攝像機(jī)，每個(gè)攝像機(jī)的分辨率為1950×1050 像素，2 個(gè)相機(jī)的有限檢測范圍為800 cm。

圖4 實(shí)驗(yàn)場景Fig.4 Experimental scenario

2.2 攝像機(jī)標(biāo)定

本次實(shí)驗(yàn)過程中，依托于MATLAB 工具箱，通過棋盤標(biāo)定法完成攝像機(jī)標(biāo)定。設(shè)置左右兩側(cè)的攝像機(jī)所采集圖像，是針對相同位置棋盤同步拍攝的，再通過MFC 程序?qū)?biāo)定圖像輸入MATLAB 工具箱，得到圖5 所示的標(biāo)定棋盤圖像組。

圖5 標(biāo)定棋盤圖像組Fig.5 Calibration checkerboard image group

通過標(biāo)定工具箱內(nèi)的自動(dòng)程序，完成2 個(gè)攝像機(jī)的標(biāo)定分析，得到表1 所示的標(biāo)定結(jié)果。按照表1所示的標(biāo)定結(jié)果，設(shè)置雙目攝像機(jī)的各項(xiàng)參數(shù)，通過雙目立體視覺系統(tǒng)測量機(jī)器人運(yùn)行過程中的周圍環(huán)境圖像，再進(jìn)行后續(xù)障礙物檢測。

表1 左右攝像機(jī)標(biāo)定結(jié)果（單位：Pixel）Tab.1 Calibration results of left and right cameras（unit：pixel）

2.3 障礙物檢測

由于初始采集圖像是圖6（a）所示的彩色圖像，為了便于檢測障礙物，對原始圖像進(jìn)行灰度化處理，得到圖6（b）。通過直方圖均衡化方法，對灰度化圖像進(jìn)行增強(qiáng)處理，得到圖6（c）所示的效果圖。最后，采用Canny 算子檢測算法，設(shè)置高低閾值比為2∶1，得到障礙物輪廓檢測結(jié)果，如圖6（d）所示。

圖6 障礙物檢測示意圖Fig.6 Schematic diagram of obstacle detection

2.4 障礙物定位

障礙物檢測結(jié)束后，運(yùn)用本文提出的方法，得出機(jī)器人移動(dòng)過程中障礙物定位結(jié)果。為了體現(xiàn)本文設(shè)計(jì)定位方法的優(yōu)越性，在上述實(shí)驗(yàn)環(huán)境中，采用文獻(xiàn)[3]和文獻(xiàn)[4]提出的方法，進(jìn)行障礙物定位。記錄不同方法的障礙物定位結(jié)果，以及障礙物到移動(dòng)機(jī)器人的真實(shí)距離，得到表2。由表2 可知，本文提出的定位方法，對于距離較近的障礙物定位結(jié)果與真實(shí)值完全一致，如障礙物4、5、6、7、8，對于超出1 m 范圍的障礙物，定位結(jié)果會(huì)產(chǎn)生一定誤差，但最大定位誤差為0.5 cm，滿足障礙物定位要求。應(yīng)用文獻(xiàn)[3]、文獻(xiàn)[4]提出的方法進(jìn)行障礙物定位后，所顯示的最大定位誤差分別為1.8 cm 和3.4 cm。綜上所述，本文設(shè)計(jì)的障礙物定位方法，使得最大定位誤差減少了72%、85%，該方法的應(yīng)用有效提升了機(jī)器人工作質(zhì)量。

表2 不同方法的障礙物定位結(jié)果Tab.2 Obstacle location results of different methods

3 結(jié)語

為了滿足人們對智能機(jī)器人越來越高的避障要求，本文針對障礙物定位問題，提出一種以圖像識(shí)別技術(shù)為核心的定位方法，確保機(jī)器人在運(yùn)行過程中迅速、精確地獲取周圍環(huán)境中存在的障礙信息，為后續(xù)運(yùn)行路徑的制定提供依據(jù)。從實(shí)驗(yàn)結(jié)果來看，所提方法的應(yīng)用有效降低了故障定位的誤差，為機(jī)器人自主運(yùn)行決策提供可靠信息。