祝毅鳴，劉 鑫

（1.鄭州西亞斯學(xué)院，河南新鄭 451150；2.中南大學(xué)商學(xué)院，湖南長(zhǎng)沙 410083）

1 引言

目前全自主機(jī)器人［1］多使用多視覺(jué)傳感器，以此加強(qiáng)機(jī)器人的智能性。視覺(jué)是全自主機(jī)器人獲取和感知周圍環(huán)境的方式之一，全自主機(jī)器人的核心由內(nèi)部傳感器和外部傳感器構(gòu)成，內(nèi)部傳感器［2］可直接獲取機(jī)器人自身的數(shù)據(jù)，外部傳感器可獲取周圍環(huán)境以及研究對(duì)象的相關(guān)信息。自主機(jī)器人的重要研究目的是控制機(jī)器人的導(dǎo)航系統(tǒng)，在傳感器的幫助下，獲取相關(guān)數(shù)據(jù)，實(shí)現(xiàn)由出發(fā)點(diǎn)到終點(diǎn)的自主運(yùn)動(dòng)［3］。

文獻(xiàn)［4］首先建立全自主機(jī)器人的運(yùn)動(dòng)模型，并利用卡爾曼濾波算法以及GPS技術(shù)定位出全自主機(jī)器人的位置，通過(guò)開(kāi)放軟件設(shè)置機(jī)器人行駛路徑，根據(jù)機(jī)器人的偏航角等控制全自動(dòng)機(jī)器人的導(dǎo)航，實(shí)現(xiàn)全自主機(jī)器人導(dǎo)航控制。

文獻(xiàn)［5］首先通過(guò)單目視覺(jué)獲取機(jī)器人相關(guān)數(shù)據(jù)特征，并對(duì)特征實(shí)施分割，其次在深度卷積神經(jīng)網(wǎng)絡(luò)的幫助下細(xì)化特征，得到機(jī)器人全局姿態(tài)優(yōu)化，實(shí)現(xiàn)全自主機(jī)器人導(dǎo)航控制。

文獻(xiàn)［6］利用深度視覺(jué)完成機(jī)器人導(dǎo)航數(shù)據(jù)的特征提取與匹配，其次在八叉樹(shù)的幫助下規(guī)劃導(dǎo)航地圖，最后構(gòu)建最近點(diǎn)模型，以此預(yù)測(cè)出機(jī)器人最優(yōu)位姿，實(shí)現(xiàn)全自主機(jī)器人導(dǎo)航控制。以上三種方法在控制機(jī)器人導(dǎo)航過(guò)程未對(duì)目標(biāo)對(duì)象定位，無(wú)法獲取目標(biāo)路徑，導(dǎo)致機(jī)器人只能隨機(jī)尋找路徑到達(dá)目標(biāo)地點(diǎn)，延長(zhǎng)了導(dǎo)航控制時(shí)間，存在導(dǎo)航控制效果差和目標(biāo)對(duì)象跟蹤精度低的問(wèn)題。為了解決上述問(wèn)題，提出全自主機(jī)器人視覺(jué)信息采集與導(dǎo)航控制方法。該方法通過(guò)采集機(jī)器人信息，并且利用定位方法明確目標(biāo)位置，結(jié)合Q算法和Boltzmann探索方案，實(shí)現(xiàn)機(jī)器人的導(dǎo)航控制，以期促進(jìn)機(jī)器人的智能化發(fā)展。

2 機(jī)器人的目標(biāo)定位

全自主機(jī)器人全局定位功能是機(jī)器人的核心功能，該功能是保證機(jī)器人可自主前進(jìn)的前提，避免出現(xiàn)盲目運(yùn)動(dòng)的情況，在定位前需要采集機(jī)器人的相關(guān)信息作為定位和導(dǎo)航的基礎(chǔ)。

2.1 基于視覺(jué)的信息采集

通過(guò)分析全自主機(jī)器人整體性能，得出基于視覺(jué)的信息采集流程，如圖1所示。

圖1 信息采集流程圖Fig.1 Information Collection Flow Chart

視覺(jué)的信息采集流程主要由六步構(gòu)成，依次是定義機(jī)器人采集參數(shù)、開(kāi)啟攝像機(jī)、獲取圖像、保存以及顯示圖像、采集結(jié)束、特征提取?；谌灾鳈C(jī)器人自身設(shè)備可知，機(jī)器人采集圖像信息僅依靠視覺(jué)技術(shù)［7］即可獲取所需信息，視覺(jué)技術(shù)可分為主動(dòng)視覺(jué)以及被動(dòng)視覺(jué)。

（1）被動(dòng)視覺(jué)

被動(dòng)視覺(jué)方法就是利用機(jī)器人自身的攝像機(jī)隨機(jī)獲取一個(gè)視點(diǎn)，以此獲取圖像后完成三維重建。

（2）主動(dòng)視覺(jué)

主動(dòng)視覺(jué)是通過(guò)攝像機(jī)獲取外界環(huán)境的幾何信息，并對(duì)其開(kāi)展特征提取處理，以此實(shí)現(xiàn)基于視覺(jué)的信息采集。

2.1.1 參數(shù)確定

根據(jù)流程圖可知，在采集信息時(shí)，需要確定采集參數(shù)，實(shí)質(zhì)上在采集圖像時(shí)，目標(biāo)對(duì)象和攝像機(jī)之間處于相對(duì)運(yùn)動(dòng)狀態(tài)，導(dǎo)致獲取的圖像不清晰，需要及時(shí)調(diào)整攝像機(jī)的高度以及傾斜角等，確保圖像的清晰度，以此獲取完整的信息。

攝像角度和高度直接影響圖像的質(zhì)量，在保證圖像質(zhì)量的同時(shí)，最大程度地降低計(jì)算量，可以不斷根據(jù)對(duì)象的實(shí)際距離確定。

拍攝對(duì)象在正常景深范圍時(shí)，圖像才能保證自身的清晰度，一旦超出該范圍，無(wú)論是圖像的對(duì)比度耗時(shí)，還是分辨率均會(huì)發(fā)生一定程度的下降，其中景深變化最重要的因素就是光圈大小，光圈越大，景深越小，但光圈的可調(diào)范圍是不變的范圍，因此，在獲取信息時(shí)需要提前確定出最大光圈值，以此保證高度不同物體的清晰度。

2.1.2 信息特征提取

無(wú)論是被動(dòng)視覺(jué)還是主動(dòng)視覺(jué)，其核心均是提取信息的特征，以此完成信息采集。

選取BRIEF 特征提取方法完成信息特征提取，該方法由兩部分組成，分別是特征點(diǎn)檢測(cè)以及特征點(diǎn)表示，在特征點(diǎn)檢測(cè)過(guò)程中，首先利用檢測(cè)器檢測(cè)出目標(biāo)物的極值點(diǎn)，并運(yùn)用濾波完成多尺度圖像的極值點(diǎn)檢測(cè)，繼而將其視為興趣點(diǎn)，同時(shí)實(shí)時(shí)響應(yīng)閾值的判斷以及非極大值的約束，最終針對(duì)特征點(diǎn)，在函數(shù)差值的幫助下，得出特征點(diǎn)的位置以及尺度，其中響應(yīng)閾值判斷是斷定每種興趣點(diǎn)的響應(yīng)值，進(jìn)而排除不在此范圍內(nèi)的興趣點(diǎn)。

特征點(diǎn)的描述以特征點(diǎn)為中心，在設(shè)定好的范圍內(nèi)計(jì)算二進(jìn)制表示特征點(diǎn)，以此確保尺度的不變性。范圍的選取要求是保證特征點(diǎn)的尺度全部成正比，全自主機(jī)器人在實(shí)際導(dǎo)航過(guò)程中以地面目標(biāo)為核心引導(dǎo)目標(biāo)，這是因?yàn)樵撃繕?biāo)發(fā)生旋轉(zhuǎn)的概率小，因此，不需要添加特征點(diǎn)方向的變化能力，進(jìn)而最大程度地降低計(jì)算難度，二進(jìn)制是利用多個(gè)像素點(diǎn)的比較值形成，進(jìn)而得到的計(jì)算公式為：

式中：nd—圖像像素對(duì)的數(shù)量；γ—橫縱坐標(biāo)像素的灰度比值。

根據(jù)以上對(duì)特征點(diǎn)的檢測(cè)和描述，求解出Hamming 距離即可完成特征點(diǎn)的匹配。

2.2 目標(biāo)定位

特征點(diǎn)匹配［8］的數(shù)量以及穩(wěn)定性是實(shí)現(xiàn)機(jī)器人目標(biāo)定位的關(guān)鍵點(diǎn)，通過(guò)候選對(duì)象以及標(biāo)準(zhǔn)目標(biāo)點(diǎn)之間匹配的數(shù)量以及穩(wěn)定性，表示兩點(diǎn)之間的相似度，但因?yàn)楦鱾€(gè)目標(biāo)中的特征點(diǎn)可能存在差異，通過(guò)相似度度量?jī)H能得到目標(biāo)的粗略位置，因此，需要加強(qiáng)精度，分別對(duì)目標(biāo)物實(shí)施粗定位以及精定位。

2.2.1 粗定位

假設(shè)t時(shí)的目標(biāo)圖像區(qū)域集合為lt，則此時(shí)目標(biāo)搜索區(qū)域集合為：

每個(gè)目標(biāo)圖像區(qū)域都需要計(jì)算其運(yùn)動(dòng)速度，并提取最大相似度的目標(biāo)圖像區(qū)域，將其視為粗定位跟蹤結(jié)果。

則候選圖像目標(biāo)與標(biāo)準(zhǔn)圖像之間的相似度計(jì)算公式為：

根據(jù)跟蹤目標(biāo)在區(qū)域中出現(xiàn)次數(shù)越多代表特征點(diǎn)越穩(wěn)定的原理得出特征穩(wěn)定性度量公式為：

式中：H—時(shí)間滑動(dòng)部位的大?。?/p>

D—特征點(diǎn)在目標(biāo)區(qū)域中匹配特征點(diǎn)的數(shù)量。

2.2.2 精定位

因?yàn)猷徑鼒D像的變化帶有連續(xù)性，得出鄰近圖像間的變化關(guān)系，其表達(dá)式為：

根據(jù)式（5）即可隨時(shí)求解相互鄰近圖像中心位置的位移向量以及目標(biāo)區(qū)域的縮放向量。

為了最大程度地降低目標(biāo)定位誤差，在最小二乘法的幫助下計(jì)算目標(biāo)變化參數(shù)以此得到目標(biāo)的精確定位，假設(shè)樣本點(diǎn)變量為，則目標(biāo)函數(shù)表達(dá)式為：

則目標(biāo)圖像縮放向量以及中心坐標(biāo)的表達(dá)式為：

式中：ox—圖像縮放向量；

—中心坐標(biāo)；

e—樣本集。

對(duì)目標(biāo)定位均是先對(duì)圖像開(kāi)展粗定位再開(kāi)展精定位，隨機(jī)選取樣本集e作為輸入添加到式（7）中，計(jì)算縮放向量以及位移，并輸入到式（5）中，生成回歸的線性方程，其次瀏覽所有匹配特征點(diǎn)對(duì)，進(jìn)而計(jì)算出每個(gè)樣本點(diǎn)到線性方程中的直線長(zhǎng)度，在結(jié)果小于固定閾值，則樣本和最小二乘法的結(jié)果完全相同，并反復(fù)執(zhí)行上述兩步直到完成系統(tǒng)要求的次數(shù)，提取出和最小二乘法次數(shù)完成相同次數(shù)最多的樣本，即得出最優(yōu)結(jié)果，則最優(yōu)結(jié)果是目標(biāo)圖像的中心位移向量?以及目標(biāo)區(qū)域內(nèi)在x軸上的縮放向量的分量，同理可知在y軸的位移向量以及縮放向量。

假設(shè)t?1時(shí)刻的目標(biāo)圖像為，則t時(shí)間的目標(biāo)精確定位為

綜合粗定位和精定位［9］的結(jié)果，即可實(shí)時(shí)定位目標(biāo)對(duì)象的位置，從而控制機(jī)器人導(dǎo)航。

3 全自主機(jī)器人的導(dǎo)航控制

在Q學(xué)習(xí)算法［10］的基礎(chǔ)上對(duì)處于動(dòng)態(tài)環(huán)境中的全自主機(jī)器人導(dǎo)航開(kāi)展控制可獲取高效的控制結(jié)果，該算法的實(shí)質(zhì)是在不知道機(jī)器人狀態(tài)轉(zhuǎn)移概率以及懲戒值時(shí)，計(jì)算出最優(yōu)控制策略的一種算法，通過(guò)該算法可順利實(shí)現(xiàn)移動(dòng)機(jī)器的導(dǎo)航控制，同時(shí)盡可能的避免出現(xiàn)運(yùn)動(dòng)狀態(tài)空間的維數(shù)災(zāi)難情況，完成計(jì)算后對(duì)其實(shí)施離散化處理即可。

當(dāng)機(jī)器人準(zhǔn)備實(shí)施下一個(gè)動(dòng)作時(shí)，需要在數(shù)據(jù)庫(kù)中隨機(jī)抽取一個(gè)動(dòng)作，在Boltzmann探索方案的幫助下得出目前機(jī)器人狀態(tài)可執(zhí)行動(dòng)作的概率，概率計(jì)算表達(dá)式為：

式中：t—溫度參數(shù)；m—訓(xùn)練次數(shù)；t0、α—調(diào)節(jié)參數(shù)；bi—執(zhí)行動(dòng)作；c—目前狀態(tài)。

根據(jù)式（8）在所有動(dòng)作集中選取機(jī)器人下一步所要完成的動(dòng)作。

在狀態(tài)轉(zhuǎn)移的幫助下設(shè)置瞬間獎(jiǎng)懲值，假設(shè)機(jī)器人的某一狀態(tài)時(shí)的獎(jiǎng)懲值表達(dá)式為：

式中：d—常數(shù)項(xiàng)；λ1—發(fā)生沖突的模糊隸屬度；λ2—發(fā)生危險(xiǎn)的模糊隸屬度；λ3—發(fā)生威脅的模糊隸屬度；λ4—安全的模糊隸屬度；λ5—左側(cè)的模糊隸屬度；λ6—中間的模糊隸屬度；λ7—右側(cè)的模糊隸屬度。

根據(jù)機(jī)器人的實(shí)際狀態(tài)計(jì)算機(jī)器人的速度，并定義各個(gè)時(shí)刻下機(jī)器人與周圍障礙物的距離，根據(jù)實(shí)際距離的變化得到獎(jiǎng)懲值中常數(shù)值，進(jìn)而獲取Q學(xué)習(xí)算法的瞬間獎(jiǎng)懲值。

根據(jù)設(shè)定的學(xué)習(xí)率和折扣率整理出Q學(xué)習(xí)規(guī)則，以此不斷更新Q值，得到最優(yōu)的機(jī)器人導(dǎo)航策略，并在人機(jī)交互技術(shù)下，實(shí)現(xiàn)全自主機(jī)器人的導(dǎo)航控制，每隔一段時(shí)間，采集一次機(jī)器人的狀態(tài)信息，并發(fā)送導(dǎo)航信號(hào)，完成導(dǎo)航控制。

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)環(huán)境及參數(shù)

為了驗(yàn)證全自主機(jī)器人視覺(jué)信息采集與導(dǎo)航控制方法的整體有效性，實(shí)驗(yàn)對(duì)象全自主機(jī)器人，如圖2所示。

圖2 實(shí)驗(yàn)設(shè)備Fig.2 Laboratory Equipment

圖2 的研究對(duì)象底部裝置了移動(dòng)滾輪，可以自由移動(dòng)，采集數(shù)據(jù)的攝像機(jī)安裝在全自動(dòng)機(jī)器人的最頂部，安裝位置如圖所示，攝像機(jī)為索尼生產(chǎn)的SSC?G918P寬動(dòng)態(tài)攝像機(jī)，實(shí)驗(yàn)主要技術(shù)參數(shù)包含像素、機(jī)械臂尺寸等，如表1所示。

表1 技術(shù)參數(shù)表Tab.1 Technical Parameter Table

以上述對(duì)象進(jìn)行對(duì)比分析實(shí)驗(yàn)，對(duì)所提方法、文獻(xiàn)［4］方法和文獻(xiàn)［5］方法開(kāi)展導(dǎo)航控制效果和目標(biāo)對(duì)象跟蹤精度的測(cè)試，以輪轉(zhuǎn)角控制精度、航向角控制角度、橫向位移偏差和目標(biāo)跟蹤精度為實(shí)驗(yàn)性能指標(biāo)。在實(shí)驗(yàn)時(shí)，使用的場(chǎng)地為某市的中心廣場(chǎng)，南北長(zhǎng)400m，東西寬120m，在無(wú)人的情況下，在場(chǎng)地內(nèi)設(shè)置障礙物，目標(biāo)位置為（23，94），起點(diǎn)位置為（156，15），設(shè)置5個(gè)障礙物，分別在（145，15）、（133，34）、（92，43）、（85，66）、（42，66）位置。

4.2 實(shí)驗(yàn)性能分析

針對(duì)全自主機(jī)器人的導(dǎo)航控制實(shí)質(zhì)上就是對(duì)其輪轉(zhuǎn)角、位移以及航向角的控制，因?yàn)檫@三種因素的控制精度直接影響最終的控制效果。

4.2.1 輪轉(zhuǎn)角控制精度分析

為了得出三種導(dǎo)航控制方法的優(yōu)劣，隨機(jī)選取一環(huán)境對(duì)三種方法開(kāi)展控制效果的實(shí)驗(yàn)，在實(shí)驗(yàn)過(guò)程中保證三種方法的各種外界條件均相同，比較三種方法在不同時(shí)刻下的輪轉(zhuǎn)角控制精度，以此得出三種導(dǎo)航控制方法的實(shí)際效果，如表2所示。

表2 三種方法的輪轉(zhuǎn)角控制精度Tab.2 The Precision of Wheel Rotation Control by Three Methods

通過(guò)分析表2的三種方法的輪轉(zhuǎn)角控制結(jié)果發(fā)現(xiàn)，輪轉(zhuǎn)角每時(shí)每刻都發(fā)生變化，所提方法與理想結(jié)果一致，文獻(xiàn)［4］方法的控制角僅在40s和100s時(shí)接近理想值，其他時(shí)間均與理想值偏差大，最低偏差2，文獻(xiàn)［5］方法的控制角在40s時(shí)，控制較僅為9，與理想值相差11，此時(shí)偏差最大，其他時(shí)間偏差較小，接近理想結(jié)果，但整體偏離理想值，三種方法與理想控制角度最接近的是所提方法，該方法基本無(wú)誤差，因此，所提方法提高了轉(zhuǎn)輪角的控制精度和性能。

4.2.2 航向角控制角度分析

對(duì)機(jī)器人的角度控制不僅有輪轉(zhuǎn)角，航向角也是導(dǎo)航控制好壞的關(guān)鍵，在同樣的實(shí)驗(yàn)環(huán)境下，分析實(shí)驗(yàn)方法的航向角與機(jī)器人理想航向角的誤差，如圖3、圖4所示。

圖3 理想航向角控制角度Fig.3 Ideal Heading Angle Control Angle

圖4 不同方法的航向角控制角度Fig.4 Heading Angle Control Angle of Different Methods

根據(jù)圖3、圖4可知，與理想航向角最接近的是所提方法和文獻(xiàn)［4］方法，文獻(xiàn)［5］方法與理想航向角偏差較大，仔細(xì)分析可知，所提方法基本與理想航向角重合，其角誤差最小，因此，所提方法有效提高了航向角的控制精度。

4.2.3 橫向位移偏差分析

為了進(jìn)一步驗(yàn)證所提方法是最優(yōu)控制方法的可信度，分析在不同時(shí)間下所提方法的位移偏差，如表3所示。根據(jù)表3可知，所提方法對(duì)位移量的控制未出現(xiàn)偏差，偏差值均未0m，即生成最高精度的位移量，文獻(xiàn)［4］方法的橫向位移平均偏差為0.38m，文獻(xiàn)［5］方法的橫向位移平均偏差為0.59m，文獻(xiàn)方法的偏差均高于所提方法，最低高出0.38m，因此，所提方法在橫向移動(dòng)方面具備最優(yōu)導(dǎo)航控制方法，有效降低了橫向位移偏差。

表3 不同方法的機(jī)器人橫向位移偏差（m）Tab.3 The lateral Displacement Deviation of the Robot by Different Methods（m）

4.2.4 跟蹤精度分析

機(jī)器人的導(dǎo)航控制是根據(jù)目標(biāo)對(duì)象的位置和可行駛路徑完成導(dǎo)航，因此，在控制過(guò)程中對(duì)目標(biāo)對(duì)象的跟蹤精度是否精準(zhǔn)決定導(dǎo)航控制效果，為驗(yàn)證所提方法該方面的性能，在相同環(huán)境下，已知機(jī)器人的目標(biāo)路徑和目標(biāo)對(duì)象，將三種方法得出的導(dǎo)航控制與目標(biāo)路徑進(jìn)行分析，判斷三種方法的跟蹤精度，以此判定三種控制方法的優(yōu)劣，如圖5所示。根據(jù)圖5可知，所提方法的路徑是最相似目標(biāo)路徑的路徑，在圖5中可以看出，其路徑基本與目標(biāo)路徑一致，且跟蹤路徑與目標(biāo)路徑十分接近，其在坐標(biāo)（117，38）位置，Y軸出現(xiàn)最大誤差，誤差值為0.5m，文獻(xiàn)［4］方法的路徑在坐標(biāo)（140，10）位置，Y軸出現(xiàn)最大誤差，誤差值為達(dá)到12m，文獻(xiàn)［5］方法的路徑在坐標(biāo)（80，46）位置，Y軸出現(xiàn)最大誤差，誤差值為19m，對(duì)比分析三種方法的誤差值，其中，所提方法的Y軸誤差最小，并且低于1m，文獻(xiàn)方法的Y軸誤差均高于10m，因此，所提方法的跟蹤精度最高，其是最優(yōu)導(dǎo)航控制方法，這是因?yàn)樗岱椒ㄔ趯?duì)機(jī)器人導(dǎo)航控制過(guò)程中對(duì)目標(biāo)開(kāi)展了精確的定位處理，提前確定目標(biāo)位置的精確位置，以此獲取最優(yōu)形式路徑，完美實(shí)現(xiàn)導(dǎo)航控制。

圖5 三種方法的目標(biāo)跟蹤精度Fig.5 Target Tracking Accuracy of Three Methods

5 結(jié)束語(yǔ)

為進(jìn)一步加強(qiáng)機(jī)器人的核心能力，提出全自主機(jī)器人視覺(jué)信息采集與導(dǎo)航控制方法，該方法采集相關(guān)導(dǎo)航數(shù)據(jù)以及對(duì)目標(biāo)定位，計(jì)算獎(jiǎng)懲值獲取導(dǎo)航信號(hào)并完美避障，實(shí)現(xiàn)全自主機(jī)器人的導(dǎo)航控制，解決了導(dǎo)航控制效果差和目標(biāo)對(duì)象跟蹤精度低的問(wèn)題，有效避免機(jī)器人因避障問(wèn)題帶來(lái)的影響，加強(qiáng)機(jī)器人使用壽命。在后續(xù)的研究中，針對(duì)方法的運(yùn)算耗時(shí)進(jìn)行研究，以期降低耗時(shí)，進(jìn)一步提高信息采集和導(dǎo)航控制的效率。