基于视觉的移动机器人自主定位导航
方 强,谢存禧
(华南理工大学,广州510640)
摘要:自主导航是移动机器人的关键技术,机器视觉由于信息量大和人性化特征,在移动机器人自主导航得到广泛应
用。本文介绍了基于视觉导航的基本概念、算法及新技术的应用,在分析近年来较成功视觉导航系统基础上,提出了视觉导航数据处理的发展方向。
关键词:机器人;导航;视觉
中图分类号:TP24 文献标识码:A 文章编号:1001-3881
(2004)7-040-3TheVision -basedNavigationandSelf -localizationofAutonomousMobileRobot
FANGQiang,XIECun 2xi
(SouthChinaUniversityofTechnology,Guangzhou510640,China
)
Abstract:Theprimaryconceptofthevisionnavigation,thealgorithmandapplicationofnewtechnologywereintroduced.Andbasedon theanalysisoftheachievablevisionnavigationsystemresearchedrecently,theresearchdirectioninprocessingofvisionnavigationwaspro 2
posed.
Keywords:Robotic;Navigation;Vision
现代机器人技术在人工智能、计算技术和传感技术的推动下获得了飞速发展,其中移动机器人因具有可移动性和自治能力,能够适应不同的环境,被广泛用于物流、探测、服务等领域,是现代机器人技术发展的一个重要分支。移动机器人关键技术之一是自主导航,该问题被定义为基于环境理解的全局定位、目标识别和障碍物检测[1]。机器人所处环境一般分为结构化环境和非结构化环境,前者的环境条件一般是已知或受限的,后者环境条件是未知、动态变化的。移动机器人需要通过自身的传感器探测环境对象,以确定机器人在环境中的当前位置和决策下一步的动作。移动机器人自主导航方式主要有以下几种:
(1)基于地下/地表敷线的导航方式。在机器人运动路径上敷设金属导线或色带,通过对金属导线信号检测或对色带的检测确定机器人的位置和运动方向。该方式技术成熟可靠,但对环境的适应能力较差且存在通过路径“瓶颈”问题,因而在全自主移动机器人中应用较少。
(2)基于罗盘/里程计的导航。通过罗盘对地磁的检测确定机器人方位,与里程计结合推断机器人的当前位置。由于该方式用累计的算法推断机器人的当前位置,误差会不断积累,同时在一次定位失败后系统自恢复能力较差,需要定期修正系统偏差。
(3)基于测距的导航。通过测量机器人与参考物间的距离,通过三角测量法计算机器人的当前位置,该方法具有一定的精度,导航的鲁棒性较好。目前主要有超声波定位导航、激光定位导航、红外定位导航。
(4)基于GPS 的定位导航。通过对GPS 卫星信号的接收分析,确定导航对象在地表的位置,由于GPS 定位系统的精度和适用范围,其主要用于室外机器人导航,如无人驾驶车等。
(5)基于视觉的导航。机器人平台的图像采集系统获取机器人当前状态下的环境信息,通过对环境图
像分析确定环境对象和机器人在环境中的位置。由于图像有较高分辨率,环境信息完整,符合人类的认知习惯,在机器人导航中得到广泛关注。1 基于视觉的移动机器人定位导航111 视觉定位导航系统基本任务
移动机器人模仿人类视觉感知周围环境,因此视觉导航的研究必须要放到机器人所处的环境和任务要求中研究。机器人视觉系统的基本任务有:
(1)场景中简单物体的识别与定位;(2)场景中目标方位及距离探测,多个目标间的空间关系确定;(3)目标运动分析,长序列运动图像跟踪;(4)障碍检测、动目标预测、防撞分析;(5)基于视觉的路径规划;(6)与环境的交互,视觉引导;(7)颜色、亮度、有无等环境确定和判断;(8)其它图形文字识别等。
以上各功能有的是底层视觉,有的需要高层理解,对某一机器人系统需要根据机器人感觉系统结构和环境有选择的确定当前功能[2]。112 视觉定位导航系统体系结构
图1 视觉信息采集处理
视觉定位系统硬件由摄像机、图像采集卡构成,通过对环境光的检测,以图像方式获得环境信息(图1)。由于USB 接口技术的出现,小型摄像机可以直接与计算机相连,实现环境图像的快速采集传送,且预设数据处理系统与图像采集系统间的接口。
机器视觉是移动机器人多环境探测方式中的一
种,在考虑机器人体系结构基础上,一般采用分层结构的视觉处理模型。机器人根据当前具体任务,由视觉调用指令调用不同的视觉子模块,视觉子模块则在视觉数据库信息基础上分析当前环境图像,获得环境对象的解释(图2)。该方法将视觉处理的各个基本功能相互独立,在高层上信息相互印证,提高数据可靠性,并具有较好的开放性,便于系统增减其他传感器和控制软件
。
图2 分层视觉体系
113 视觉导航的图像处理
在引言中已提及基于人工视觉的定位导航中环境图像具有较高的空间和灰度分辨率,探测范围广,精度高,场景信息全面。但图像是传感器(CCD 摄像机)对介质(光)在时间和空间上的采样,是对环境的被动探测,受介质(光源)、环境性态、采样位置、成像系统特性等多因素共同作用[3～4]。而其它主动定位导航系统,如对地面金属对电磁场变化测量、超声波度越时间(TOF,TimeOfFlying )测量、激光反射测量等,检测对象具有确定物理意义和介质可控性。其次,视觉图像是对场景在空间分辨率下的采样,图像为由RGB 值(或其它颜色模型)度量、互不相关的点集,现实世界中场景物体的整体关联性不复存在。因此如何通过图像处理估计各个场景对象,获取有用定位信息是视觉处理的基本问题。
基于视觉的移动机器人定位导航系统首先要对图像信息进行处理,获取有用的特征目标或特定目标,实现机器人对当前场景的理解。基本方法如滤波(除去干扰信号)、边缘检测、图像分割、目标匹配等。其次是图像中目标对象描述,基本的描述方法有边界描述,区域描述、关系描述等[4]。
由于整体模板匹配或特征抽取计算量太大,在图像处理阶段一般先提取边界,在图像分割的基础上作进一步描述、理解。根据图像全局特性对目标进行哈
夫(Hough
)变换,可以从图像中提取边界特征,基本原理是根据对偶,由图像空间的点计算参数空间的线,再由参数空间的线交点计算图像空间的线,可用来检测各种能以解析式f (x ,c )=0(x 为图像点坐标向量,c 为参数向量)表示的曲线或轮廓目标。
近年来双目或多目CCD 成像的立体视觉技术得到较大关注[5]。立体视觉模仿人类视觉的距离估计和景物重建过程,多CCD 间存在一定间距或夹角,同一物体在不同CCD 中成像像素点具有对应关系,根据成像变换矩阵和对应像素点在像空间中的位置就可反求出物体的空间位置[5,17]。基于结构光主动立体视觉也得到了研究[4],即机器人本体主动发出受控光源(如激光、红外光),专用摄像机获取场景图像,这样不需确定对应点也可利用三角原理得到深度图像。立体视觉可以更充分的认识环境,提高定位精度,但由于其运算量很大,实时性较差,而且对应像素确定困难,限制了其应用。2 视觉导航算法211 结构化条件下视觉定位导航
结构化条件下视觉导航比较有代表性的工作有学者AkioKosaka 和AviKak 研究的基于概率推理定位法[7],S.Atiya 和G.D.Hanger 研究的路标集合匹配图3 FINALE ′S 系统中基 于环境模型和概率推 理的自定位算法[1]
方法[9]等。
文献[7]预先建立环境场景的线框模型,以高斯分布描述机器人姿态向量(位置和朝向),机器人运动过程中姿态的更新表现为姿态向量分布数学期望和方差的更新,基本原理见
图3,算法主要步骤
为:
Step1:以高斯分
布函数描述机器人位置p =(x ,y ,<),执行运动命令后位置为p ′=h (p ),确定每个定位点的均值 p 和不确定性参数变换方差矩阵Σp ;
Step2:确定机器人执行运动指令后机器人的位置参数及位置不确定分布矩阵。位置不确定性指运动中滑动或不确定性因素引起机器人的额外平移或旋转距离。
Step3:基于场景模型的卡曼滤波更新当前位置。文献[18]是在廊道几何模型基础上提取交线特征,在定位不确定性分析基础上以投影逝点作为机器人定位标识。该定位算法将机器人定位问题转换为机器人位置概率分布的计算和更新,可以解决定位的不确定性问题,机器人初始位置未知或定位失败后机器人定位恢复。但是由于场景结构模型建立困难,并且位置不确定分布完全独立难以满足,因而其对环境适应能力较差。
文献[8]描述了由S.Atiya 和G.D.Hanger 研究
的另一种基于集合的视觉定位导航系统,环境用一系列的可检测路标表达(图4中小圆圈表示路标特征),采用路标最佳匹配方法确定机器人的全局位置。记任一个路标p j 在位置时在视觉系统图像中的映射为proj (p,p j ),路标p j 与视觉图像中对应点o i 构成序对集∧={
。
图4 以路标(小圆圈)表达的室内环境 地图及基于路标匹配定位方法[8]
类似的工作在国内已有深入研究[6],并对路标选
择[9]、定位精度[10]做了深入分析。基于路标集合匹配方法在路标位置精确的基础上,可以实现移动机器人的高精度定位。
图5
拓扑地图导航是结构化条件下的另一种导航方式(图5),根据环境区域间的不同连接关系分为端点、连接处、廊道等节点,拓扑地图节点之间只存在邻接关系,机器人通过对节点特征(如门牌号码,天
花板照明灯,窗户特
征,建筑物特征[11～13]等)的识别确定在地图中的位置和导航,视觉系统的功能主要是提取环境特征,确定机器人在拓扑图中的位置,因而是定性定位。212
非结构化条件下视觉导航
图6 基于图像序列表达的视觉示教导航[15]
非结构化条件下的移动机器人一般采用示教视觉导航[14～15]。在示教阶段,移动机器人按时间或空间间隔获取环境图像,并存储在计算机中,运行阶段
机器人将当前环境与预先存储的环境图像相比较,估
计机器人的当前位置和确定下一动作(图6)。
全向图是移动机器人提取环境特征的一种有效方法,由于全向图能获得机器人当前位置下360°范围内的场景情况,因而场景特征提取更为有效,匹配精度也较高。在图像序列匹配导航中,示教阶段获得的图像数据存储量大,比较过程复杂,因而一般都对路径图像压缩或提取特征的方法,如VSRR (view-se 2quencedrouterepresentation )序列,场景中的垂直线存储和匹配[14,15]等。非结构化条件下的视觉导航由于数据运算量大,采样密度,采样位置和图像匹配精度有限,因而只能实现近似定位。3 结论
基于视觉的移动机器人自主定位导航在理论和实践方面已取得相当多的成果,在部分场景如室内结构化环境下已有商业产品面世。但由于移动机器人活动场景复杂性和动态特性,以及视觉处理复杂性和视觉过程还难以很好描述,具有随机非结构化环境适应能力的视觉机器人系统还难以做到,机器人视觉系统的实时性还不够。
当前机器人视觉处理系统一般是基于图像处理的特征提取,定位方式和环境适应性受到限制。视觉系统的发展,一方面要从多传感器数据融合的角度,将视觉系统与多类异质传感器在空间、时间和数据性质上的冗余或互补依据某种准则进行组合,以获得被测对象的一致性解,提高系统适应性和环境识别能力。另一方面让系统具有基于知识的自组织特征提取能力,实现场景对象表达、障碍物判断和定位导航的动态更新。同时随着计算机技术、传感技术的发展(如[16]新的CCD 成像技术),新的视觉定位导航系统结构将更简单,实时性更好,环境适应性更强。
参考文献
【1】陆新华,张桂林1室内服务机器人导航方法研究1机
器人,2003,25
(1)1【2】屠大维,林财兴1智能机器人视觉体系结构研究1机
器人,2001,23
(3)1【3】庄 健,王孙安1视觉伺服移动机器人中的图像处理
研究1西安交通大学学报,2002,36
(3)1【4】章毓晋,图象工程(下),清华大学出版社,2000181【5】KazunoriUmeda,TakatoshiTakahashi.SubpixlStereo
Method:aNewMethodologyofStereoVision.Proceedingof the2000IEEE,InternationalConferenceonRobotics&Au 2tomation,April20001【6】董再励,郝颖明,朱 枫1一种基于视觉的移动机器
人定位系统1中国图像图形学报,2000,5
(A )(8)1【7】A.KosakaandA.C.Kak.FastViosion-GuidedMobile
RobotNavigationUsingModel-basedReasoningandPredic https://www.doczj.com/doc/1614694894.html,puterVision,Graphics,
(下转第56页)
相差较远。
图1(b)为两个自由度模型。此模型是在图1 (a)单自由度模型的基础上,认为地基基础为弹性体,将其简化为具有质量、弹性和阻尼的力学系统,从而建立两自由度模型。和单自由度模型相比,数学模型和计算略显复杂,但模型误差相对较小,与实际的振动情况较接近。
图1(c)为多自由度模型。此模型是建立在数控车床与地基基础耦合振动的基础上,真实的反映了数控车床与基础之间振动关系。但此力学模型的数学模型建立困难,计算非常复杂。
3 结论
单自由度系统的力学模型具有数学模型简单,计算方便,但结果与实际误差较大,适合应用于振动较大,设备对振动要求不是很高的应用场合;两个自由度模型较单自由度系统的力学模型具有了较大的精度提高,虽然数学模型和计算略显复杂,但模型误差相对较小,与实际的振动情况较接近。但对于外界干扰较大,特别是设备安装在可以简化为板、梁的基础上,设备小振动的情况下,如果简化成两自由度模型,模型误差就太大了。随着数控机床作为加工设备已普遍投入使用,加工机床上楼是一个趋势,若将数控车床的基础视为刚体,显然,这与安装在弹性楼板上机床的基础具有柔性的实际情况不符,也使传统的动力分析和振动控制方法的应用受到了极大的限制。因此多年来传统的振动理论将数控车床与地基之间的数学模型简化为单自由度或两个自由度,认为地基
是刚体,且多为单一干扰源的力学模型需要改进,即改进为本文中第三种力学模型。数控车床与基础耦合的多自由度力学模型,是数控车床振动控制的基础,在此基础上,根据具体干扰源的情况,建立柔性支承、多自由度基础上,单机多扰源、多机多扰源的振动数学模型,完成对数控车床的振动控制。
参考文献
【1】王义民1防振垫铁与卧式车床的稳定性1制造技术与机床,2003(6)1
【2】冯培峰等1数控车床液压棒料送料器振动原因分析1振动、测试与诊断,2000年增刊1
【3】王加春等1超精密机床减振分析1航空精密制造技术, 2000(2)1
【4】N.OlgacandN.Jalili1998JournalofSoundandVibration 218(2).307-331.Modalanalysisofflexiblebeamswith
delayedresonatorvibrationabsorber:theoryandexperiments.【5】周晓晔等1数控机床柔性基础隔振系统分析的功率流方法1沈阳工业大学学报,2001,23(4)1
【6】D.SciulliandD.J.Inman1998JournalofSoundandVi2 bration216(2).251-267.Isolationdesignforaflexible
system.
【7】陈 威等1冲床隔振基础双自由度力学模型的建立与解析1锻压技术,2001(4)1
【8】熊冶平1柔性耦合系统的振动功率流及主被动控制研究1
作者简介:李耀刚,1962年生,男,河北理工学院副教授,北京科技大学博士研究生。E2mail:lygshui@ya2 hoo1com1cn。
收稿时间:2003-10-27
(上接第42页)
andImageProcessing-ImageUnderstanding,1992,56(3)
1
【8】S.AtiyaandG.D.Hager.Real-timeVision-basedRobot Localization.IEEETrans.RoboticsandAutomation,1993,
9(6)1
【9】郝颖明,董再历,朱 枫,魏 芳1路标定位中的优化选择策略1高技术通讯,2001(8)1
【10】王 冰,张惠侨,叶庆泰1移动式机器人信标定位系统的误差分析及其应用1机械设计与研究,2000(2)
1
【11】HansyeS.DulimartaandAnilK.Jain,MobileRobotLocal2 izationinIndoorEnvironment.PatternRecognition,1997,
30(1)1
【12】Wang-HeunLee,Kyoung-SigRoh,In-SoKweon.Self
-localizationofamobilerobotwithoutcameracalibrationus2
ingprojectiveinvariants,PatternRecognitionLetters21,
20001
【13】O.Wijk,H.I.Christensen.LocalizationandNavigationof
aMobileRobotUsingNaturalPointLandmarksExtractedfrom
SonarData.RoboticsandAutonomousSystems,2000,311【14】Y.Matsumoto,M.Inaba,VisualNavigationUsingView-SequencedRouteRepresentation.Pro.IEEE,Roboticsand
Automation,Vol.1,Apr.19961
【15】T.Ohno,A.Ohya.AutonomousNavigationforMobile
RobotsReferringPre-RecordedImageSequence1Proc.
IEEE,IntelligentRobotsandSystems,Vol12,Nov,19961【16】RudolfSchwarte.Dynamic3D-Vision.IEEEProceedings EDMO,2001,Vienna1
【17】KazunoriUmeda,TakatoshiTakahashi.SubpixlStereo Method:aNewMethodologyofStereoVision1Proceedingof
the2000IEEE,InternationalConferenceonRobotics&Au2
tomation,April20001
作者简介:方 强,1974年出生,男,现为华南理工大学机械学院博士研究生,研究方向为机器视觉,机器人技术。联系方式:87114635(实验室),135********,E-mail:fq1yccy@1631com。
收稿时间:2003-07-03