北京交通大学
硕士学位论文
移动机器人视觉导航系统研究姓名:王红波
申请学位级别:硕士专业:信号与信息处理指导教师:阮秋琦 20080601
中文摘要
中文摘要
摘要:基于视觉的移动机器人导航是近年发展起来的一种先进导航技术。与其它的非视觉传感器导航相比,它具有信息丰富、探测范围宽、目标信息完整等优点。本文结合实际应用,提出了一个完整的移动机器人视觉导航系统解决方案。研究内容主要包括四个部分:摄像机标定、目标识别、单目测距和运动控制。分别阐述如下:
第一,摄像机标定,基于张正友的平面标定算法对摄像头进行精确标定,针对摄像头的自动变焦特性,提出了一个新的离线离散标定策略,并获得多个状态下的摄像头内外参数。
第二,目标识别,传统分割方法存在多分割问题,影响到目标物提取的精度, 这罩提出一个改进了的基于HSI模型的彩色图像分割算法,在多通道阈值分割的基础上,融入了连通区域标记和形念学开闭运算。
第三,单目测距,基于摄影测量学和立体几何理论,建立了单目视觉测距模型,并推导了基于地平面约束的单目测距算法。针对多种误差因素,在测距算法中加入了误差校币,使移动机器人能够更加准确地定位目标物体。
第四,运动控制,控制摄像机云台实现日标物搜索,调整移动机器人位姿和对夹持器的动作控制。
实验结果表明:即使在恶劣光照条件下,提出的Hs工分割算法能够对向光、背光、近处、远处物体实现快速有效提取;提出的单目测距模型和算法能够对目标物体进行精确的测距;当把这些算法集成到实验平台上时,能够快速实现移动机器人的导航控制,并成功完成物体抓取操作。
关键词:摄像机标定、彩色目标识别、单目视觉测距、移动机器人
分类号:TP 391.41
ABSTRACI'
ABSTRACT
ABS。I’RAC’1..
In recent years,vision attracts a lot of attention for navigating a mobile robot in
dynamic https://www.doczj.com/doc/259731196.html,pared with other sensing systems,visual navigation is excellent and effective.With a visual sensing system,wider view of field,rich and
intensive data Can be obtained for a mobile robot moving in a changing environment.In this study,a visual navigation scheme is proposed for a mobile robot to realize object collection,and it comprises of camera calibration,object
recognition,monocular measurement and motion control,as stated in the following.
Firstly,the technique of camera calibration is presented on the basis of Zhang’S algorithm.Since a PTZ calTlera is used here,it is controlled to move up
and down,from left to right,to extend the view of field.Therefore,calibration in different positions is needed,and a new discrete method is proposed here.
Secondly,a
modified image segmentation method is used here based on HS[ algorithm,with the morphological filtering
and multi—channel segmentation techniques? It improves the accuracy of the conventional segmentation methods.
Thirdly,a monocular technique is proposed here to measure
an object position in 3D space.Visual models are established based on the principle of imaging and spatial geometry constrains.To
reduce the measuring errors,a compensating term is added into the method.
Finally,these techniques
are integrated into a mobile robot platform to implement collection of specified objects.To find an object of long distance,the camera is tilted and panned,the location information is computed from the feedback of wheel motions, and the gripper is control to grasp the specified object.
Numerous experiments show that the calibration of camera is precise,and the image segmentation algorithm is effective even under very bad illumination conditions, and the visual navigation scheme works very well for the mobile robot to collect a specified object.
KEYWORDS:Objeet Recognition,Monocular Measurement,Mobile Robots, Visual Navigation
CI.ASSNo:TP 391.41
VIl
学位论文版权使用授权书
本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索, 并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。
(保密的学位论文在解密后适用本授权说明
学位论文作者签名:丕彩2教导师签名:签字日期:细8年名月10日陆鸯
签字日期:-彦毒6月7同
北京交通大学硕士学位论文
独创性声明
本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京交通大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
学位论文作者签名:王勿缎签字日期:伽8年‘月1o日
致谢
本论文的工作是在我的导师阮秋琦教授的悉心指导下完成的,阮秋琦教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。阮秋琦教授悉心指导我们完成了实验室的科研工作,在学习上和生活上都给予了我很大的关心和帮助, 在此向阮老师表示衷心的谢意!
另外信息所的杨唐文老师、倪蓉蓉老师、朱振峰老师、刘渭滨老师、肖扬老师、梁满贵老师等对于我的科研工作和论文都提出了许多的宝贵意见,在此向几位受入尊敬的老师表示衷心的感谢!
在实验室工作及撰写论文期间,祝琨、邢文浩、阮宇慧、鲍征、李杰、王杨、郭晶晶、彭大静、邸锦、赵燕燕、侯妍颖、王晶、杨萍萍等同学对我论文中的许多研究工作给予了热情帮助,在此向他们表达我的由衷的感激之情!
另外也感谢我的爸爸妈妈,他们的理解和支持使我能够在学校专心完成我的学业!
最后,向在这两年以来所有关心过我帮助过我的人表示感谢!
序
序
本课题是计算机视觉与机器人学的结合,自2007年4月开始投入研究,2008年4月结束工作,历时一年。本题开发了一个完整的移动机器人视觉导航系统。本课题的研究成果可以应用到工业自动化,车辆自动导航等各个领域。
目前广泛使用的视觉导航技术一般为视觉与多传感器融合,设备价格极高。本文纯粹使用单个摄像头,不但节省了成本,而且提高了实时性。
本课题是国家自然科学基金(No.60472033、国家973项目 (No.2004CB318005以及教育部博士点基余资助项目(No.20030004023、同时得到北京交通大学科技基金(2007XM007支持。
综述
1综述
1.1研究背景及意义
工业生产的迅速发展,推动着科学技术的突飞猛进。但在不少工业生产和科研领域中,存在着长时问高温、有气味、有危险以及要求重复性的强体力消耗的工作环境,这就给科学工作者提出了研制替代人的“机器人”课题。
自从20世纪50年代术,第一台工业机器人发明以来,机器人的发展已有半个多世纪,机器人的应用越来越广泛,几乎渗透到所有领域。工业机器人在经历了诞生——成长——成熟期后,己成为制造业中不可少的核心装备,世界上有约 75万台工业机器人讵与人类并肩战斗在各条战线上。特种机器人作为机器人家族的后起之秀,由于其用途广泛而大有后来居上之势,仿人形机器人、农业机器人、服务机器人、水下机器人、医疗机器人、军用机器人、娱乐机器人等各种用途的特种机器人纷纷面世,而且正以飞快的速度向实用化迈进。
中国工程院前院长宋健指出:“机器人学的进步和应用是20世纪自动控制最有说服力的成就,是当代最高意义上的自动化"。机器人技术综合了多学科的发展成果,代表了高技术的发展前沿,它在人类生活中的应用领域的不断扩大正引起国际上重新认识机器人技术的作用和影响。从某种意义上讲,一个国家机器人技术水平的高低反映了这个国家综合技术实力的高低。随着机器人应用领域的不断拓展,人们对机器人的作业要求也逐渐向大范围、高难度的方向发展。这就要求机器人具有更大的活动空间和更强的适应能力。
作为传感器、执行器、运动规划密切结合的活动载体,移动机器人具有广阔的应用前景和商业价值,其研究也越来越受到人们的重视。要实现机器人的自主导航就要解决三个问题,即:
Where am I?
Where am I going?
How should I get there?
这第一个问题就是移动机器人的自定位,也就是要明确机器人在环境中的正确位置,只有解决这个问题之后,第二个问题即机器人的运动目标才有意义。最后一个问题是机器人路径规划问题,也就是要在当前位置和目标位置之间规划出一条合理的路径。确定移动机器人的位置是在机器人的各种应用中首先需要解决的最基本问题之一。只有确定了自己的位置,机器人才能够谈得上完成其它的功
北京交通大学硕士学位论文
能。由于机器人定位问题的重要性显而易见,它始终是机器人研究者们热门研究的问题之一。
制造能够替代人类劳动的机器人一直是人类的梦想,但目前即使是世界上智能最高的机器人对外部环境变化的适应能力也非常有限,距人们预想的目标还有很大距离,这极大地影响了机器人的推广使用。这其中的一个重要原因就是机器人缺乏像人一样的感知能力。通过添加各种外部传感器,可以使机器人获得感知能力,其中比较重要的一种就是视觉传感器。在现代工业自动化生产过程中,机器视觉正成为一种提高生产效率和保证产品质量的关键技术。如机械零件的自动检测、智能机器人控制及生产线的自动监控等。在国防和航天等领域,机器视觉也具有相当重要的应用,如运动目标的自动跟踪与识别、自治战车导航、登月舱的自动着陆以及空间机器人的视觉控制等。视觉方法是近年发展起来的一种先进导航方法,其和非视觉类传感器相比,视觉传感器具无噪声、无有害影响、信息量大等特点。
根据统计,人类接受的信息60%以上是来自视觉,人类视觉为人类提供了关于周围环境最详细可靠的信息【l】。近年来,视觉传感器在移动机器人导航,障碍物识别中的应用越来越受人们重视,一方面由于计算机图像处理能力和计算机相应技术的发展,加之视觉系统具有信号探测范围宽、目标信息完整、获得环境信息的速度快等优势。另一方面由于激光雷达和超声的原理都是通过主动发射脉冲和接受反射脉冲来测距的,多个机器人一起工作时相互之间可能产生干扰,同时它们对一些吸收性或者透明性强的障碍物无法很好的识别。在移动机器人导航避障的实际应用过程中,为了达到一定的实时性我们不需要像人类视觉一样来区分不同的外界事物,简单的避障功能只需要能分辨可行区域和障碍物区域,能得到障碍物的一些深度及位置信息,以及根据得到的障碍物信息采取相应的避障措施即可。因此,视觉导航技术成为移动机器人的关键技术之一。它的主要功能包括对各种道路场景进行识别和理解、障碍物的快速识别和检测,从而确定移动机器人的可行区域。
与激光、雷达、超声相比,视觉具有以下优点:
首先即使在丢弃了绝大部分的视觉信息后,所剩下的关于周围环境的信息仍然比激光、雷达和超声更多更精确。
其次,激光、雷达和超声的原理都是通过主动发射脉冲和接受反射脉冲来测距的,因此当多个机器人同时工作时,相互之问可能产生干扰,而视觉是被动测量,多个机器人相互之间的干扰可以减少到最小。
最后,激光、雷达和超声数据的采样周期一般比摄像机长,因此不能及时对高速运动的机器人提供信息并做出规划。
2
综述
因此视觉传感器在移动机器人中被大量采用从视觉传感器上划分,机器人视觉可分为单目视觉、双目视觉和多目视觉。双目视觉和多目摄像机构造复杂,价格昂贵,虽然可以获得更多的环境信息,但对图像匹配的精度相当高,对计算机处理器的运算速度要求很高,是以牺牲处理效率为代价的相比较而言。单目视觉构造简单,成本低廉,加上一定的约束条件后很容易得到场景物体的深度。因此单目视觉被很多研究工作者们采用。
虽然在计算机视觉方面,许多专家已经做了大量的研究,但是与人类视觉相比,计算机视觉发展还非常不够,还处于初级阶段,如何让机器人通过视觉更好地认知并理解世界还是一个非常困难的问题,因此很多学者都致力于这方面的研究。
本课题依托Pioneer3一AT研究平台,该平台是有单个摄像头的小型移动机器人。不仅可以在室内实现功能,而且也可在室外运作,具有很强的适应能力。安装的摄像头可随云台转动,视野宽阔,可以很好的定位物体,实现定位导航功能。
1.2移动机器人概述
1.2.1机器人的发展历史
移动机器人的关键技术分为以下三种: (1)导航技术 导航技术是移动机器人的一项核心技术之一[3,4]"它是指移动机器人通过传感器感知环境信息和自身状态,实现在有障碍的环境中面向目标的自主运动"目前,移动机器人主要的导航方式包括:磁导航,惯性导航,视觉导航等"其中,视觉导航15一7]通过摄像头对障碍物和路标信息拍摄,获取图像信息,然后对图像信息进行探测和识别实现导航"它具有信号探测范围广,获取信息完整等优点,是移动机器人导航的一个主要发展方向,而基于非结构化环境视觉导航是移动机器人导航的研究重点。 (2)多传感器信息融合技术多传感器信息融合技术是移动机器人的关键技术之一,其研究始于20世纪80年代18,9]"信息融合是指将多个传感器所提供的环境信息进行集成处理,形成对外部环境的统一表示"它融合了信息的互补性,信息的冗余性,信息的实时性和信息的低成本性"因而能比较完整地,精确地反映环境特征,从而做出正确的判断和决策,保证了机器人系统快速性,准确性和稳定性"目前移动机器人的多传感器融合技术的研究方法主要有:加权平均法,卡尔曼滤波,贝叶斯估计,D-S证据理论推理,产生规则,模糊逻辑,人工神经网络等"例如文献[10]介绍了名为Xavier的机器人,在机器人上装有多种传感器,如激光探测器!声纳、车轮编码器和彩色摄像机等,该机器人具有很高的自主导航能力。 (3)机器人控制器作为机器人的核心部分,机器人控制器是影响机器人性能的关键部分之一"目前,国内外机器人小车的控制系统的核心处理器,己经由MCS-51、80C196等8位、16位微控制器为主,逐渐演变为DSP、高性能32位微控制器为核心构成"由于模块化系统具有良好的前景,开发具有开放式结构的模块化、标准化机器人控制器也成为当前机器人控制器的一个研究热点"近几年,日本!美国和欧洲一些国家都在开发具有开放式结构的机器人控制器,如日本安川公司基于PC开发的具有开放式结构!网络功能的机器人控制器"我国863计划智能机器人主题也已对这方面的研究立项 视觉导航技术分类 机器人视觉被认为是机器人重要的感觉能力，机器人视觉系统正如人的眼睛一样,是机器人感知局部环境的重要“器官”,同时依此感知的环境信息实现对机器人的导航。机器人视觉信息主要指二维彩色CCD摄像机信息,在有些系统中还包括三维激光雷达采集的信息。视觉信息能否正确、实时地处理直接关系到机器人行驶速度、路径跟踪以及对障碍物的避碰,对系统的实时性和鲁棒性具有决定性的作用。视觉信息处理技术是移动机器人研究中最为关键的技术之一。
移动机器人视觉导航。 0504311 19 刘天庆一、引言 智能自主移动机器人系统能够通过传感器感知外界环境和自身状态，实现在有障碍物环境中面向目标的自主运动，从而完成一定作业功能。其本身能够认识工作环境和工作对象，能够根据人给予的指令和“自身”认识外界来独立地工作，能够利用操作机构和移动机构完成复杂的操作任务。因此，要使智能移动机器人具有特定智能，其首先就须具有多种感知功能，进而进行复杂的逻辑推理、规划和决策，在作业环境中自主行动。机器人在行走过程中通常会碰到并且要解决如下三个问题：（1）我（机器人）现在何处？（2）我要往何处走？（3）我要如何到达该处？其中第一个问题是其导航系统中的定位及其跟踪问题，第二、三个是导航系统的路径规划问题。移动机器人导航与定位技术的任务就是解决上面的三个问题。移动机器人通过传感器感知环境和自身状态，进而实现在有障碍物的环境中面向目标自主运动，这就是通常所说的智能自主移动机器人的导航技术。而定位则是确定移动机器人在工作环境中相对于全局坐标的位置及其本身的姿态，是移动机器人导航的基本环节。 目前，应用于自主移动机器人的导航定位技术有很多，归纳起来主要有：安装CCD 摄像头的视觉导航定位、光反射导航定位、全球定位系统GPS(Global Positioning System)、声音导航定位以及电磁导航定位等。下面分别对这几种方法进行简单介绍和分析。 1、视觉导航定位 在视觉导航定位系统中，目前国内外应用较多的是基于局部视觉的在机器人中安装车载摄像机的导航方式。在这种导航方式中，控制设备和传感装置装载在机器人车体上，图像识别、路径规划等高层决策都由车载控制计算机完成。视觉导航定位系统主要包括：摄像机（或CCD 图像传感器）、视频信号数字化设备、基于DSP 的快速信号处理器、计算机及其外设等。现在有很多机器人系统采用CCD 图像传感器，其基本元件是一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个象素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从32×32 到1024×1024 像素等。视觉导航定位系统的工作原理简单说来就是对机器人周边的环境进行光学处理，先用摄像头进行图像信息采集，将采集的信息进行压缩，然后将它反馈到一个由神经网络和统计学方法构成的学习子系统，再由学习子系统将采集到的图像信息和机器人的实际位置联系起来，完成机器人的自主导航定位功能。 视觉导航定位中，图像处理计算量大，计算机实时处理的速度要达到576MOPS~5.76BOPS，这样的运算速度在一般计算机上难以实现，因此实时性差这一瓶颈问题有待解决； 另外，对于要求在黑暗环境中作业的机器人来说，这种导航定位方式因为受光线条件限制也不太适应。 当今国内外广泛研制的竞赛足球机器人通常都采用上面所说的视觉导航定位方式，在机器人小车子系统中安装摄像头，配置图像采集板等硬件设备和图像处理软件等组成机器人视觉系统。通过这个视觉系统，足球机器人就可以实现对球的监测，机器人自身的定位，作出相应动作和预测球的走向等功能
基于深度视觉的室内移动机器人即时定位与建图研究 在无法获取GPS信号的室内场合,如何有效地解决移动机器人的室内定位与导航问题,已经成为机器人技术研究领域的难点与热点,而即时定位与地图构建(SLAM)方法为此提供了一个较为合适的解决方法。近些年,由于以Kinect为代表的深度相机具有同时获取场景的彩色信息与深度信息的特点,基于深度相机的视觉SLAM方法逐渐成为视觉SLAM研究的一个重要方向。 本文主要针对基于深度相机的室内移动机器人SLAM技术展开研究,先是利用TUM数据集完成视觉SLAM算法的测试,再在移动机器人平台上进行算法实验,结果能够较好地建立出室内环境的地图模型。本文的主要研究内容共分为以下几个部分:首先,对本课题研究中使用的深度相机的模型展开介绍,包括其中涉及的坐标系与坐标变换,以及深度相机的标定方法。 接着,分析机器人的视觉SLAM过程中涉及的相关系统变量,并对其运动方程和观测方程作出描述。同时,结合图模型,以位姿图的形式,表示移动机器人的即时定位与地图构建过程,为后续研究打下基础。 其次,详细研究基于深度相机的视觉SLAM算法的各个模块。考虑整体SLAM 算法的实时性能,在视觉SLAM的前端,采用计算速度极快的ORB特征,并利用汉明距离进行匹配,同时引入误匹配优化机制,提高特征匹配的准确率。 在估计相机运动时,利用深度相机的深度信息,使用3D-2D的方法估计两帧图像之间相机的运动。在后端处理部分,介绍回环检测方法,利用视觉词袋算法对机器人运动过程中的位姿进行回环,约束其位姿的估计误差。 然后,介绍基于位姿图的非线性优化方法,并利用g2o库求解相机运动轨迹,同时根据深度相机的数据,构建点云地图,展开算法的评价。再次,针对点云地图
基于视觉导航的轮式移动机器人设计方案第一章移动机器人 §1.1移动机器人的研究历史 机器人是一种自动化的机器，所不同的是这种机器具备一些与人或生物相似的智能，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器)。1962年，美国Unimation公司的第一台机器人Unimate。在美国通用汽车公司(GM)投入使用，标志着第一代机器人的诞生。 智能移动机器人更加强调了机器人具有的移动能力，从而面临比固定式机器人更为复杂的不确定性环境，也增加了智能系统的设计复杂度。1968年到1972年间，美国斯坦福国际研究所(Stanford Research Institute, SRI)研制了移动式机器人Shaky,这是首台采用了人工智能学的移动机器人。Shaky具备一定人工智能，能够自主进行感知、环境建模、行为规划并执行任务(如寻找木箱并将其推到指定目的位置)。它装备了电视摄像机、三角法测距仪、碰撞传感器、驱动电机以及编码器，并通过无线通讯系统由二台计算机控制。当时计算机的体积庞大，但运算速度缓慢，导致Shaky往往需要数小时的时间来分析环境并规划行动路径。 1970年前联月球17号探测器把世界第一个无人驾驶的月球车送七月球，月球车行驶0.5公里，考察了8万平方米的月面。后来的月球车行驶37公里，向地球发回88幅月面全景图。在同一时代，美国喷气推进实验室也研制了月球车(Lunar rover),应用于行星探测的研究。采用了摄像机，激光测距仪以及触觉传感器。机器人能够把环境区分为可通行、不可通行以及未知等类型区域。 1973年到1979年，斯坦福大学人工智能实验室研制了CART移动机器人，CART可以自主地在办公室环境运行。CART每移动1米，就停下来通过摄像机的图片对环境进行分析，规划下一步的运行路径。由于当时计算机性能的限制，CART每一次规划都需要耗时约15分钟。CMU Rover由卡耐基梅隆大学机
第9卷 第7期2004年7月 中国图象图形学报Journal of Image and G raphics V ol.9,N o.7July 2004 基金项目:国家“863”计划资助项目(编号:2001AA422200)收稿日期:2004201213;改回日期:2004204206 基于路径识别的移动机器人视觉导航 张海波 原 魁 周庆瑞 (中国科学院自动化研究所高技术创新中心,北京 100080) 摘 要 跟随路径导引是自主式移动机器人广泛采用的一种导航方式,其中视觉导航具有其他传感器导航方式所无法比拟的优点,是移动机器人智能导航的主要发展方向。为了提高移动机器人视觉导航的实时性和准确性,提出了一个基于路径识别的视觉导航系统,其基本思想是首先用基于变分辨率的采样二值化和形态学去噪方法从原始场景图像中提取出目标支持点集,然后用一种改进的哈夫变化检测出场景中的路径,最后由路径跟踪模块分直行和转弯两种情况进行导航计算。实验结果表明,该视觉导航系统具有较好的实时性和准确性。关键词 自主式移动机器人 视觉导航 路径识别 中图法分类号:TP242.62 文献标识码:A 文章编号:100628961(2004)0720853205 Visual N avigation of a Mobile R obot B ased on P ath R ecognition ZH ANG Hai 2bo ,Y UAN K ui ,ZH OU Qing 2rui (Hi 2tech Innovation Centre ,Institute o f Automation ,Chinese Academy o f Sciences ,Beijing 100080) Abctract G uidance using path following is widely applied in the field of autonom ous m obile robots.C om pared with the navigation system without vision ,visual navigation has obvious advantages as rich in formation ,low cost ,quietness ,innocuity ,etc.This pa 2per describes a navigation system which uses the visual in formation provided by guide lines and color signs.In our approach ,the visual navigation is com posed of three main m odules :image 2preprocessing ,path 2recognition and path 2tracking.First ,image 2pre 2processing m odule formulates color m odels of all kinds of objects ,and establishes each object ’s support through adaptive subsam 2pling 2based binarization and mathematical m orphology.Second ,path 2recognition m odule detects the guide lines through an im 2proved H ough trans form alg orithm ,and the detected results including guide lines and color signs integrate the path in formation.Fi 2nally ,calling different functions according to the m ovement of straight 2g oing or turning ,path 2tracking m odule provides required in 2put parameters to m otor controller and steering controller.The experimental results dem onstrate the effectiveness and the robustness of our approach. K eyw ords com puter perception ,autonom ous m obile robot ,visual navigation ,path recognition 1 引 言 导航技术是移动机器人的一项核心技术,其难 度远远超出人们最初的设想,其主要原因有:一是环境的动态变化和不可预测;二是机器人感知手段的不完备,即很多情况下传感器给出的数据是不完全、不连续、不可靠的[1]。这些原因使得机器人系统在复杂度、成本和可靠性方面很难满足要求。 目前广泛应用的一种导航方式是“跟随路径导 引”,即机器人通过对能敏感到的某些外部的连续路 径参照线作出相应反应来进行导航[2]。这种方法和传统的“硬”自动化相比大大增加了系统的灵活性,其具有代表性的系统有:C ontrol Engineering 公司安装的导线引导系统,它是通过检测埋在地下的引导导线来控制行进方向,其线路分岔则通过在导线上加载不同频率的电流来实现[3];Egemin Automation 公司生产的Mailm obile 机器人则安装有主动式紫外光源,并通过3个光电探头来跟随由受激化学物质构成的发光引导路径[4];Macome 公司为自动驾驶车
北京交通大学 硕士学位论文 移动机器人视觉导航系统研究姓名:王红波 申请学位级别:硕士专业:信号与信息处理指导教师:阮秋琦 20080601 中文摘要 中文摘要 摘要:基于视觉的移动机器人导航是近年发展起来的一种先进导航技术。与其它的非视觉传感器导航相比,它具有信息丰富、探测范围宽、目标信息完整等优点。本文结合实际应用,提出了一个完整的移动机器人视觉导航系统解决方案。研究内容主要包括四个部分:摄像机标定、目标识别、单目测距和运动控制。分别阐述如下: 第一,摄像机标定,基于张正友的平面标定算法对摄像头进行精确标定,针对摄像头的自动变焦特性,提出了一个新的离线离散标定策略,并获得多个状态下的摄像头内外参数。 第二,目标识别,传统分割方法存在多分割问题,影响到目标物提取的精度, 这罩提出一个改进了的基于HSI模型的彩色图像分割算法,在多通道阈值分割的基础上,融入了连通区域标记和形念学开闭运算。 第三,单目测距,基于摄影测量学和立体几何理论,建立了单目视觉测距模型,并推导了基于地平面约束的单目测距算法。针对多种误差因素,在测距算法中加入了误差校币,使移动机器人能够更加准确地定位目标物体。 第四,运动控制,控制摄像机云台实现日标物搜索,调整移动机器人位姿和对夹持器的动作控制。
实验结果表明:即使在恶劣光照条件下,提出的Hs工分割算法能够对向光、背光、近处、远处物体实现快速有效提取;提出的单目测距模型和算法能够对目标物体进行精确的测距;当把这些算法集成到实验平台上时,能够快速实现移动机器人的导航控制,并成功完成物体抓取操作。 关键词:摄像机标定、彩色目标识别、单目视觉测距、移动机器人 分类号:TP 391.41 ABSTRACI' ABSTRACT ABS。I’RAC’1.. In recent years,vision attracts a lot of attention for navigating a mobile robot in dynamic https://www.doczj.com/doc/259731196.html,pared with other sensing systems,visual navigation is excellent and effective.With a visual sensing system,wider view of field,rich and intensive data Can be obtained for a mobile robot moving in a changing environment.In this study,a visual navigation scheme is proposed for a mobile robot to realize object collection,and it comprises of camera calibration,object recognition,monocular measurement and motion control,as stated in the following. Firstly,the technique of camera calibration is presented on the basis of Zhang’S algorithm.Since a PTZ calTlera is used here,it is controlled to move up and down,from left to right,to extend the view of field.Therefore,calibration in different positions is needed,and a new discrete method is proposed here. Secondly,a
移动机器人视觉定位方法的研究 针对移动机器人的局部视觉定位问题进行了研究。首先通过移动机器人视觉定位与目标跟踪系统求出目标质心特征点的位置时间序列，然后在分析二次成像法获取目标深度信息的缺陷的基础上，提出了一种获取目标的空间位置和运动信息的方法。该方法利用序列图像和推广卡尔曼滤波，目标获取采用了HIS模型。在移动机器人满足一定机动的条件下，较精确地得到了目标的空间位置和运动信息。仿真结果验证了该方法的有效性和可行性。 运动视觉研究的是如何从变化场景的一系列不同时刻的图像中提取出有关场景中的目标的形状、位置和运动信息，将之应用于移动机器人的导航与定位。首先要估计出目标的空间位置和运动信息，从而为移动机器人车体的导航与定位提供关键前提。 视觉信息的获取主要是通过单视觉方式和多视觉方式。单视觉方式结构简单，避免了视觉数据融合，易于实现实时监测。如果利用目标物体的几何形状模型，在目标上取3个以上的特征点也能够获取目标的位置等信息。此方法须保证该组特征点在不同坐标系下的位置关系一致，而对于一般的双目视觉系统，坐标的计算误差往往会破坏这种关系。 采用在机器人上安装车载摄像机这种局部视觉定位方式，本文对移动机器人的运动视觉定位方法进行了研究。该方法的实现分为两部分：首先采用移动机器人视觉系统求出目标质心特征点的位置时间序列，从而将对被跟踪目标的跟踪转化为对其质心的跟踪；然后通过推广卡尔曼滤波方法估计目标的空间位置和运动参数。 1.目标成像的几何模型 移动机器人视觉系统的坐标关系如图1所示。 其中O-XYZ为世界坐标系；Oc-XcYcZc为摄像机坐标系。其中Oc为摄像机的光心，X 轴、Y轴分别与Xc轴、Yc轴和图像的x，y轴平行，Zc为摄像机的光轴，它与图像平面垂直。光轴与图像平面的交点O1为图像坐标系的原点。OcO1为摄像机的焦距f. 图1 移动机器人视觉系统的坐标关系
移动机器人的研究现状与趋势１１５【４３】ＳｈｅｎｇＬ＇Ｇｏｌｄｅｎｂｅ唱ＡＡ．Ｒｏｂｕｓｔｄａｍｐｉｎｇ ｃｏｎ们１ｏｆｍｏｂｉｌｅｍａｌｌｊｐｕｌａｔｏｒｓ嘲．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＳｙｓｔｅｍｓ，ＭａｎａｎｄＣｙｂｅｍｅｔｉｃｓＰａｎＢ，２００２，３２（１）：１２６．１３２． 【４４】ＳｈｅｎｇＬ，Ｇ０１ｄｅｎｂｅ唱ＡＡ．Ｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｎ乜Ｄｌｏｆｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｓ【Ｊ】．ＩＥＥＥ１ｈｎｓａｃｔｉｏｎｓｏｎＮｅｕｒａｌＮｅｔｗｏｒｋｓ，２００ｌ，１２（５）：１１２１．１１３３． 【４５】李磊，叶涛，谭民，等．移动机器人技术研究现状与未来【Ｊ】．机器人，２００２，２４（５）：４７５—４８０． 【４６】徐国华，谭民．移动机器人的发展现状及其趋势【Ｊ】．机器人技术与应用，２００１，（３）：７—１４． ［４７】Ｌ硼ｎｅＥＰａｒｋｅｒ．ＣｏｏｐｅｒａｔｉｖｅＲｏｂｏｔｉｃｓｆｏｒＭｕｌｔｉ＿Ｔａｒｇｅｔ０ｂｓｅｒｖａｔｉｏｎ［Ｊ］．ＩｎｔｅｌｌｉｇｅｎｔＡｕｔｏｍａｔｉｏｎａｎｄＳｏｆｔＣｏｍｐｕｔｉｎｇ，ｓｐｅｃｉａｌｉｓｓｕｃｏｎＲｏｂｏｔｉｃｓＲｅｓｅａｒｃｈａｔＯａｋＲｉｄｇｅＮａｔｉｏｎａｌＬａｂｏｍｔｏｒｙ，１９９９，５（１）：５—１９． ［４８】ＭａｍｒｉｃＭＪ．ＬｅａｍｉｎｇｔｏＢｅｈａｖｅＳｏｃｉａｌｌｙ【Ａ】．ＦｒｏｍＡｎｉｍａｌｓｔ０Ａｎｉｍａｔｓ：ＩｎｔｅｍａｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅｏｎＳｉｍｕｌａｔｉｏｎｏｆＡｄａｐｔｉｖｅＢｅｈａｖｉｏｒ【ｃ］．１９９４．４５３－４６２． ［４９］ｕｅｙａｍａＴ，Ｆｕｌ（ＩｌｄａＴ．ｓｅｌｆ－ｏ唱ａＩｌｉｚａｔｉｏｎｏｆＣｅｌｌｕｌａｒＲｏｂｏｔｓｕｓｉｎｇＲａｎｄｏｍｗａｌｌ【ｗｉｍｓｉｍｐｌｅＲｕｌｅｓ【Ａ］．ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥＩ—ＣＲＡ【ｃ】．１９９３５９５—６００． ［５０】王越超．多机器人协作系统研究［Ｄ】．哈尔滨：哈尔滨工业大学，１９９９． ＰｒｅｓｅｎｔＳｉｔｕａｔｉｏｎａｎｄＦｕｔｕｒｅＤｅＶｅｌｏｐｍｅｎｔ ｏｆＭｏｂｉｌｅＲｏｂｏｔＲｅｓｅａｒｃｈ ｚＨＡＮＧＭｉｎｇ?１ｕ，ＤＩＮＧＣｈｅｎｇ－ｊｕｎ，ＤＵＡＮＰｉｎｇ （ｓｃｈｏｏｌｏｆＭｅｃｈ锄ｉｃａｌＥｎｇｉｎｅｅｒｉｎ舀ＨｅｂｅｉＵｎｉｖｅｒｓ时ｏｆＴｅｃｌｌｎｏｌｏ鼢Ｔｉ柚ｊｉｎ３００１３０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅｐｒｅｓｅｎｔｒｅｓｅａｒｃｈｓｉｔｕａｔｉｏｎｏｆｍｏｂｉｌｅｒｏｂｏｔｉｓａｎａｌｙｚｅｄａｎｄｓｕｌ砌ａｒｉｚｅｄｉｎｃｌｕｄｉｎｇｉｔｓｃｏｍｐｕｔｅｒｃｏｎｔｒｏｌｓｙｓｔｅｍ，ｉｎｆｂｍｌａｔｉｏｎｆｕｓｉｏｎｏｆ ｍｕｌｔｉ－ｓｅｎｓｏｒｓ，ｅｎｖｉｒｏｍｅｎｔｒｅｃｏｇＩｌｉｔｉｏｎ，ｒｏｂｏｔＶｉｓｉｏｎ，ｒｏａｄｆｏｌｌｏｗｉｎｇａｎｄｉｎｔｅｌｌｉｇｅｎｔｃｏｎ仃Ｄ１．ＩｎｔｈｅｅｎｄｔｈｅｓｔｕｄｙｔｒｅｎｄｏｆＩＩｍｌｔｉ—ｒｏｂｏｔｃｏｏｒｄｉｎａｔｉｏｎａｎｄｍｏｂｉｌｅｍａｎｉｐｕｌａｔｏｒｉｓｐｏｉｎｔｅｄｏｕｔ． Ｋｅｙｗｏｒｄｓ：ｍｏｂｉｌｅｒｏｂｏｔ；ｉｎｆｂｍａｔｉｏｎｍｓｉｏｎ；ｒｏａｄ ｆｏｌｌｏｗｉｎｇ；曲ｅｌｌｉｇｅｎｔｃｏｎ仃０１；ｍｕｌｔｉ—ｒｏｂｏｔ 作者简介：张明路，工学博士、教授，博士生导师．１９９７年，毕业于天津大学 机械学专业，获博士学位．现任河北工业大学机械工程学院院长，全国高校机器人及自动化学会常务理事，河北省振动工程学会副理事长，“中国机械工程’杂志社编委会理事，天津市自动化技术及应用研究会副秘书长，天津市机械工程学会理事，中国机械工程教育协会高校机电类学科教学委员会委员．近年来承担了国家８６３计划等科研项目多项，发表学术论文３０余篇，其中ｓｃＩ收录３篇，ＥＩ收录１１篇．主页：ｈｔｔｐ：／／ｍｅｓ．ｈｅｂｕｔ．ｅｄｕ．ｃｌｌ／ｉｎｍｅｃｈｊＶｅｂ／ｉｎｄｅｘ．ｈｔＩＩｌ 联系电话：０２２—２６５“５０６；Ｅ．ｍａｎ：ｚｈａｎｇｍｌ＠ｈｅｂｕｔ．ｅｄｕ．ｃｎ
第32卷第4期2006年7月 光学技术 OPTICAL TECHN IQU E Vol.32No.4 J uly 2006 文章编号:1002-1582(2006)04-0591-03 一种基于单目视觉的移动机器人室内导航方法Ξ 付梦印,谭国悦,王美玲 (北京理工大学信息科学技术学院自动控制系,北京 100081) 摘 要:针对室内导航的环境特点,提出了一种简单快速的、以踢脚线为参考目标的移动机器人室内导航方法。该方法从图像中提取踢脚线作为参考直线,通过两条直线在图像中的成像特征,提取角度和横向偏离距离作为移动机器人的状态控制输入,从而实现移动机器人的横向运动控制。该方法无需进行摄像机的外部参数标定,大大简化了计算过程,提高了视觉导航的实时性。 关键词:视觉导航;直线提取;Hough变换;移动机器人;踢脚线 中图分类号:TP242.6+2;TP391 文献标识码:A An indoor navigation algorithm for mobile robot based on monocular vision FU Meng-yin,T AN G uo-yue,WANG Mei-ling (Department of Automatic Control,School of Information and Science Technolo gy, Beijing Institute of Technology,Beijing 100081,China) Abstract:Considered the features of indoor environment,a sim ple fast indoor navigation algorithm for vision-guide mobile robot was presented,which used skirting lines as the reference objects to locate the mobile robot.This algorithm detected skirt2 ing lines using monocular images and analyzed the lines’parameters to provide angle and distance of the robot as in puts of robot control.Without calibrating camera parameters,this algorithm greatly reduces computation time and improves the real-time a2 bility of vision navigation. K ey w ords:vision navigation;line detection;Hough transform;mobile robot;skirt line 1 引 言 近年来,机器视觉因其含有丰富的环境信息而受到普遍的关注。随着视觉传感器价格的不断下降,视觉导航已成为导航领域研究的热点。在室外进行视觉导航时,采用视觉传感器可获取车道信息,通过摄像机的标定来实现坐标转换,通过确定车辆当前的状态来实现导航。绝大部分智能车辆都是应用视觉来完成车道检测的[1,2],例如意大利的AR2 GO[3]项目就是通过使用逆投射投影的方法[4]来确定车辆状态的,并获得了良好的实验效果。在室内进行视觉导航时,利用视觉提取室内环境特征,例如一些预先设置的引导标志就是通过图像处理进行识别并理解这些标志来完成导航任务的[5,6]。这些都需要在图像中进行大量的搜索运算来提取标志,并通过一系列的图像理解算法来理解标志的信息,因而计算量很大。当然也可以通过视觉计算室内环境,例如通过走廊中的角点特征来获取状态信息[7],以此减少图像搜索时的计算量。但这些角点信息易受移动机器人运动的影响,会模糊角点信息,为了提高计算精度需要通过光流法对背景信息进行运动补偿,计算复杂,实时性不理想。 当移动机器人在实验室走廊环境下进行导航控制时,需要视觉传感器为其提供偏航角和横向偏离距离这两个参数。通过对单目视觉图像进行处理来获取这两个参数,完成移动机器人的横向运动控制。 2 摄像机成像模型与视觉系统 2.1 摄像机成像模型 使用视觉传感器首先要考虑的是其成像模型,它是指三维空间中场景到图像平面的投影关系,不同的视觉传感器有不同的成像模型。本文采用高分辨率CCD摄像机作为视觉传感器,其成像模型为针孔模型,空间中任意一点P在图像上的成像位置可以用针孔模型近似表示。如图1所示,P点投影位置为p,它是光心O同P点的连线O P与图像平面的交点,这种关系叫投射投影。图中标出的坐标系定义如下[8]: (1)图像坐标系I(u,v)是以图像平面的左上角为坐标原点所定义的直角坐标系,以像素为单位表示图像中点的位置。 (2)像平面坐标(x,y)指的是CCD成像靶面 195 Ξ收稿日期:2005-07-12 E-m ail:guoyuetan@https://www.doczj.com/doc/259731196.html, 基金项目:国家自然科学基金资助项目(60453001) 作者简介:付梦印(1964-),男,北京理工大学信息科学技术学院自动控制系教授,博士,主要从事导航制导、控制组合导航及智能导航技术的研究。
工业机器人及机器人视觉系统 人类想要实现一系列的基本活动，如生活、工作、学习就必须依靠自身的器官，除脑以外，最重要的就是我们的眼睛了，（工业）机器人也不例外，要完成正常的生产任务，没有一套完善的，先进的视觉系统是很难想象的。 机器视觉系统就是利用机器代替人眼来作各种测量和判断。它是计算科的一个重要分支，它综合了光学、机械、电子、计算机软硬件等方面的技术，涉及到计算机、图像处理、模式识别、人工智能、信号处理、光机电一体化等多个领域。图像处理和模式识别等技术的快速发展，也大大地推动了机器视觉的发展。 机器视觉系统的应用 在生产线上，人来做此类测量和判断会因疲劳、个人之间的差异等产生误差和错误，但是机器却会不知疲倦地、稳定地进行下去。一般来说，机器视觉系统包括了照明系统、镜头、摄像系统和图像处理系统。对于每一个应用，我们都需要考虑系统的运行速度和图像的
处理速度、使用彩色还是黑白摄像机、检测目标的尺寸还是检测目标有无缺陷、视场需要多大、分辨率需要多高、对比度需要多大等。从功能上来看，典型的机器视觉系统可以分为：图像采集部分、图像处理部分和运动控制部分 工作过程 ?一个完整的机器视觉系统的主要工作过程如下： ?1、工件定位检测器探测到物体已经运动至接近摄像系统的视野中心，向图像采集部分发送触发脉冲。 ?2、图像采集部分按照事先设定的程序和延时，分别向摄像机和照明系统发出启动脉冲。 ?3、摄像机停止目前的扫描，重新开始新的一帧扫描，或者摄像机在启动脉冲来到之前处于等待状态，启动脉冲到来后启动一帧扫描。 ?4、摄像机开始新的一帧扫描之前打开曝光机构，曝光时间可以事先设定。
移动机器人视觉定位设计方案 运动视觉研究的是如何从变化场景的一系列不同时刻的图像中提取出有关场景中的目标的形状、位置和运动信息，将之应用于移动机器人的导航与定位。首先要估计出目标的空间位置和运动信息，从而为移动机器人车体的导航与定位提供关键前提。 视觉信息的获取主要是通过单视觉方式和多视觉方式。单视觉方式结构简单，避免了视觉数据融合，易于实现实时监测。如果利用目标物体的几何形状模型，在目标上取3 个以上的特征点也能够获取目标的位置等信息。此方法须保证该组特征点在不同坐标系下的位置关系一致，而对于一般的双目视觉系统，坐标的计算误差往往会破坏这种关系。 采用在机器人上安装车载摄像机这种局部视觉定位方式，本文对移动机器人的运动视觉定位方法进行了研究。该方法的实现分为两部分：首先采用移动机器人视觉系统求出目标质心特征点的位置时间序列，从而将对被跟踪目标的跟踪转化为对其质心的跟踪；然后通过推广卡尔曼滤波方法估计目标的空间位置和运动参数。 1 目标成像的几何模型 移动机器人视觉系统的坐标关系如图1 所示。 其中O-X Y Z 为世界坐标系；O c - X cY cZ c 为摄像机坐标系。其中O c 为摄像机的光心，X 轴、Y 轴分别与X c 轴、Y c 轴和图像的x ，y 轴平行，Z c 为摄像机的光轴，它与图像平面垂直。光轴与图像平面的交点O 1 为图像坐标系的原点。O cO 1 为摄像机的焦距f 。 图1 移动机器人视觉系统的坐标关系 不考虑透镜畸变，则由透视投影成像模型为：
式中，Z′= ［u，v ］T 为目标特征点P 在图像坐标系的二维坐标值；（X ，Y ，Z ）为P 点在世界坐标系的坐标；（X c0，Y c0，Z c0）为摄像机的光心在世界坐标系的坐标；dx ，dy 为摄像机的每一个像素分别在x 轴与y 轴方向采样的量化因子；u0，v 0 分别为摄像机的图像中心O 1 在x 轴与y 轴方向采样时的位置偏移量。通过式（1）即可实现点P 位置在图像坐标系和世界坐标系的变换。 2 图像目标识别与定位跟踪 2.1 目标获取 目标的获取即在摄像机采集的图像中搜索是否有特定目标，并提取目标区域，给出目标在图像中的位置特征点。 由于机器人控制实时性的需要，过于耗时的复杂算法是不适用的，因此以颜色信息为目标特征实现目标的获取。本文采用了HS I 模型， 3 个分量中，I 是受光照影响较大的分量。所以，在用颜色特征识别目标时，减少亮度特征I 的权值，主要以H 和S 作为判定的主要特征，从而可以提高颜色特征识别的鲁棒性。 考虑到连通性，本文利用捕获图像的像素及其八连通区域的平均HS 特征向量与目标像素的HS特征向量差的模是否满足一定的阈值条件来判别像素的相似性；同时采用中心连接区域增长法进行区域增长从而确定目标区域。图2 给出了目标区域分割的算法流程。
机器人视觉系统系统基本组成：CCD、PCI、PC及其外设等 1.机器人视觉 机器人研究的核心就是：导航定位、路径规划、避障、多传感器融合。定位技术有几种，不关心，只关心视觉的。视觉技术用到“眼睛”可以分为：单目，双目，多目、RGB-D，后三种可以使图像有深度，这些眼睛亦可称为VO（视觉里程计：单目or立体），维基百科给出的介绍：在机器人和计算机视觉问题中，视觉里程计就是一个通过分析处理相关图像序列来确定机器人的位置和姿态。 当今,由于数字图像处理和计算机视觉技术的迅速发展,越来越多的研究者采用摄像机作为全自主用移动机器人的感知传感器。这主要是因为原来的超声或红外传感器感知信息量有限,鲁棒性差,而视觉系统则可以弥补这些缺点。而现实世界是三维的，而投射于摄像镜头（CCD/CMOS）上的图像则是二维的，视觉处理的最终目的就是要从感知到的二维图像中提取有关的三维世界信息。 2.系统基本组成：CCD、PCI、PC及其外设等。 2.1 CCD/CMOS一行硅成像元素，在一个衬底上配置光敏元件和电荷转移器件，通过电荷的依次转移，将多个象素的视频信号分时、顺序地取出来，如面阵CCD传感器采集的图像的分辨率可以从32×32到1024×1024像素等。 2.2视频数字信号处理器图像信号一般是二维信号，一幅图像通常由512×512个像素组成(当然有时也有256×256，或者1024×1024个像素)，每个像素有256级灰度，或者是3×8bit，红黄兰16M种颜色，一幅图像就有256KB或者768KB(对于彩色)个数据。为了完成视觉处理的传感、预处理、分割、描述、识别和解释，上述前几项主要完成的数学运算可归纳为： (1)点处理常用于对比度增强、密度非线性较正、阈值处理、伪彩色处理等。每个像素的输入数据经过一定关系映射成像素的输出数据，例如对数变换可实现暗区对比度扩张。(2)二维卷积的运算常用于图像平滑、尖锐化、轮廓增强、空间滤波、标准模板匹配计算等。
机器人视觉系统 在现代工业自动化生产中，涉及到各种各样的检验、生产监视及零件识别应用，例如零配件批量加工的尺寸检查，自动装配的完整性检查，电子装配线的元件自动定位，IC上的字符识别等。通常人眼无法连续、稳定地完成这些带有高度重复性和智能性的工作，其它物理量传感器也难有用武之地。由此人们开始考虑利用光电成像系统采集被控目标的图像，而后经计算机或专用的图像处理模块进行数字化处理，根据图像的像素分布、亮度和颜色等信息，来进行尺寸、形状、颜色等的判别。这样，就把计算机的快速性、可重复性，与人眼视觉的高度智能化和抽象能力相结合，由此产生了机器视觉的概念。 一个成功的机器视觉系统是一个经过细致工程处理来满足一系列明确要求的系统。当这些要求完全确定后，这个系统就设计并建立来满足这些精确的要求。机器视觉的优点包括以下几点： ■精度高 作为一个精确的测量仪器，设计优秀的视觉系统能够对一千个或更多部件的一个进行空间测量。因为此种测量不需要接触，所以对脆弱部件没有磨损和危险。 ■连续性 视觉系统可以使人们免受疲劳之苦。因为没有人工操作者，也就没有了人为造成的操作变化。多个系统可以设定单独运行。 ■成本效率高 随着计算机处理器价格的急剧下降，机器视觉系统成本效率也变得越来越高。一个价值10000美元的视觉系统可以轻松取代三个人工探测者，而每个探测者每年需要20000美元的工资。另外，视觉系统的操作和维持费用非常低。 ■灵活性 视觉系统能够进行各种不同的测量。当应用变化以后，只需软件做相应变化或者升级以适应新的需求即可。 许多应用满意过程控制（SPC）的公司正在考虑应用机器视觉系统来传递持续的、协调的和精确的测量SPC 命令。在SPC中，制造参数是被持续监控的。整个过程的控制就是要保证这些参数在一定的围。这使制造者在生产过程失去控制或出现坏部件时能够调节过程参数。 机器视觉系统比光学或机器传感器有更好的可适应性。它们使自动机器具有了多样性、灵活性和可重组性。当需要改变生产过程时，对机器视觉来说“工具更换”仅仅是软件的变换而不是更换昂贵的硬件。当生产线重组后，视觉系统往往可以重复使用 机器视觉系统的构成 机器视觉技术用计算机来分析一个图像，并根据分析得出结论。现今机器视觉有两种应用。机器视觉系统可以探测部件，在此光学器件允许处理器更精确的观察目标并对哪些部件可以通过哪些需要废弃做出有效的决定；机器视觉也可以用来创造一个部件，即运用复杂光学器件和软件相结合直接指导制造过程。
基于机器视觉的智能导览机器人控制系统设计 时间：2009-10-20 10:53:17 来源：国外电子元器件作者：张伟,鲁守银,谭林山东建筑大学 1 引言 移动机器人是机器人学一个重要分支，且随着相关技术的迅速发展，它正向着智能化和多样化方向发展，应用广泛，几乎渗透所有领域。于春和采用激光雷达的方式检测道路边界，效果较好，但干扰信号很强时，就会影响检测效果。付梦印等提出以踢脚线为参考目标的导航方法，可提高视觉导航的实时性。 这里采用视觉导航方式，机器人在基于结构化道路的环境下实现道路跟踪，目标点的停靠，以及导游解说，并取得较好的效果。 2 导览机器人简介 导览机器人用在大型展览馆、博物馆或其他会展中心，引导参访者沿着固定路线参访，向参访者解说以及进行简单对话。因此导览机器人必须具有自主导航、路径规划、智能避障、目标点的停靠与定位、语音解说以及能与参访者进行简单对话等功能，并具有对外界环境快速反应和自适应能力。基于层次结构，导览机器人可分为：人工智能层、控制协调层和运动执行层。其中人工智能层主要利用CCD摄像头规划和自主导航机器人的路径，控制层协调完成多传感信息的融合，而运动执行层完成机器人行走。图1为智能导览机器人的总体结构框图。 3 导览机器人硬件设计 3．1 人工智能层硬件实现 考虑到移动机器人控制系统要求处理速度快、方便外围设备扩展、体积和质量小等要求，因此上位机选用PC104系统，其软件用C语言编程。采用USB摄像头，采集机器人前方的视觉信息，为机器人视觉导航，路径规划提供依据。外设麦克和扬声器，当机器人到达目标点后，进行导览解说。 3．1．1 控制协调层的硬件实现 机器人传感器的选取应取决于机器人的工作需要和应用特点。这里选用超声波传感器、红外传感器、电子罗盘及陀螺仪，采集机器人周围环境信息，为机器人避障、路径规划提供帮助。利用ARM处理平台，通过RS－485总线驱动电机，驱动机器人行走。
https://www.doczj.com/doc/259731196.html, 基于视觉信息的移动机器人控制系统设计 张绍磊，孙元义，李伟 中国农业大学工学院，北京 100083 E-mail: spacewords@https://www.doczj.com/doc/259731196.html, 摘要：本文介绍了一种自行开发的基于视觉信息的移动机器人系统设计方案。以TMS320LF2407A作为控制系统核心控制器，采用视觉导航的方式，设计了机器人运动模糊控制算法，保证了控制的准确性，提高了控制的实时性。通过实验验证，该系统运行良好。关键词：DSP 移动机器人模糊控制 1. 引言 随着我国现代化农业技术的发展，对作业的精细化要求越来越高。田间自主移动自动化设备在作物喷雾、变量施肥、自动除杂草等多方面具有巨大的应用前景，能够代替人类从事一些劳动强度大，对人体有害的工作，是现代农业机械智能化的一个重要的应用[1]。本文所介绍的针对基于视觉信息的移动机器人平台采用四轮结构，前两轮驱动，后两轮从动的运动方式，靠前轮差速实现机器人转向。系统的路径规划主要通过PC机来实现，底层的移动机器人主控CPU采用高性能数字信号处理器TMS320LF2407A。 基于视觉的运动控制算法大多采用PID算法。但是机器人运动系统往往具有非线性、时变性等不确定性因素，并且由于控制参数较多，多个参数之间的相互影响，从而使常规PID控制器不能达到理想的控制效果。本文中，采用模糊控制算法，它具有不依赖于精确的数学模型，易于实现对不确定系统及非线性系统的有效控制的优点。同时，抗干扰能力也比较强，对于大时滞、非线性等复杂系统，能够取得满意的控制效果。 2. 移动机器人控制系统设计 机器人系统根据视觉传感器获得的信息，控制机器人跟踪导航路径，实现机器人的自主导航运动的方式。移动机器人整体结构框图如图1所示。