基于機器視覺的智能導覽機器人控制系統(tǒng)設計

1 引言
    移動機器人是機器人學一個重要分支，且隨著相關技術的迅速發(fā)展，它正向著智能化和多樣化方向發(fā)展，應用廣泛，幾乎滲透所有領域。于春和采用激光雷達的方式檢測道路邊界，效果較好，但干擾信號很強時，就會影響檢測效果。付夢印等提出以踢腳線為參考目標的導航方法，可提高視覺導航的實時性。
    這里采用視覺導航方式，機器人在基于結(jié)構(gòu)化道路的環(huán)境下實現(xiàn)道路跟蹤，目標點的?？浚约皩в谓庹f，并取得較好的效果。

2 導覽機器人簡介
    導覽機器人用在大型展覽館、博物館或其他會展中心，引導參訪者沿著固定路線參訪，向參訪者解說以及進行簡單對話。因此導覽機器人必須具有自主導航、路徑規(guī)劃、智能避障、目標點的?？颗c定位、語音解說以及能與參訪者進行簡單對話等功能，并具有對外界環(huán)境快速反應和自適應能力?；趯哟谓Y(jié)構(gòu)，導覽機器人可分為：人工智能層、控制協(xié)調(diào)層和運動執(zhí)行層。其中人工智能層主要利用CCD攝像頭規(guī)劃和自主導航機器人的路徑，控制層協(xié)調(diào)完成多傳感信息的融合，而運動執(zhí)行層完成機器人行走。圖1為智能導覽機器人的總體結(jié)構(gòu)框圖。

3 導覽機器人硬件設計
3．1 人工智能層硬件實現(xiàn)
    考慮到移動機器人控制系統(tǒng)要求處理速度快、方便外圍設備擴展、體積和質(zhì)量小等要求，因此上位機選用PC104系統(tǒng)，其軟件用C語言編程。采用USB攝像頭，采集機器人前方的視覺信息，為機器人視覺導航，路徑規(guī)劃提供依據(jù)。外設麥克和揚聲器，當機器人到達目標點后，進行導覽解說。
3．1．1 控制協(xié)調(diào)層的硬件實現(xiàn)
    機器人傳感器的選取應取決于機器人的工作需要和應用特點。這里選用超聲波傳感器、紅外傳感器、電子羅盤及陀螺儀，采集機器人周圍環(huán)境信息，為機器人避障、路徑規(guī)劃提供幫助。利用ARM處理平臺，通過RS－485總線驅(qū)動電機，驅(qū)動機器人行走。
    導覽機器人要求傳感器精度稍高，重復性好，抗干擾能力強，穩(wěn)定性和可靠性高。機器人在行進過程中必須能夠準確獲得其位置信息，數(shù)字羅盤可靠輸出航向角，陀螺儀測量偏移并進行必要修正，以保證機器人行走的方向不偏離。采用超聲波傳感器和紅外傳感器相結(jié)合的方法獲取前方障礙物信息。該系統(tǒng)設計選用6個超聲波傳感器和6個紅外傳感器。其中，正前方和正后方各1個，其余4個超聲波傳感器分別位于正前方和正后方的兩邊，夾角為45°，紅外傳感器分別安裝在超聲波傳感器的正上方1～2 cm處。超聲波傳感器主要通過測距實現(xiàn)避障，而紅外傳感器主要是用于補償超聲波傳感器的盲區(qū)，判斷近距離是否有障礙物。
3．1．2 運動執(zhí)行層的硬件實現(xiàn)
    該智能導覽機器人的執(zhí)行機構(gòu)采用直流伺服電機。這里選用三洋電機Super＿L (24 V／3．7 A)額定輸出功率為60 W，最大空載轉(zhuǎn)速為3 000 r／rain，并帶500線的光學碼盤，使機器人完成相應動作。導覽機器人采用閉環(huán)控制，通過光學碼盤測量車輪速度的實際值并反饋給微控制器?；趯嶋H轉(zhuǎn)速與給定轉(zhuǎn)速的差值，驅(qū)動器按一定的計算方法(如PID算法)調(diào)整相應電壓，如此反復，直到達到給定轉(zhuǎn)速。機器人調(diào)速采用FAULHABER公司的 MCDC2805實現(xiàn)。它能實現(xiàn)速度同步性能，同時轉(zhuǎn)矩波動最小，內(nèi)置PI調(diào)節(jié)器能準確到達指定位置。當配備Super_L電機及集成編碼器時，即使在轉(zhuǎn)速非常低的情況下，也能達到0．180的定位控制精度。
3．2 導覽機器人軟件設計
    通過USB攝像頭或其他攝像頭采集導覽機器人前方的視覺信息，通過圖像處理算法處理視頻，使機器人能夠進行路徑規(guī)劃和自主導航。通過接收下層的多傳感融合信息，能夠?qū)崿F(xiàn)近距離的避障，因此在遇到障礙物時進行報警。到達目標點后，能夠語音解說，解說完后能與參訪者進行簡單對話。

4 視覺導航
    視覺導航是移動機器人一種導航方式，并且基本視覺導航的研究是未來移動機器人導航的主要發(fā)展方向之一。該視覺子系統(tǒng)在整個系統(tǒng)中的作用是將攝像頭采集周圍環(huán)境的視覺信息進行圖像理解，并根據(jù)圖像處理算法控制機器人運動。所謂“圖像理解”就是通過處理圖像數(shù)據(jù)來獲得對圖像所反映的場景的理解，包括圖像中含有哪些物體以及它們在圖像中的位置。罔像中蘊含豐富信息，只需從中提取出有用信息即可。因此，罔像理解算法往往是根據(jù)具體目的而制定的，有一定的適用條件和局限性。
4．1 圖像預處理
    原始圖像為Logiteeh攝像頭采集的一幅室內(nèi)用藍色標簽制作的結(jié)構(gòu)化道路圖片，像素大小為320x240，首先將原始圖像進行灰度變換，并通過選取合適的閾值進行二值化處理。然后提取罔像有用信息，通過形態(tài)學的膨脹腐蝕等操作提取前進方向。如圖2所示。

    圖3為常見的邊緣算子檢測效果比較。從圖3中可看出Canny和Sobel算子檢測效果相對好些，其中Sobel算子對噪聲具有平滑作用，能提供較為精確的邊緣方向信息。這里采用Sobel算子進行檢測，如圖4所示。

    根據(jù)圖4，系統(tǒng)通過hough變換檢測兩條直線的位置，測出圖像的兩條邊緣線離兩端的像素大小，再根據(jù)實際地面距離進行標定，便可獲知機器人所在位置。
4．2 模板匹配算法
    模板匹配技術是圖像目標識別技術中一個重要的研究方向，具有算法簡單、計算量小以及識別率高等特點，目前在目標識別領域得到廣泛應用。它是用一個較小的圖像，將模板與源圖像相比較，確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，可確定其位置并提取該區(qū)域。它常采用模板與源圖像對應區(qū)域的誤差平方和作為測度。
    設f(x，y)為MxN的源圖像，g(s，t)為SxT(s≤M，T≤N)的模板圖像，則誤差平方和測度定義為：

   當A為常數(shù)時，則可用2B相匹配，當D(x，y)取得最大值時，便認為模板與圖像相匹配。通常假設A為常數(shù)時會產(chǎn)生誤差。嚴重時將無法正確匹配，因此可用歸一化互相關作為誤差平方和測度，定義為：

  
4．3 模板匹配改進算法
    但是按模板匹配算法求匹配計算工作量非常大，考慮到相關是卷積的一種特定形式以及 Matlab計算功能的強大，采用FFT方法，在頻域中計算后再進行逆變換即可求出。圖像和定位模板圖像旋轉(zhuǎn)180°的傅里葉變換后作點乘運算，再求其逆 FFT變換并返回空間域值也就相當于相關運算。在求取空間域值的最大值后，再根據(jù)最大值選取合適的閾值，便可確定目標點的位置。實驗中在模板匹配成功后，可將目標和背景顏色二值化，并用紅色“十”字符號標記，不斷更新數(shù)據(jù)信息。將?？奎c設定在自己期望的像素位置(如圖像的中心位置偏下)，然后自動調(diào)整機器人位置，設計成如圖5形式，可知機器人需要向右行駛。

圖6為視覺導航算法流程。

5 實驗結(jié)果與結(jié)論
    基于以上設計，對進行機器人運動控制和路徑規(guī)劃進行實驗。實驗分別采用Matlab語言進行圖像仿真，能夠自動選擇合適的閾值分割，并得到較好的邊緣檢測，然而在實驗中有時會因為光照強度或其他因素影響，在進行閾值分割時不能達到理想效果，在 VC環(huán)境下能夠控制機器人運動，模板匹配取得較好效果，后續(xù)將著重在Visual C++6．0環(huán)境進行圖像處理方法研究。這樣可以更好控制機器人運動?？傊?，該系統(tǒng)設計可使機器人能夠在復雜多變的環(huán)境下準確識別圖像信息，并做出正確決策，完成所需動作，從而實現(xiàn)既定目標。