图像处理在擂台机器人设计中的应用.docVIP

图像处理在擂台机器人设计中的应用 　　摘 要：针对传统擂台机器人设计中的不足，研究了以树莓派2作为系统主控，在Linux系统下，利用OpenCV进行图像处理以识别和定位目标的擂台机器人设计。通过对Linux系统的优化，并结合机器人机械结构和对动态目标检测及跟踪算法的研究，取得了很好的实验结果。实践证明，基于本系统所设计的擂台机器人的识别和定位的目标准确、快速、实时性高、运行稳定。 　　关键词：树莓派2；图像处理；动态目标识别和跟踪；Linux系统 　　中图分类号：TN7 文献标识码：A 文章编号：2095-1302（2016）01-00-03 　　0 引 言 　　图像处理技术[1]是机器人视觉研究领域一个重要的课题，而且在机器人目标识别与跟踪、目标行为理解等多领域发挥着重要的作用。擂台机器人要在一个2.4 m*2.4 m的场地上自主识别不同颜色的目标并完成相应的动作。传统的设计思路是采用AVR单片机作为核心处理器，利用灰度传感器识别不同颜色的目标并配合测距和避障传感器完成目标定位。这种系统设计存在系统不稳定、运算速度慢、传感器受光照因素影响大且检测距离有限等问题。针对这些问题，本文研究的机器人选择树莓派2（以下简称Pi2）作为系统主控，在优化的Linux系统下通过摄像头采集图像信息，利用动态目标识别处理方法和颜色识别算法完成目标的识别和定位，提高了运算速度的同时又保证了系统运行的稳定性。 　　1 硬件系统设计 　　1.1 机器人的机械架构 　　机器人[2]要在比赛中自主完成不同颜色目标的识别和定位，因此机械结构对整个机器人的灵活性起着非常重要的作用。本设计采用了轮式平台和仿人机体，其机械结构示意图和实物图如图1所示。 　　图1 机械结构示意图和实物图 　　1.2 机器人控制系统架构 　　摄像头通过USB接口与Pi2连接，实时采集图像信息；使用CDS系列舵机组成机器人手臂，舵机通过串口与主控通信；使用冯哈勃电机控制机器人运动，采用PWM方式调节电机速度。系统的总体框图如图2所示。 　　图2 擂台机器人系统控制框图 　　1.3 硬件系统设计 　　硬件系统可分为电源部分、驱动部分、传感部分。 　　1.3.1 舵机硬件驱动电路设计 　　主控系统需要通过串口和舵机来完成数据通信，Pi2默认的串口为系统调试串口，可以通过USB转串口工具实现与舵机的连接。CDS舵机采用的是半双工通信方式，使用74HC126缓冲器可实现发送和接收的分离。控制电路原理图如图3所示。 　　图3 舵机控制电路图 　　由于Pi2没有引出A/D转换的管脚，测距传感器返回的模拟信号需要通过ADC0832进行模数转换后才可以进行接下来的处理。 　　2 目标的检测、跟踪和定位算法的研究 　　主控制器通过摄像头获取图像信息，然后进行解码、空间转换、二值化、识别与定位等处理从而完成目标的识别与定位。图像处理流程如图4所示。 　　图4 图像处理流程框图 　　2.1 颜色空间转换 　　目标的特征[3]提取是目标识别的一个重要步骤。结合实际情况，本设计选择颜色作为目标的特征信息。颜色空间是一种图像颜色信息表示的方法，它将颜色特征用数学表达式来表示。常用的颜色空间模型有RGB空间[4]、HSV空间[5]、HSI空间[6]、CMY空间[7]等。图5所示为RGB颜色空间和HSV颜色空间。Pi2通过摄像头采集的图像为RGB格式，相比较HSV模型，RGB模型颜色特征更容易提取，并且可以剔除亮度对图像的影响。在HSV空间模型中，H表示图像的色相，S表示图像的饱和度，V表示图像的亮度。所以要将RGB模型转化成HSV模型，转换算法如下： 　　（1） 　　图5 RGB颜色空间和HSV颜色空间 　　2.2 动态目标检测算法研究 　　动态的目标检测是指从视频流中根据事先设定好的目标特征实时地检测与其具有相同特征的目标。主要的算法有连续帧间差分法、背景差分法和光流法。 　　连续帧间差分法基本的运算过程是：计算第n帧图像和第n+1帧图像之间的差别，得到差分后的图像Dk，然后将图像Dk使用图像分割法进行二值化即将图像根据二进制像素在0～255之间的某个阈值分成两类，二值化后还要进一步的滤波、腐蚀和膨化等处理。当差分图像中某一像素的差大于设定的阀值时就认为该像素点是检测到的目标，否则是背景像素。 　　（2） 　　其中，fk（x，y），fk-1（x，y）为连续两帧图像，Dk（x，y）为帧差图像。 　　（3） 　　T是二值化设定的阈值。 　　最大类间方差法（OTSU）是一种自适应的阈值确定方法，它利用图像的灰度特性将图像分为目标和背景两部分。设一副图像的灰度值为1～m级，灰度值i的像素数为ni，此时得到： 　　像素总数：；各值的概率：Pi=n