全自主型机器人视觉识别系统的研究.docVIP

全自主型机器人视觉识别系统的研究 　　摘要：机器人项目是一项涉及多项技术的综合性研究课题，自主移动机器人作为机器人学科中技术含量较高的一个分支，具有广泛的市场应用前景。视觉系统作为机器人感知外界环境的重要手段，是全自主机器人的重要组成部分，虽然机器人实验中目标物体的颜色、形状特征已知，但由于实验的对抗性，使得视觉系统应具有很高的实时性、较高的精确度、具有一定的适应能力和抗干扰能力。如何精确高效地处理视觉信息是视觉系统的关键问题。本文给出一种基于彩色图像的目标识别与定位方法，对全自主机器人感知环节进行了研究。通过分析摄像头采集的图像画面，并借助碰撞传感器，红外传感器等方法确定目标。 　　关键词：全自主足球机器人；视觉系统；目标检测 　　一、引言 　　机器人技术是机械设计与制造技术、计算机硬件与软件技术、运动学与动力学理论、控制理论、电动伺服控制技术、传感器技术、多传感器信息融合技术、人工智能等科学及技术领域的综合应用，代表了高新技术发展的前沿。而自主移动机器人属于第三代机器人，它能够实时获取外界环境的信息，对目标和障碍物进行识别和测量，学习和理解外界环境，并根据设定的目标进行运动规划，在无人干预的情况下，实时调整运动规划，移动到目的地并完成设定的工作。机器人足球实验是近几年发展起来、进步较快且有很大研究潜力的一类，这类机器人的视觉及控制器等各类部件均装载在机器人本体上，通过无线通讯与其它机器人、主控计算机及人的信息交流。实验过程中，机器人通过视觉系统搜索球及球门等环境信息，通过声纳、红外或激光等测距系统进行机器人全局定位及障碍物检测，在进行信息融合之后形成行动策略并实施。因此，机器人如何快速识别目标并且定位是实验取胜的关键环节[1]，本文将对这方面的问题进行讨论。 　　二、全自主型足球机器人视觉系统简介 　　（一）视觉识别系统的硬件组成 　　实验中使用的全自主型足球机器人是上海广茂达公司研制的AS-UII能力风暴智能机器人，它是典型的自主移动机器人，具有较高的自规划、自适应能力，适合于较复杂的非结构环境中工作的复杂系统。机器人与计算机之间使用基于68HCll单片机开发的交互式C语言进行编程。视觉识别系统采用CMUcam视觉系统： CMUcam视觉模块主要是由1个SX28微处理器与OV6620摄像头（CMOS）组成，CMOS摄像头把当前窗口的视图通过简单的处理，返回像素?c矩阵。 　　（二）视觉识别系统的软件流程 　　实验中，视觉识别系统依靠颜色来识别并判定目标。机器人对颜色的识别过程如下：当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分，感兴趣的像素（搜索的目标颜色）和不感兴趣的像素（背景颜色）。然后对这些感兴趣的像素进行颜色分量的匹配。在实验之前已经存储了场地环境下的各种颜色信息，实验时需要将实时信息与颜色信息比较或匹配，以寻找搜索目标的颜色区域。判断：如果目标出现在视野中，通过多种传感器的综合应用，确定目标与机器人的相对位置，为决策子系统提供依据。否则继续寻找。 　　三、视觉识别系统中目标的识别与相对定位 　　（一）颜色空间的建立 　　色空间是用数学方法形象化表示颜色，通常用三维模型表示，用代表3个参数的三维坐标来描述，其颜色要取决于所使用的坐标。为有效区分不同的目标颜色，要求颜色模型要含有足够多的颜色信息；为提高视觉系统的执行速度，要求颜色含有尽量少的数据量。足球机器人系统常用的颜色模型有 RGB 模型、HSV 模型和 YUV 模型等，同一物体在不同的光照和成像距离条件下，映射到内存的RGB数值会发生较大变化，不利于目标的识别。为提高识别效果可将颜色表示从RGB颜色空间转化到更接近人眼观察方式的HSI颜色空间，从而提高不同光照环境下识别系统的鲁棒性。 　　（二）目标检测 　　成熟的目标检测技术有：模板匹配、边缘检测、色彩分类[2]等。实验规定：机器人和球都用不同的颜色加以区分，为快速检测到目标采用基于色彩的图像分割是最好的方法。由于不同的光照环境下物体的RGB值变化很大，为能够准确识别目标只有设定颜色空间中三个分量的上下阈值，这样可以把目标物体与图像背景颜色区分开。实验前针对特殊的实验环境，手工设定各个目标颜色分量的值，通过计算机串口连接视觉传感器，锁定一幅目标图片，鼠标选取颜色参考区域，计算该颜色区域中各点的颜色特征统计出RGB和HSI空间中各分量的最大值和最小值，利用最初确定的阈值对彩色图像进行二值化处理，参照图象处理的结果对阈值进行小范围调整，达到理想效果后记录阈值，在此范围内的子空间为目标颜色。 　　（三）图像噪声的去除 　　在图像获取过程中由于采样量化、传递和环境干扰的存在致使图像出现一些高频的噪声，这些噪声会影响后续处理的效果，对