賈繼紅，郭向陽

(1.軍事交通學院 軍事物流系，天津300161;2.軍事交通學院學員旅，天津300161)

當前，機器視覺技術對靜態(tài)目標的檢測已經(jīng)相當完善，但針對“動對動”的運動目標檢測，無論理論還是應用都不成熟，成為當前研究的主要方向。目前，采用的方法側重于算法應用，國內的主要方法大多是先補償全局運動，使動態(tài)背景轉化為靜態(tài)背景，再利用幀差法或背景差法檢測運動目標［1］。該類方法僅僅是把運動目標識別出來，并沒有給出運動目標的位置。對于運動目標位置的判定，現(xiàn)有文獻主要提供了3類較為有效的方法:一是以激光干涉儀為基礎測量柔性坐標來實現(xiàn)［2］;二是在一種嵌入式彩色視頻應用平臺上應用小波變換實現(xiàn)圖像分離、特征提取以及目標定位的算法［3］;三是利用仿生學視覺系統(tǒng)捕捉目標特征，用Matlab軟件處理圖像，再通過單、雙目標定法標定［4］。這3種方法均需要昂貴的硬件設備和復雜的算法，不適于成本低廉的服務型機器人使用。

本文研究餐飲服務機器人的主動避讓問題。該類機器人避讓的對象主要是人，故運動目標定為行人。本文提出一種不依賴于硬件實現(xiàn)的簡潔算法，判定行人與機器人之間的相對位置關系。但該算法的實時性依賴于圖像的前期預處理，其中，處理海量數(shù)據(jù)是關鍵。為了縮短數(shù)據(jù)處理時間，最行之有效的途徑有兩種:一是壓縮圖像數(shù)據(jù)，只保留有用信息;二是盡量簡化算法，從而減少迭代次數(shù)和運算時間。

1 圖像預處理

考慮復雜背景圖像普遍存在信噪比低、噪聲較大、背景干擾嚴重等缺點，選用小波變換理論對圖像進行預處理，即完成圖像的壓縮和分割。

1.1 基于小波變換的圖像壓縮

基于小波變換的壓縮方法很多，較成熟的方法有小波包變換方法、小波域紋理模型方法、小波變換零樹壓縮和小波變換向量壓縮等，這些方法對圖像壓縮都是十分有用的工具。田苗苗［5］經(jīng)研究與實驗仿真，證明了小波包可以對信號的高頻部分做更細致的刻畫，對信號的分析能力更強，故本文采用小波包變換的方法壓縮圖像。經(jīng)驗證壓縮效果較好(如圖1所示)。

圖1 小波包壓縮效果

1.2 基于小波變換的圖像分割

目前，用于圖像分割的算法有很多，但各自針對的圖像特點和應用范圍不同。對于運動目標而言，為滿足運動目標被動定位的實時性要求，要求算法計算量要小，因而分割算法不宜太復雜。同時，由于目標圖像隨目標所處環(huán)境的變化而不斷變化，所以要求分割算法應具有一定的自適應能力，以滿足目標對環(huán)境條件的變化［6］。

基于小波變換的圖像分割方法主要有邊緣檢測和角點檢測。吉李滿等［7］提出了一種基于小波變換的角點檢測算法，將雙正交小波用在提取角點的前期處理中，既克服了直接從灰度圖像中提取角點所帶來的算法復雜、耗時長的缺點，又克服了一般邊緣提取算法所帶來的噪聲敏感問題。

本文圖像分割采用OpenCV來實現(xiàn)，因為，OpenCV可以在多種操作系統(tǒng)上運行，同時為其他軟件提供多種接口［8］。分割效果如圖2所示。

圖2 自適應閾值法特征提取效果

2 運動目標位置檢測方法

目前，國內用于運動目標位置檢測的方法并不多，且絕大多數(shù)都依托于跟蹤系統(tǒng)或仿生結構等硬件設備實現(xiàn)，成本較高。本文主要針對服務機器人，面對的運動目標大多是行人，移動速度基本是人類步行的速度?？紤]機器人的功能特點和應用范圍，適合采用成本不高且快速有效的方法實現(xiàn)運動目標或行人的位置檢測。故此，提出一個簡單易行的算法。

2.1 相機的安裝位置

相機鏡頭的焦距與視角成一定幾何關系，焦距越小視角越寬。所以，對于智能機器人，可根據(jù)相機的視角來調整相機的位置，使獲取的圖像背景完全為地面信息，從而簡化行人背景，以便準確獲取行人的位置信息并提高處理速度。本文通過提取行人的動態(tài)輪廓，利用行人腳尖位于照片中的方位來確定行人在實際環(huán)境中的位置。這需要調整相機鏡頭，使鏡頭視角全部投影在地面上，以便機器人獲取的圖像全部為行人的位置。

在實際安裝過程中，相機鏡頭傾斜面向地面，使鏡頭的視角全部覆蓋在地面上，不拍攝其他環(huán)境(如圖3所示)。

圖3 照相機視覺幾何關系

2.2 人與機器人之間距離的測定

根據(jù)相機的安裝位置，得到如圖4所示的幾何關系，利用光線的路徑、行人位置和行人在照片中的成像位置3者之間的幾何關系，可以推導出行人與機器人之間的距離。

圖4 人機像3者幾何關系

圖中:C點為相機鏡頭的位置;h為鏡頭距離地面的高度;直線AB為相機的采光板;E點為行人的實際位置;D點為照片中行人的位置。則行人與機器人之間的距離為

2.3 人與機器人相對位置關系的判定

要實現(xiàn)機器人的主動避讓，僅僅測得行人與機器人的距離是不夠的，還要測出行人與機器人之間的位置關系?？赏ㄟ^對行人腳尖位置的檢測來判定行人與機器人的相對位置。俯視相機與行人的幾何關系如圖5所示。

圖5 俯視相機光線幾何關系

圖中:E點為行人腳尖的位置;B點為行人腳尖在照片中的位置;x為行人與機器人之間的距離;FE與AH平行。由相似原理可推出:

已知鏡頭的視角為∠GCD=i，由三角定理可得

由式(1)、(2)可得

若AB/AH可求，則可得到FE。以圖2為例，相機所得照片的像素為1 282×596，行人腳尖的位置為735×292，則

當FE大于機器人本身寬度時，機器人不需要躲避，可按原路線繼續(xù)行走。當FE小于機器本身寬度時，機器人需要主動避讓行人:當AB/AH＜0.5 m時，說明行人位于機器人的左側，機器人需要向右移動來躲避行人;當AB/AH＞0.5 m時，行人位于機器人的右側，機器人需要向左移動來躲避行人。

3 結語

本文針對運動目標檢測中處理海量數(shù)據(jù)耗時過長和現(xiàn)有算法過于復雜，不適于服務型機器人的問題，主要完成兩項工作:

(1)采用相同數(shù)學工具——小波變換法進行預處理。本文對圖像壓縮和圖像分割的現(xiàn)有方法進行了仿真驗證，根據(jù)仿真效果選出了適于本實驗的圖像壓縮和圖像分割方法。

(2)利用目標成像位置與實際位置的幾何關系，以及位置與像素之間的關系，提出一種簡潔算法，利用該算法能快速檢測出行人與機器人之間的距離。最后，依據(jù)成像原理及已獲得的“人機距離”，提出一種判定行人與機器人相對位置關系的算法，依據(jù)該算法可準確判定二者的位置關系，指示機器人做出主動避讓。經(jīng)實驗驗證，該方法所測得的位置精度可控制在0.5 m內。

［1］ 孫斌，黃神治.移動背景下運動目標檢測與跟蹤技術研究［J］.電子測量與儀器學報，2011，25(3):206-209.

［2］ 陳文磊.激光跟蹤儀控制系統(tǒng)研究［D］.天津:天津大學，2012:3-4.

［3］ 顧海軍.嵌入式彩色電視跟蹤系統(tǒng)的設計和實現(xiàn)［D］.長春:中國科學院長春光學精密機械與物理研究所，2003:1-112.

［4］ 型強.仿昆蟲復眼結構的運動目標位置檢測［D］.南京:南京航空航天大學，2010:4-5.

［5］ 田苗苗.小波分析和小波包在圖像壓縮中的應用［J］.安徽科技學院學報，2009，23(5):32-34.

［6］ 陳恩科，劉上乾，麻彥軒，等.一種新的運動目標自適應圖像分割算法［J］.西安電子科技大學學報(自然科學版)，2008，35(3):490-493.

［7］ 吉李滿，陳賀新，桑愛軍.基于小波變換的運動目標特征提取［J］.微計算機信息，2008，24(3):300-302.

［8］ 雷建鋒，汪偉.基于OpenCV的圖像閾值分割研究與實現(xiàn)［J］.現(xiàn)代電子技術，2013，36(24):73-76.