鐘映春，劉阿明，謝仁亮(廣東工業(yè)大學自動化學院，廣州510006)

基于機器視覺的室內(nèi)移動機器人導航偏轉(zhuǎn)角的確定*

鐘映春，劉阿明，謝仁亮
(廣東工業(yè)大學自動化學院，廣州510006)

室內(nèi)移動機器人需要在結構化的環(huán)境中定位和導航。常用的方法是采用電子羅盤獲得機器人的偏轉(zhuǎn)角。但是電子羅盤極易受到磁干擾。為此，提出了采用圖像識別技術來獲取機器人的導航偏轉(zhuǎn)角。首先，利用機器人上搭載的攝像裝置獲取原始圖像，進而提取圖像中特定顏色分量;然后，利用改進的霍夫變換算法檢測機器人正向矢量;最后，獲得正向矢量與北向矢量間的夾角數(shù)據(jù)值。實驗結果表明，該文所提出的基于機器視覺的確定室內(nèi)移動機器人導航偏轉(zhuǎn)角的方式可以避免硬磁干擾，具有較高的精度，保證準確性、實時性。

室內(nèi)移動機器人;機器視覺;機器人導航;霍夫變換;圖像識別

0 引言

室內(nèi)移動機器人是一種在如家庭、養(yǎng)老院等結構化環(huán)境中具備自主移動能力的裝置。隨著社會經(jīng)濟與科學技術的發(fā)展，智能化機器人走進人們的生活，研究具有高精度導航定位能力的機器人成為當前熱點之一［1-2］。

目前，在室內(nèi)移動機器人導航應用中，廣泛使用電子羅盤與機械陀螺儀來確定機器人當前角度，但電子羅盤離干擾源45cm之內(nèi)，容易受到干擾源的硬磁干擾，嚴重影響輸出的準確性［3-4］，極端情況下可能導致機器人無法正常移動。為此，需要研究其他技術手段來避免室內(nèi)移動機器人導航領域中的磁干擾問題。

本文采用機器視覺的方法來確定室內(nèi)移動機器人導航偏轉(zhuǎn)角。首先構建了室內(nèi)移動機器人導航系統(tǒng)架構，然后采用圖像識別技術來獲得當前機器人正向矢量與北向矢量間的夾角數(shù)據(jù)［5］，由于此檢測方法可以人為按需選擇物理安裝空間以及選用高精度抗干擾類機械指北針，可以有效避免機器人自身導磁材料對測量精度的影響。

1 室內(nèi)移動機器人導航系統(tǒng)架構

1.1 系統(tǒng)架構

本文以室內(nèi)移動輪椅式機器人作為開發(fā)研究平臺，機器人實物如圖1所示。以搭載有Android操作系統(tǒng)的嵌入式設備(手機或平板電腦)作為人機交換面板。指北針設備安裝在嵌入式設備的正下方，以保證獲取到的圖像在視圖的正中央。

圖1 室內(nèi)移動輪椅式機器人

室內(nèi)移動輪椅式機器人是一個復雜的系統(tǒng)，其導航系統(tǒng)的架構如圖2所示。

圖2 室內(nèi)移動機器人導航系統(tǒng)架構

1.2 機器人偏轉(zhuǎn)角獲取流程

機器人偏轉(zhuǎn)角獲取流程如圖3所示。

3.1.1 灰度二值化

將圖像進行灰度二值化，f(x，y)代表圖像某一空間位置點的灰度值，g(x，y)代表變換后的灰度值，處理模型為:

圖3 機器人偏轉(zhuǎn)角獲取流程

2 導航系統(tǒng)角度匹配模型

獲取到的指北針示例圖像如圖4所示，灰色指針代表基準線，即北向矢量，黑色部分的直線方向與機器人方向一致或者成180°夾角，稱為目標線，即機器人正向矢量。當指北針設備隨著機器人發(fā)生角度位移時，由于地球磁場的原因，基準線將始終指向一個方向，黑色直線將隨著機器人的角度位移發(fā)生偏轉(zhuǎn)。當目標線所在的角度與導航地圖所約定的零度方向一致時，目標線與基準線之間的夾角值代表機器人的當前角度值，即機器人正向矢量與指北矢量間的夾角數(shù)據(jù)。當目標線所在的角度與導航地圖所約定的零度方向不一致時，這部分角度差值為Δθ，目標線與基準線之間的夾角值需加上Δθ才能代表機器人當前角度值［6］。

圖4 指北針示例

3 機器人正向矢量與北向矢量的提取

3.1 圖像預處理

在獲取圖像的過程中，由于各種因素的干擾會給圖像帶來噪聲，表現(xiàn)為各種形式的干擾點或是條紋，圖像中的噪聲大大降低了圖像質(zhì)量，同時信息會受到干擾，在對圖像進行各種操作識別之前必須對圖像進行濾波操作，消除噪聲對圖像的干擾［7-8］。該系統(tǒng)中圖像預處理流程如圖5所示:①獲取圖像，尺寸為240× 320pixels;②提取圖像中的藍色分量與紅色分量;③對圖像進行灰度聚類處理;④確定目標象限。

圖5 圖像預處理流程

公式(1)中的α代表灰度閾值，采用Otsu自適應閾值法來確定［9］，仿真實驗中獲得的α=50;灰度二值化操作將增強圖像中的特征區(qū)域，使目標線或者基準線與背景區(qū)別開來。

3.1.2 灰度歸一化與確定目標象限

將提取出的顏色分量圖像采用分象限篩選的方式進行投票確定目標象限，基本思路是:將提取出來的紅色分量圖像按照標定的四個象限進行投票，黑點最多的象限，其區(qū)域灰度值保持不變，同時將黑點最多的象限標記為目標象限，其余象限灰度值全部置1。處理模型為:

3.2 原始圖像處理流程圖

原始圖像處理過程如圖6所示［10］，分為4步:①獲取指北針圖像;②對圖像進行預處理，剔除干擾，使檢測目標易于識別;③識別檢測目標，提取被測對象特征;④將圖像特征形態(tài)學細化成一條細線;⑤利用霍夫變換，計算移動設備(如室內(nèi)移動機器人)角度。

經(jīng)過上述預處理處理的圖像中，雖然大部分噪音已經(jīng)被濾除，但還是存在一些冗余、干擾信息。如直接對其進行邊緣檢測和Hough變換，由于信息較復雜，Hough變換仍將占據(jù)較多的內(nèi)存量和計算時間，影響整個導航系統(tǒng)的實時性。所以，在處理步驟上先利用形態(tài)學腐蝕操作對預處理后的圖像進行二次去噪處理，去除原始圖像中的冗余、干擾信息，以有效減少邊緣信息總量，提高算法效率。

圖6 原始圖像處理流程

3.3 霍夫變換及其改進檢測算法

3.3.1 標準霍夫變換檢測直線原理

圖像中的直線檢測經(jīng)常采用霍夫變換?；舴蜃儞Q的原理是:把笛卡爾空間中排列的像素點轉(zhuǎn)換到極坐標空間，簡化兩兩像素點斜率的檢測，進而判定像素點是否在一條直線上［11］。

3.3.2 霍夫變換算法的改進

霍夫變換具有優(yōu)異的魯棒性和極佳的抗干擾能力，對圖像中的噪音不敏感，能夠較好地處理局部遮擋、覆蓋等情況，但由于它是一種窮盡式搜索，因而其計算復雜度和空間復雜度都很高，巨大計算量阻止了它在移動設備如手機等實時性要求很高的領域的廣泛應用。針對標準霍夫變換的缺點，本文采用多級分象限霍夫變換檢測算法，該算法成倍縮小標準霍夫變換中的投票范圍，提高了霍夫變換的計算速度。

3.3.3 兩點表決霍夫變換原理

一個圖像空間的點對應參數(shù)空間一條曲線，反之亦然，霍夫變換建立了不同空間下點線之間的對偶關系。在直線檢測中，2個不同圖像點唯一對應一個參數(shù)點，而不是一條參數(shù)曲線，從幾何學上來說就是兩點確定一條直線［12-13］。用這個參數(shù)點的參數(shù)進行表決同樣能找出圖像中的直線，但無需對圖像點在整個參數(shù)空間進行計算，因此能大大減少計算量。

3.3.4 縮小標準霍夫變換投票范圍

標準霍夫變換的投票過程中，將根據(jù)整幅圖像的尺寸按照ρ和θ的步長進行窮盡似計算投票［14-15］，極端情況下，其復雜度將達到o(n3)。在圖像預處理模塊，人為的將圖像分為四個象限，根據(jù)各象限區(qū)域圖像的像素值確定出直線所處的目標象限，這樣，在霍夫變換投票過程中，我們可以根據(jù)目標象限直接將投票范圍縮小到原來的四分之一，避免了標準霍夫變換中窮盡似搜索帶來的能耗問題，提高計算速度。

3.3.5 改進后的霍夫變換直線檢測算法

將上面兩種策略結合起來，具體描述如下:①將顏色分量圖像分為四個象限，確定目標象限;②根據(jù)目標象限，將(xj，yj)限定在目標區(qū)域;③針對目標區(qū)域進行霍夫變換檢測，即從圖像塊中任意取兩個特征點(xi，yi)和(xj，yj)，根據(jù)式(1)計算經(jīng)過這兩點直線的參數(shù)ρ和θ，并對參數(shù)空間的(ρ，θ)單元投票，進而檢測得到目標區(qū)域中的直線參數(shù)ρ和θ。

由上述分析可知，改進的Hough變換在以下2個方面減少了計算量:①縮小目標區(qū)域，減少了復雜的正弦和余弦運算次數(shù);②縮小了參數(shù)ρ和θ的范圍。表1為算法測試運行時間。

表1 角度精度為0.5ο的運行時間表(ms)

4 機器人導航偏轉(zhuǎn)角軟件系統(tǒng)的構建

算法程序流程圖，如圖7所示。

圖7 導航偏轉(zhuǎn)角軟件流程

4.1 特定顏色分量的圖像仿真處理結果

按照上述圖像預處理步驟得到的效果圖如圖8所示。

從圖8可見:①紅色顏色分量與藍色顏色分量可以清晰地提取出來，說明圖像預處理對原始圖像所進行的濾波細化操作是有效的;②采用形態(tài)學細化的策略可以將特定顏色分量的圖像進行腐蝕細化，且濾除大部分噪音。③在實驗過程中，紅色分量存在被藍色分量遮蓋的情況，存在色素提取不完整，所得圖像模糊的情況，需要另外確定合適的二值化閥值大小。

圖8 圖像仿真結果

4.2 機器人導航偏轉(zhuǎn)角測試結果與分析

隨機獲取不同位置的圖像，按照上述算法，進行霍夫變換直線角度識別，得到結果如表2所示，表中的數(shù)字代表獲取到的指針所在直線的角度值，從表2可知:①由于指北針上黑色分量與灰色分量的分布特點，相比于灰色分量，黑色分量其色素的提取相對較清晰準確，在圖像二值化過程中直接通過自適應選取二值化閥值方式，就能準確的識別出所代表的直線角度;②灰色分量所代表的直線，經(jīng)過多次試驗驗證，取thresh= 0.20時可以獲得理想的檢測結果;③不同時間下的采樣圖片，都能獲得較好的檢測角度，可見本文提出的檢測移動機器人導航偏轉(zhuǎn)角的方式具有實用性。④檢測使用中將指北針上的黑色部分縮小為一個半徑的長度，在以指針交點為原點的坐標系中，黑色直線所對應的正向矢量將只對應一個角度。⑤利用改進的霍夫變換檢測算法可以較快的得到檢測結果。

表2 偏轉(zhuǎn)角測試結果

續(xù)表

5 結論

針對室內(nèi)移動機器人導航領域中電子羅盤容易受到磁干擾，影響機器人正常移動的問題，提出了基于機器視覺的方式來確定機器人導航偏轉(zhuǎn)角。同時針對標準霍夫變換檢測算法存在的窮盡式搜索問題，提出了改進策略，提高了檢測效率。為了得到機器人導航中的偏轉(zhuǎn)角參數(shù)，構建了角度匹配模型，通過提取、檢測指北針中的顏色分量來達到獲取導航偏轉(zhuǎn)角的目的。通過試驗和分析表明:

(1)采用機器視覺的方式來確定導航偏轉(zhuǎn)角，可以有效地避免磁干擾，通過Hough變換算法檢測黑色分量所代表的北向矢量與灰色分量所代表的正向矢量，檢測出的角度值準確率可達96%，角度誤差范圍在0°～3°;

(2)在運行Hough變換檢測算法之前，將圖像進行形態(tài)學細化有助于減少干擾與減少Hough變換的計算時間與內(nèi)存空間，通過采用分象限的策略，縮小Hough投票范圍為原來的四分之一，程序平均執(zhí)行時間縮小為標準Hough變換檢測算法執(zhí)行時間的30%左右;

(3)在Android 4.2系統(tǒng)，1G運行內(nèi)存，系統(tǒng)正常運行的情況下，測試實驗每100ms～125ms可以得到一次角度值，能夠滿足大多數(shù)情況下的室內(nèi)移動機器人定位導航的使用需求。

［1］宋章軍.服務機器人的研究現(xiàn)狀與發(fā)展趨勢［J］.集成技術，2012，1(3):1－9.

［2］S János，I Matijevics.Implementation of Potential Field Method for Mobile Robot Navigation in Greenhouse Environment with WSN Support［A］.in 2010 8th International Symposium on Intelligent Systems and Informatics(SISY)［C］.2010:319－323.

［3］周璐璐.抗磁干擾電子羅盤的制作［J］.卷宗，2014，4 (11):275－276.

［4］周鵬.基于水文定位的電子指南針系統(tǒng)設計［J］.通訊世界，2015，8(15):214－214.

［5］RUSS R.Testing and field calibration procedure for the KVH C100 compass［R］.Victoria:SpaceandSubsea Robotics Lab，University Victoria，2001.

［6］鄒慶勝，汪仁煌，明俊峰.基于機器視覺的瓷磚多參數(shù)分類系統(tǒng)的設計［J］.廣東工業(yè)大學學報，2010，27(4): 46－50.

［7］劉軍超.圖像處理和圖像識別基本理論［J］.科技博覽，2015，5(5):230－230.

［8］杜慧，鄧瀟瀟，李建，等.智能的圖像濾波去噪算法［J］.計算機工程與設計，2015，36(8):2180－2184.

［9］赫穎明，朱楓.2維Otsu自適應閾值的快速算法［J］.中國圖象圖形學報，2005，4(10):484－488.

［10］蘭華勇，嚴華.基于圖像識別技術的水尺刻度提取方法研究［J］.人民黃河，2015，37(3):28－30.

［11］姚敏.數(shù)字圖像處理［M］.北京:機械工業(yè)出版社，2012.

［12］易玲.基于分級的快速霍夫變換直線檢測［J］.微計算機信息，2007，23(11):206－208.

［13］Spak J，Moyer L R，Lamanna P A.multidimensional Hough transform based trackbefore－detect technique for detecting weak targets in strong clutter backgrounds［J］.IEEE Transactions on In strumentation and Measurement，2011，47(4):3062－3068.

［14］李鴻武，董波.基于霍夫變換的工具痕跡特征提取方法研究［J］.中國刑警學院學報，2014，4(4):25－28.

［15］刑坤，何紅艷，岳春宇，等.遙感圖像中基于Hough變換的直線提取算法［J］.航天返回與遙感，2015，36(1): 87－94.

(編輯李秀敏)

The Determ ination of Navigation Deflection Angle for M achine Vision-based Indoor M obile Robots

ZHONG Ying-chun，LIU A-ming，XIE Ren-liang
(School of Automation，Guangdong University of Technology，Guangzhou 510006，China)

Indoor mobile robots are needed to locate and navigate in a structured environment.To obtainthe deflection angle of the robots，a common method is using electronic compass.However，since electronic compass is highly susceptible to magnetic interference，a new method using image recognition technology is put forward.Firstly，original image can be acquired from the photographic device installed on the robots，and then its specific color components can be extracted;afterw ards，modified Hough transform algorithm canbe used to detect the positive vector of the robots.Lastly，the included angle data betw een the positive vector and the north vector can be acquired.Experimental results show that the proposed method of determineng navigation deflection angle for machine vision－based indoor mobile robots avoids hard magnetic interfere－nce and ensures high accuracy，precision and timeliness.

indoor mobile robots;machine vision;robot navigation;Hough transform;image recognition

TH166;TG659

A

1001－2265(2017)04－0001－04

10.13462/j.cnki.mmtamt.2017.04.001

2016－06－25;

2016－07－24

廣東省佛山市科技計劃項目(FZ2010013);廣東省高性能計算重點實驗室開放課題項目(TH1528)

鐘映春(1973—)，男，江西贛州人，廣東工業(yè)大學副教授，研究生導師，博士，研究方向為模式識別與圖像處理;通訊作者:劉阿明(1991—)，男，湖南耒陽人，廣東工業(yè)大學碩士研究生，研究方向為圖像處理與算法研究，(E－mail)675234258@qq.com。