黎安慶 唐飛龍 施智雄

摘要：高精度定位是機器人完成指定工作的前提，針對機器人在室內(nèi)未知環(huán)境中定位的問題，提出了一基于固定攝像頭的室內(nèi)移動機器人視覺定位的方法。該方法采用一套基于圖像采集模塊的機器人定位測試平臺，測量系統(tǒng)將機器人在場地內(nèi)的位置信息通過攝像頭采集到之后，送入計算機;計算機經(jīng)過圖像處理，生成機器人的坐標及方位角信息。該方法具有結(jié)構(gòu)簡單、穩(wěn)定性好和理論精度高的優(yōu)點;可同時實現(xiàn)機器人室內(nèi)坐標和方位角。

關(guān)鍵詞：機器人;室內(nèi)定位;計算機視覺

中圖分類號：TP3? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）23-0213-02

開放科學(xué)（資源服務(wù)）標識碼（OSID）：

機器人定位是機器人通過傳感器感知周圍信息，并通過運算獲取自身位置的過程[1]?，F(xiàn)有的室內(nèi)定位技術(shù)有基于慣性傳感器的航跡推算法、紅外定位技術(shù)、無線電定位技術(shù)、超聲波定位技術(shù)等[2-4]。航跡推算定位應(yīng)用十分廣泛，但其弊端在于隨時間推移，定位誤差會不斷增加[5];而基于無線電定位的技術(shù)如：uwb 、zigbee、wifi、rfid等以及超聲波定位技術(shù)都需要在現(xiàn)場建立基站或者信標[6]，增加了系統(tǒng)復(fù)雜度及工作量，同時由于無線電和超聲波極易受到干擾[7]，因此其可靠度和穩(wěn)定性都較低。針對上述問題，本文提出一種基于計算機視覺技術(shù)的機器人室內(nèi)定位方法。

1 系統(tǒng)概述

為研究機器視覺定位方法，搭建機器人定位測試平臺，如圖1所示。

攝像頭將機器人在場地內(nèi)運行的圖片采集后送入計算機。計算機經(jīng)過圖像處理、輪廓提取及比對后，根據(jù)識別到的機器人目標，生成機器人的坐標及方位角信息。

2 定位步驟及原理

定位過程由計算機完成，具體為視角變換、背景分離、目標識別以及位置測量等步驟，定位步驟如圖2所示。

視角變換將攝像頭拍攝得到的圖像轉(zhuǎn)換為俯視圖，背景分離就是去除背景的干擾得到一個或多個可能的目標，目標識別需要在多個目標當(dāng)中識別出真正的機器人目標。

2.1 視角變換

在任何場地內(nèi)，攝像頭拍攝得到的圖像一般不是俯視圖。為了測量機器人的位置，以俯視的視角呈現(xiàn)的圖像將更加有利于位置測量和方向計算。因此，首先對獲取的圖像進行視角變換，將其由任意視角轉(zhuǎn)換為俯視視角。轉(zhuǎn)換的方法是將拍攝到的圖像利用透視變換方法進行圖形幾何變換[8]。

2.2 背景分離

在任意一張圖片當(dāng)中，目標對象一定與背景同時存在，所以需要去除背景干擾，本文背景分離采用幀差法，利用相鄰兩幀圖像作差，而在背景嚴格不變，只有機器人改變位置會造成圖像變化的環(huán)境下，可先保存一張無機器人在場的圖作為背景圖片，用該背景圖片與機器人在場地內(nèi)運動的圖片做幀差運算即可得出機器人的實際位置。

2.3 目標識別

經(jīng)過幀差法得到的目標圖像可能有多個，因此需要在多個目標當(dāng)中識別出真正的機器人目標。本文在實際識別過程中，首先使用邊緣檢測算法將疑似目標的輪廓識別得出，然后計算輪廓的像素個數(shù)即可得到目標圖像的周長，而目標面積即為輪廓圍成的面積。對于目標的外形特征，可使用輪廓的Hu不變矩進行相似性判定。Hu不變矩在圖像旋轉(zhuǎn)、縮放、平移等操作后，仍能保持矩的不變性，所以Hu不變距能識別圖像的輪廓特征[9]。

3 定位測量算法

在成功識別機器人的基礎(chǔ)上，即可尋找機器人的幾何中心，將其在圖像中的像素坐標按照比例換算成為實際場地上的坐標。而機器人方位角的確定則需要進一步處理。定位測量的參數(shù)包括測量機器人在場內(nèi)的橫坐標、縱坐標、方位角等。定位時首先在機器人外殼上繪制一箭頭標記，通過該標記的幾何中心位置以及指向來反映機器人的位置及方位。

在運算過程中，計算機首先識別出該標記，然后使用一個面積盡量小的矩形框外接在該標記上，通過識別該矩形框長邊與水平線的夾角即可計算出機器人的方位角。

4 結(jié)論

本文通過計算機視覺技術(shù)對機器人定位的方法，系統(tǒng)主體由攝像頭、計算機、機器人系統(tǒng)三部分構(gòu)成，降低系統(tǒng)復(fù)雜度。

該方法使用計算機視覺技術(shù)對室內(nèi)場地機器人進行定位，相對以ZigBee為代表的基于無線定位技術(shù)的方法，不易受到無線電和超聲波的影響，穩(wěn)定性好。

該方法能夠一次性得到機器人的位置和方位角信息，與以慣性導(dǎo)航為核心技術(shù)的航跡推算法對比，無累計誤差，具有較高精度。

參考文獻：

[1] Farhad Shamsfakhr， Bahram Sadeghi Bigham， Amirreza Mohammadi， Indoor mobile robot localization in dynamic and cluttered environments using artificial landmarks[J]，Engineering Computations，2019，36（2）：400-419.

[2] 劉艷，董寬. 基于超聲波傳感器的室內(nèi)機器人定位研究[J]. 信息技術(shù)， 2015（8）： 54-56.

[3] 楊佳麗，史恩秀等.基于無線網(wǎng)絡(luò)的室內(nèi)移動機器人定位方法研究[J]. 機械科學(xué)與技術(shù)， 2013，03： 457-461，468.

[4] 劉煥玲，劉桂華等.基于一維激光測距儀的室內(nèi)移動機器人定位[J]. 工具技術(shù)，2011（10）： 79-83.

[5] 王志君. 移動機器人全場定位系統(tǒng)的研究[D].成都：電子科技大學(xué)，2015：1-10.

[6] 高云峰，周倫，呂明睿，等.自主移動機器人室內(nèi)定位方法研究綜述[J].傳感器與微系統(tǒng)，2013，32（12）：1-5.

[7] 鄒宜成，梁紅.室內(nèi)智能移動機器人ZigBee無線網(wǎng)絡(luò)定位技術(shù)[J].武漢理工大學(xué)學(xué)報（信息與管理工程版），2012，34（2）：151-155.

[8] 張星龍，馮全.采用透視變換提高車輛識別準確率的方法研究[J].電子設(shè)計工程，2015，23（1）：191-193.

[9] 董昱，郭碧. 基于Hu不變矩特征的鐵路軌道識別檢測算法[J]，鐵道學(xué)報，2018，23（1）：64-70.

【通聯(lián)編輯：張薇】