關(guān)靜 樓飛

（南京師范大學(xué)中北學(xué)院 南京 210046）

1 引言

定位是移動(dòng)機(jī)器人自主導(dǎo)航的基礎(chǔ)，移動(dòng)機(jī)器人根據(jù)機(jī)載傳感器獲取的信息進(jìn)行定位，其中視覺傳感器具有獲取信息量大、性價(jià)比高、通用性好等特點(diǎn)，已成為自主定位的主要方式之一［1］。根據(jù)視覺傳感器個(gè)數(shù)可將視覺定位分為單目和雙（多）目視覺定位，其中單目視覺定位僅利用一個(gè)視覺傳感器實(shí)現(xiàn)定位，無需像雙（多）目視覺定位中需要解決立體視覺中視差和匹配難的問題，已成為當(dāng)前視覺定位的主要方式［2～3］。

單目視覺定位方法可分為兩類：一類是先對(duì)視覺傳感器進(jìn)行定標(biāo)，利用定過標(biāo)的傳感器獲取圖像進(jìn)行測(cè)距、測(cè)角以獲得視覺傳感器的空間坐標(biāo)，從而實(shí)現(xiàn)定位功能［4～5］；另一類是先建立圖像與位置信息之間的對(duì)應(yīng)關(guān)系，通過對(duì)獲取的圖像進(jìn)行識(shí)別，利用預(yù)存的圖像與位置間關(guān)系獲取位置信息［6］。一般將用于定位的圖像稱為路標(biāo)，路標(biāo)分為人工路標(biāo)和自然路標(biāo)兩種，自然路標(biāo)即為一般交通場(chǎng)景，由于自然路標(biāo)復(fù)雜多變，處理復(fù)雜且難度大，特征提取的精度難以滿足識(shí)別的需求［7］。而設(shè)計(jì)合理的人工路標(biāo)則能很好地解決路標(biāo)的特征化，易形成穩(wěn)定的數(shù)據(jù)關(guān)聯(lián)［8～9］。

本文采用彩色幾何圖塊組合作為人工路標(biāo)，單目攝像頭采集到的彩色人工路標(biāo)圖像經(jīng)過預(yù)處理后進(jìn)行灰度化，在對(duì)應(yīng)的灰度圖上提取圖塊的角點(diǎn)和輪廓坐標(biāo)，由角點(diǎn)和輪廓確定其形狀，并由角點(diǎn)或輪廓數(shù)據(jù)計(jì)算圖塊的質(zhì)心坐標(biāo)。根據(jù)質(zhì)心坐標(biāo)和原始彩色圖像確定圖塊的顏色，同時(shí)由圖塊的質(zhì)心確定人工路標(biāo)的組成。利用圖塊間拓?fù)潢P(guān)系、形狀及顏色組成人工路標(biāo)模式，通過對(duì)人工路標(biāo)的模式進(jìn)行識(shí)別以達(dá)到定位之目的。人工路標(biāo)的選擇與定位精度、定位算法密切相關(guān)，一般來說人工路標(biāo)越復(fù)雜其唯一性越好，但是復(fù)雜路標(biāo)的處理與識(shí)別也就越困難。根據(jù)實(shí)際需求，本文設(shè)計(jì)了一種簡(jiǎn)單而又不失一般性的人工路標(biāo)，每個(gè)人工路標(biāo)由4個(gè)彩色圖塊組成，每個(gè)彩色圖塊有紅、黃、綠和藍(lán)4種顏色，以及圓形、正方形、正三角形、正五邊形、正六邊形和五角星形6種幾何形狀。其中，人工路標(biāo)圖像的屬性計(jì)算是單目視覺定位的基礎(chǔ)和關(guān)鍵，包括幾何圖形的顏色、形狀和質(zhì)心等。

實(shí)際應(yīng)用中由于視覺傳感器位姿變化，極易造成所獲人工路標(biāo)圖像發(fā)生旋轉(zhuǎn)和輕微傾斜變形，從而對(duì)人工路標(biāo)的屬性計(jì)算產(chǎn)生較大影響，本文提出屬性提取算法并進(jìn)行實(shí)驗(yàn)，最終實(shí)驗(yàn)結(jié)果表明本文所述方法能夠滿足室內(nèi)移動(dòng)機(jī)器人平面定位要求。

2 人工路標(biāo)彩色圖像的標(biāo)準(zhǔn)化

為了對(duì)圖像進(jìn)行研究和分析，有必要對(duì)圖像進(jìn)行增強(qiáng)，使需要的信息突出，增強(qiáng)感興趣的區(qū)域同時(shí)削弱有干擾的區(qū)域。圖像增強(qiáng)的方法可以分為兩大類：空間域增強(qiáng)和頻域增強(qiáng)。頻域增強(qiáng)是將圖像從空間域轉(zhuǎn)為頻域，利用頻域?yàn)V波器等對(duì)圖像進(jìn)行處理，再將其變化到空間域?？臻g域增強(qiáng)則對(duì)圖像的灰度值直接處理，通過數(shù)學(xué)變換、運(yùn)算等改變灰度值達(dá)到增強(qiáng)圖像的目的。常用的空間域增強(qiáng)方法有：直方圖均衡化，中值濾波，均值濾波等。其中，直方圖均衡化增加了圖像的動(dòng)態(tài)范圍，而濾波增強(qiáng)一般是對(duì)噪聲進(jìn)行處理，并不能達(dá)到突出人工路標(biāo)圖像中彩色圖塊的目的。

本文提出一種新的圖像增強(qiáng)算法，使彩色圖像的RGB值標(biāo)準(zhǔn)化，有利于后面的顏色計(jì)算和輪廓提取。圖1（a）為單目攝像頭獲取的人工路標(biāo)圖像，從圖中可以看出，幾何圖形與圖像背景的區(qū)分并不明顯，尤其是淺灰塊與背景的區(qū)分度很小，極易造成圖塊屬性提取遺漏。為了避免上述問題的出現(xiàn)，本文對(duì)彩色人工路標(biāo)圖像在RGB三個(gè)通道分別進(jìn)行增強(qiáng)和閾值化處理，處理后R通道圖像保留的是綠色和藍(lán)色圖塊，G通道圖像上保留的是紅色圖塊，B通道圖像上保留的是黑色、淺灰色和灰色圖塊，最后再將處理后的三個(gè)通道圖像合并，結(jié)果如圖1（b）所示，從圖中可以看出，增強(qiáng)后的圖像背景為白色，前景色塊邊緣和顏色清晰，具有很強(qiáng)的區(qū)分度。另外，由于背景可能有裂縫或斑點(diǎn)，從而形成偽路標(biāo)，如圖1（c）、1（e）所示。用上述方法進(jìn)行處理后的圖像如圖1（d）、1（f），從圖中可以看出，裂縫、斑點(diǎn)完全去掉，組成人工路標(biāo)的彩色圖塊的形狀、顏色等屬性保留完好，這是因?yàn)榱芽p、斑點(diǎn)的灰度值與背景相近而在處理中被去除。處理結(jié)果表明本文所給出的人工路標(biāo)圖像預(yù)處理方法效果較好，能夠滿足后續(xù)圖塊屬性提取的要求，有利于模式構(gòu)建和識(shí)別的進(jìn)行。

3 人工路標(biāo)彩色圖像的輪廓存儲(chǔ)

圖像分割一般根據(jù)其一、二階導(dǎo)數(shù)進(jìn)行，常用的算子有Sobel、Roberts等一階算子和Laplace、Canny等二階微分算子。對(duì)于灰度變化均勻的圖像，只利用其一階算子可能找不到邊界，但圖像的二階算子對(duì)噪聲敏感，需先進(jìn)行圖像平滑去噪然后再進(jìn)行計(jì)算［10］。針對(duì)人工路標(biāo)邊緣特點(diǎn)及計(jì)算精度和代價(jià)要求，本文選用Canny邊緣檢測(cè)算子［11］，為了減少噪聲影響，先對(duì)圖像進(jìn)行高斯平滑，然后用一階偏導(dǎo)計(jì)算像素灰度值的梯度幅值和方向，并根據(jù)梯度方向?qū)μ荻确颠M(jìn)行非極大值抑制。最后為了減少偽邊緣點(diǎn)，利用滯后閾值算法對(duì)邊緣進(jìn)行濾除，設(shè)定閾值th1和th2（th1

人工路標(biāo)中每個(gè)完整圖塊的輪廓都應(yīng)該是一個(gè)封閉的曲線，但在實(shí)際獲取的人工路標(biāo)圖像邊緣常有殘缺色塊，殘缺的色塊輪廓對(duì)于人工路標(biāo)特征提取、模式生成帶來不利影響，所以需在Canny提取圖塊輪廓線的基礎(chǔ)上剔除位于所獲圖像邊緣的殘缺圖塊的不閉合輪廓線。

觀察邊緣圖像可知，如圖3，殘缺輪廓通常分布在圖像的邊緣，并且其端點(diǎn)在最靠近圖像邊界的地方，且兩個(gè)端點(diǎn)間坐標(biāo)有一定的距離。根據(jù)殘缺輪廓這個(gè)分布特點(diǎn)，將圖像分為四個(gè)部分，從上、下、左、右四個(gè)邊界方向?qū)D像分別進(jìn)行處理，下面以上邊界為例介紹具體算法。

圖2 邊緣殘缺輪廓濾除

圖3 偽輪廓的分布

為計(jì)算方便，復(fù)制邊緣圖像并記為臨時(shí)圖像，在臨時(shí)圖像的上邊界三行像素范圍內(nèi)尋找白點(diǎn)（灰度值為255）并記為P1，保存P1坐標(biāo)點(diǎn)，則P1為某輪廓的一個(gè)端點(diǎn)，然后追蹤該條輪廓：以P1為中心，在其8鄰域內(nèi)尋找白點(diǎn)，如圖3，若8鄰域內(nèi)沒有白點(diǎn)，擴(kuò)大范圍在16鄰域內(nèi)尋找，找到白點(diǎn)，然后記錄所有白點(diǎn)坐標(biāo)，選取任一非P1的白點(diǎn)記為P2，同時(shí)將P1和其8鄰域或16鄰域內(nèi)所有的像素值均設(shè)為0，防止在進(jìn)行下一條輪廓追蹤時(shí)仍然以上條輪廓的某像素點(diǎn)為端點(diǎn)；繼續(xù)以P2為中心，按照上述步驟追蹤輪廓，直到某點(diǎn)的8鄰域和16鄰域內(nèi)均不存在白點(diǎn)，則該點(diǎn)為該條輪廓的另一個(gè)端點(diǎn)，即為Pn，追蹤結(jié)束，同時(shí)記錄所有的像素點(diǎn)個(gè)數(shù)，即為該條輪廓的像素點(diǎn)個(gè)數(shù)。若P1與Pn間的距離大于某個(gè)閾值，該條輪廓?jiǎng)t為殘缺輪廓，應(yīng)該濾除。在原始邊緣圖像中，將存儲(chǔ)的殘缺輪廓的所有像素坐標(biāo)對(duì)應(yīng)的灰度值設(shè)為0，重新得到的圖像則為殘缺輪廓濾除后的圖像。圖3中（c）為（b）剔除邊緣殘缺輪廓的結(jié)果。

殘缺輪廓濾除結(jié)束后，人工路標(biāo)邊緣圖像中只有完整圖塊的輪廓線，幾何圖塊的形狀計(jì)算在其輪廓線基礎(chǔ)上進(jìn)行，因此需要存儲(chǔ)每條輪廓線的坐標(biāo)。在存儲(chǔ)結(jié)構(gòu)中，所有的數(shù)據(jù)包括每條輪廓上像素點(diǎn)的坐標(biāo)及像素點(diǎn)總個(gè)數(shù)，同時(shí)還應(yīng)將各輪廓分別存儲(chǔ)。

利用鏈表結(jié)構(gòu)存儲(chǔ)輪廓信息，先建立輪廓節(jié)點(diǎn)，節(jié)點(diǎn)中包括每條輪廓中所有像素點(diǎn)的坐標(biāo)值，像素點(diǎn)總個(gè)數(shù)和指向下一條輪廓的指針；然后創(chuàng)建鏈表，在邊緣圖像中從第一個(gè)像素點(diǎn)開始尋找，找到輪廓的端點(diǎn)，追蹤該條輪廓，算法與殘缺輪廓的濾除所用算法相同，完成所有輪廓數(shù)據(jù)的存儲(chǔ)。鏈

4 人工路標(biāo)彩色圖像的屬性計(jì)算

人工路標(biāo)中彩色圖塊的形狀通過角點(diǎn)數(shù)判斷。角點(diǎn)檢測(cè)算法可以分為兩類：一類是利用圖像的灰度變化直接進(jìn)行計(jì)算，如Moravec算法、Harris算法等，其中Moravec算法認(rèn)為角點(diǎn)具有低“自相關(guān)性”，將每個(gè)像素點(diǎn)及其鄰域與其周圍像素點(diǎn)及其鄰域平方差之和的最小值作為強(qiáng)度值，局部強(qiáng)度最大的點(diǎn)為角點(diǎn)［12］。另一類是提取圖像的邊緣通過分析邊緣曲線的幾何性質(zhì)來提取角點(diǎn)，如曲率尺度空間算法（CCS）［13］。

當(dāng)R為大數(shù)值正數(shù)時(shí)對(duì)應(yīng)的窗口中心點(diǎn)為角點(diǎn)。Harris算法具有圖像旋轉(zhuǎn)不變性以及圖像灰度的仿射部分不變性，但對(duì)圖像幾何尺度變化不具有不變性［14］。Shi-Tomasi算法［15］是Harris算法的改進(jìn)，它認(rèn)為若M兩個(gè)特征值中較小的一個(gè)大于最小閾值，則會(huì)得到強(qiáng)角點(diǎn)，可在閾值比較時(shí)通過尋找最小特征值的最大值來確定角點(diǎn)。本文則在圖像輪廓基礎(chǔ)上，通過輪廓像素點(diǎn)的灰度值，利用Shi-Tomasi算法進(jìn)行圖塊角點(diǎn)坐標(biāo)提取。

人工路標(biāo)圖像質(zhì)量及其預(yù)處理結(jié)果對(duì)圖塊輪廓、角點(diǎn)提取都有影響，由人工路標(biāo)中圖塊形狀可知，圖塊閉合輪廓線中含有角點(diǎn)個(gè)數(shù)分別是0、3、4、5、6、10個(gè)，出現(xiàn)其他角點(diǎn)個(gè)數(shù)說明計(jì)算有誤差，需進(jìn)行偽角點(diǎn)去除處理。偽角點(diǎn)的濾除主要有以下幾種方法：鄰近點(diǎn)剔除方法，即選用合適的模板對(duì)整幅圖像進(jìn)行處理，若在該模板下存在不止一個(gè)的角點(diǎn)，則只保留其R值最大的角點(diǎn)。該方法需要選取合適的模板大小，并且對(duì)于角點(diǎn)分散程度較大的情況并不適用。另一種方法則是根據(jù)本文中幾何圖塊的特點(diǎn)，因?yàn)槊總€(gè)幾何圖塊均為正多邊形，因此在同一圖形中，角點(diǎn)間的距離應(yīng)該是一定的，然而由于偽角點(diǎn)的存在，圖形的邊長并不能準(zhǔn)確的計(jì)算，也給角點(diǎn)濾除帶來一定影響。本文則根據(jù)角點(diǎn)間的幾何分布進(jìn)行偽角點(diǎn)的濾除。

由角點(diǎn)的幾何特性可知，將角點(diǎn)依次兩兩相連，相鄰連線相交且夾角較大，若其夾角小于某一閾值，可認(rèn)定中間角點(diǎn)為偽角點(diǎn)。為此本文在每個(gè)圖塊的輪廓像素坐標(biāo)鏈表中，依次計(jì)算相鄰角點(diǎn)間連線的斜率及其傾斜角，且認(rèn)為若連續(xù)三個(gè)角點(diǎn)兩兩連線的傾斜角之差小于35°，則認(rèn)為這三個(gè)角點(diǎn)位于一條直線上，中間的角點(diǎn)則為偽角點(diǎn)。遍歷完整個(gè)輪廓上的所有角點(diǎn)，完成幾何圖形上偽角點(diǎn)的去除，對(duì)于輪廓上檢測(cè)到的角點(diǎn)數(shù)不足3個(gè)的，認(rèn)為該輪廓為圓形。如圖4所示，（a）為人工路標(biāo)原始圖像，（b）為其圖像輪廓檢測(cè)圖，（c）為在輪廓圖上的角點(diǎn)計(jì)算結(jié)果，從圖中可以看到兩個(gè)四邊形出現(xiàn)多個(gè)偽角點(diǎn)，（d）為偽角點(diǎn)濾除后的結(jié)果，四邊形上的偽角點(diǎn)全部濾除。

圖4 人工路標(biāo)圖塊角點(diǎn)提取及偽角點(diǎn)濾除

理想情況下視覺傳感器與人工路標(biāo)所在平面間的垂直距離不變，且其主光軸應(yīng)與該平面垂直。然而在機(jī)器人的移動(dòng)過程中，由于旋轉(zhuǎn)等原因使視覺傳感器采集到的人工路標(biāo)圖像會(huì)發(fā)生旋轉(zhuǎn)，如圖5（a）所示。另外由于地面凹凸不平，易使視覺傳感器主光軸與人工路標(biāo)圖像平面不垂直，采集到的人工路標(biāo)圖像發(fā)生形變，如圖5（c）所示，所采集到的人工路標(biāo)圖像明顯的扭曲變形。使用本文所給出的人工路標(biāo)輪廓和角點(diǎn)檢測(cè)方法對(duì)圖5（a）和圖5（c）進(jìn)行處理，得到的處理結(jié)果分別如圖5（b）和圖5（d）所示，兩種情況下所得人工路標(biāo)圖塊輪廓和角點(diǎn)個(gè)數(shù)都正確。此外，本文還對(duì)多幅旋轉(zhuǎn)人工路標(biāo)圖像和由于視覺傳感器主光軸不垂直人工路標(biāo)平面而造成變形人工路標(biāo)圖像進(jìn)行處理，都能得到正確的圖塊輪廓和角點(diǎn)結(jié)果，這表明本文所給出的人工路標(biāo)預(yù)處理和圖塊輪廓、角點(diǎn)拾取方法對(duì)上述情況下的人工路標(biāo)圖像具有一定有效性、可靠性和魯棒性。

圖5 圖塊旋轉(zhuǎn)和變形的圖像及其角點(diǎn)提取

根據(jù)圖塊輪廓線鏈表及其所含角點(diǎn)個(gè)數(shù)判斷其形狀，本文人工路標(biāo)中有圓形、正三角形、正方形、正五邊形、正六邊形和五角星形6種圖形，其中圓形角點(diǎn)個(gè)數(shù)為0，其他圖形的角點(diǎn)個(gè)數(shù)依次為3、4、5、6、10個(gè)。圖塊質(zhì)心由其角點(diǎn)坐標(biāo)計(jì)算出來，將每個(gè)圖形角點(diǎn)坐標(biāo)平均值作為質(zhì)心坐標(biāo)。對(duì)于沒有角點(diǎn)的圓形來說，則根據(jù)其輪廓線所含各點(diǎn)坐標(biāo)計(jì)算其質(zhì)心坐標(biāo)。圖6為圖塊質(zhì)心計(jì)算結(jié)果。

圖6 圖塊質(zhì)心提取

由于本文中人工路標(biāo)的圖塊只有紅、黃、綠和藍(lán)色4種顏色，種類少且區(qū)別明顯，所以直接根據(jù)圖塊質(zhì)心及其8鄰域顏色的R、G、B分量判定色塊的顏色。具體算法為：在彩色圖像中，每個(gè)圖塊質(zhì)心的8鄰域內(nèi)，分別計(jì)算9個(gè)像素點(diǎn)的RGB分量，然后求其平均值，得到RGB三個(gè)值，根據(jù)下式判斷顏色：

5 實(shí)驗(yàn)分析

為了驗(yàn)證本文給出的基于人工路標(biāo)的屬性提取算法的有效性和可靠性，在3m*3m平面上按20cm*20cm的間隔布置了共196個(gè)人工路標(biāo)共784個(gè)彩色圖塊，每個(gè)人工路標(biāo)由4個(gè)彩色圖塊組成，其中彩色圖塊有圓形、正三角形、正方形、正五邊形、正六邊形和五角星形6種形狀和紅、黃、綠和藍(lán)色4種顏色，根據(jù)前文的分析和攝像頭參數(shù)，設(shè)定圖塊的最小外接圓直徑為5cm。獲取圖像時(shí)，將攝像頭的光軸垂直于人工路標(biāo)所在平面，并保持垂直距離不變。

基于VC++編程實(shí)現(xiàn)圖像預(yù)處理、圖塊的邊緣檢測(cè)、輪廓存儲(chǔ)，圖塊輪廓角點(diǎn)提取及偽輪廓角點(diǎn)濾除和顏色判定。圖2（a）為攝像頭采集到的512*384原始圖像，圖中各色塊屬性的計(jì)算結(jié)果如表1所示，計(jì)算結(jié)果完全正確，這表明文中給出的圖塊形狀、顏色提取方法能夠滿足后續(xù)模式構(gòu)建的要求。

為了進(jìn)一步驗(yàn)證圖塊屬性計(jì)算方法的可靠性，本文隨機(jī)獲取100幅人工路標(biāo)圖像，經(jīng)預(yù)處理后含有效圖塊998個(gè)，利用本文方法進(jìn)行形狀和顏色提取，經(jīng)統(tǒng)計(jì)，圖塊形狀和顏色正確有997個(gè)，錯(cuò)誤判斷1個(gè)為形狀判讀錯(cuò)誤，無由于圖像亮度造成的漏檢和顏色判斷錯(cuò)誤，總的來說能夠滿足應(yīng)用需求。

表1 人工路標(biāo)圖塊屬性計(jì)算結(jié)果

人工路標(biāo)圖像中屬性提取結(jié)束后，則根據(jù)其屬性構(gòu)建人工路標(biāo)模式并進(jìn)行識(shí)別，通過預(yù)先存儲(chǔ)的模式與位置的對(duì)應(yīng)關(guān)系可實(shí)現(xiàn)定位。本文提出的人工路標(biāo)屬性提取算法能夠正確計(jì)算人工路標(biāo)的屬性，有利于后面人工路標(biāo)模式的構(gòu)建與識(shí)別。

6 結(jié)語

本文在基于人工路標(biāo)的單目視覺定位中，對(duì)人工路標(biāo)的屬性提取進(jìn)行討論，通過移動(dòng)機(jī)器人單目視覺傳感器獲取圖像，對(duì)所獲得的圖像進(jìn)行預(yù)處理、圖塊形狀和顏色計(jì)算，從而實(shí)現(xiàn)人工路標(biāo)的屬性提取?；赩C++編程實(shí)現(xiàn)文中所給的圖塊屬性計(jì)算算法，并在3m*3m室內(nèi)按20cm*20cm的間隔布置了人工路標(biāo)進(jìn)行實(shí)驗(yàn)，本文所提出的圖像增強(qiáng)方法使圖像受光照等客觀因素較小，突出彩色圖塊，對(duì)人工路標(biāo)圖像的輪廓進(jìn)行處理和存儲(chǔ)，使角點(diǎn)檢測(cè)在輪廓線的基礎(chǔ)上進(jìn)行，提高算法速率和準(zhǔn)確性，并且所計(jì)算的人工路標(biāo)屬性正確，同時(shí)對(duì)于人工路標(biāo)圖像發(fā)生旋轉(zhuǎn)或輕微變形的情況也能正確計(jì)算其屬性?？偟膶?shí)驗(yàn)結(jié)果表明本文所述方法可用于室內(nèi)定位，方法可行、可靠。為了進(jìn)一步提高基于人工路標(biāo)的室內(nèi)單目視覺定位的可靠性，需要進(jìn)一步對(duì)強(qiáng)干擾背景下彩色圖塊形狀、顏色計(jì)算，角點(diǎn)檢測(cè)的算法也需要改進(jìn)，使其滿足各種情況下的角點(diǎn)提取，同時(shí)滿足不同環(huán)境背景下的室內(nèi)單目視覺定位需求。