針對現有移動機器人位姿檢測系統誤差大、傳感器不易安裝等問題，本文設計了一種利用機器視覺來實現移動機器人位姿檢測的系統。工業(yè)相機實時采集運動目標圖像，結合LabVIEW開發(fā)平臺，利用模式匹配方法計算移動機器人的位姿信息。
本文研制了測試系統并進行相關測試，實驗結果與理論值基本一致，且具有較高的精度，為后續(xù)的進一步深入研究打下了基礎。
現階段，移動機器人的特性及應用是研究的一個熱點[1]。移動機器人的應用領域廣泛，已經從傳統的工業(yè)領域擴展到醫(yī)療服務、教育娛樂、勘探勘測、生物工程、救災救援等新領域[2]。
移動機器人的位姿檢測是移動機器人的關鍵技術之一[3]。傳統的測量方案是采用加速度計和位移傳感器等接觸式裝置，通過間接測量的方法來估算移動機器人的位姿，存在誤差較大、傳感器等輔助裝置安裝困難等問題[4]。
機器視覺作為一種典型的非接觸式測量技術，在機器人領域得到越來越廣泛的應用[5-6]。機器視覺通過實時拍攝運動圖像，檢測圖像平面內各個特征像素點的狀態(tài)，具有測量范圍寬、非接觸、不改變被測物特性等諸多優(yōu)點。如靳璞磊采用智能相機識別工件的尺寸，結合工業(yè)機械手實現分揀功能[7]。
鐘鉅斌通過結合視覺與巡線技術來實現倉儲機器人的定位與路徑規(guī)劃[8]。浙江大學的余小歡[9]提出了基于雙目立體視覺的微小型無人機的室內三維地圖構建系統的研究與設計。
本文基于NI公司的LabVIEW平臺，結合千兆以太網工業(yè)相機，通過檢測特征標志點，開發(fā)了一套檢測移動機器人位姿的系統。通過圖像識別移動機器人標志點的位置，計算出移動機器人線速度及角速度等信息，測試結果與理論值基本一致。
1 系統硬件組成
位姿檢測系統主要由相機、標志器以及工業(yè)控制計算機組成，標志器固聯在移動機器人上，相機固聯在大地上。相機采集圖像并通過千兆網線上傳到工業(yè)控制計算機上，采集頻率為20Hz。工業(yè)控制計算機識別標志物在圖像上的位置，并通過標志物計算移動機器人的位姿等信息。
標志器上采用美國Honeywell公司的紅外發(fā)光二極管SE3470-003作為光學特征點，SE3470-003可加的電流最大可以達到100mA，它的發(fā)射光波長是880nm，散射角可以達到90°。
由于相機固定在平臺上方，從相機傳送出來的數據至少要經過十幾米才能傳遞到工業(yè)控制計算機，因此對相機的數據輸出方式有要求。本文智能相機采用Basler千兆以太網相機配合NI公司的Gige Vision幀接收器，幀接收器最終通過網絡接口與工控主板鏈接。
2 系統軟件設計
圖像處理的核心是識別圖像中標記物的位置，并提取相應的信息。本文采用圖像匹配的算法，同時為了進一步提高圖像匹配的效率，在處理中增加了高斯金字塔灰度值算法。
圖1 軟件程序流程圖
2.1 模板匹配算法
模板匹配的方法，即先選取標準圖像作為模板，然后在要檢測的圖像區(qū)域中選取與模板最匹配的圖像[10]。
如圖2中所示，模板T在源圖S上移動。根據模板T和待測源圖S對應點的方向向量進行計算，二者的相似度法則可用下式進行判斷：
圖2 模板T及源圖S示意圖
2.2 圖像金字塔
圖像匹配算法在實際的應用過程中，由于計算量過大，無法滿足計算實時性的要求為了提高模板匹配算法的快速性，所以本文采用高斯金字塔灰度值匹配算法。算法需要構建一組源圖像及分辨率大小依次排列的模板圖像，如圖3所示。
圖3 模板分辨率金字塔圖形
模板的金字塔圖形從低到高分辨率逐漸降低。圖像匹配過程中從最頂端開始，得到候選匹配點，再將每個候選匹配點按比例映射到下一層的金字塔圖像中，重復此過程，直到金字塔最底層圖像匹配結束[12]為止。
3 實驗（略）
移動機器人在平面上運動，主要分為直線運動和旋轉運動，故文中分直線運動與旋轉運動對位姿檢測系統進行測試?？紤]到實際的實驗中，移動機器人位姿和速度時，圖像采樣時間過長（如大于0.5s），則測量的系統的實時性會降低，采樣時間過短（如小于0.05s），運動計算算法得到的速度結果誤差很大。為了保證位姿計算的實時性及精度要求，攝像機每幀圖像采集周期取0.2s。
結論
本文提出了用于移動機器人的圖像識別及位姿檢測系統，分析了基于連續(xù)幀圖像的移動機器人測速方法。與傳統測速方法相比，不受外加設備條件的限制，具有一定的工程推廣應用價值。通過優(yōu)化算法降低了計算的復雜性，提高了實時性，為后續(xù)的深入研究打下了基礎。
手機掃描二維碼
