移动机器人视觉定位方法的研究

　　针对移动机器人的局部视觉定位问题进行了研究。首先通过移动机器人视觉定位与目标跟踪系统求出目标质心特征点的位置时间序列，然后在分析二次成像法获取目标深度信息的缺陷的基础上，提出了一种获取目标的空间位置和运动信息的方法。该方法利用序列图像和推广卡尔曼滤波，目标获取采用了HIS模型。在移动机器人满足一定机动的条件下，较精确地得到了目标的空间位置和运动信息。仿真结果验证了该方法的有效性和可行性。

　　运动视觉研究的是如何从变化场景的一系列不同时刻的图像中提取出有关场景中的目标的形状、位置和运动信息，将之应用于移动机器人的导航与定位。首先要估计出目标的空间位置和运动信息，从而为移动机器人车体的导航与定位提供关键前提。

　　视觉信息的获取主要是通过单视觉方式和多视觉方式。单视觉方式结构简单，避免了视觉数据融合，易于实现实时监测。如果利用目标物体的几何形状模型，在目标上取3个以上的特征点也能够获取目标的位置等信息。此方法须保证该组特征点在不同坐标系下的位置关系一致，而对于一般的双目视觉系统，坐标的计算误差往往会破坏这种关系。

　　采用在机器人上安装车载摄像机这种局部视觉定位方式，本文对移动机器人的运动视觉定位方法进行了研究。该方法的实现分为两部分：首先采用移动机器人视觉系统求出目标质心特征点的位置时间序列，从而将对被跟踪目标的跟踪转化为对其质心的跟踪；然后通过推广卡尔曼滤波方法估计目标的空间位置和运动参数。

　　1.目标成像的几何模型

　　移动机器人视觉系统的坐标关系如图1所示。

　　其中O-XYZ为世界坐标系；Oc-XcYcZc为摄像机坐标系。其中Oc为摄像机的光心，X轴、Y轴分别与Xc轴、Yc轴和图像的x，y轴平行，Zc为摄像机的光轴，它与图像平面垂直。光轴与图像平面的交点O1为图像坐标系的原点。OcO1为摄像机的焦距f.

　　图1 移动机器人视觉系统的坐标关系

　　不考虑透镜畸变，则由透视投影成像模型为：

　　式中，Z′=［u，v］T为目标特征点P在图像坐标系的二维坐标值；（X，Y，Z）为P点在世界坐标系的坐标；（Xc0，Yc0，Zc0）为摄像机的光心在世界坐标系的坐标；dx，dy为摄像机的每一个像素分别在x轴与y轴方向采样的量化因子；u0，v0分别为摄像机的图像中心O1在x轴与y轴方向采样时的位置偏移量。通过式（1）即可实现点P位置在图像坐标系和世界坐标系的变换。

　　2.图像目标识别与定位跟踪

　　2.1目标获取

　　目标的获取即在摄像机采集的图像中搜索是否有特定目标，并提取目标区域，给出目标在图像中的位置特征点。

　　由于机器人控制实时性的需要，过于耗时的复杂算法是不适用的，因此以颜色信息为目标特征实现目标的获取。本文采用了HSI模型，3个分量中，I是受光照影响较大的分量。所以，在用颜色特征识别目标时，减少亮度特征I的权值，主要以H和S作为判定的主要特征，从而可以提高颜色特征识别的鲁棒性。

　　考虑到连通性，本文利用捕获图像的像素及其八连通区域的平均HS特征向量与目标像素的HS特征向量差的模是否满足一定的阈值条件来判别像素的相似性；同时采用中心连接区域增长法进行区域增长从而确定目标区域。图2给出了目标区域分割的算法流程。

　　图2 目标区域分割算法流程

　　实现目标区域提取后，由于目标有一定的大小和形状，为了对目标定位，必须在图像中选取目标上对应的点的图像位置。由于目标的质心点具有不随平移、旋转与比例的改变而变化的特点，故选取目标的质心点作为目标点。

　　质心坐标计算公式如下：

　　式中：

　　为质心坐标；n为目标区域占据的像素个数，且n≥2;（xi，yi）为第i个像素的坐标；p（xi，yi）为第i个像素的灰度值。

　　2.2目标跟踪

　　运动目标的跟踪是确定同一物体在不同帧中位置的过程，当运动目标被正确检测出来时，它就对相邻帧中检测出的目标进行匹配。匹配过程如下：

　　2.2.1目标质心位置预测

　　目标位置预测是依据最小二平方预测原理由目标质心在本帧以及相邻的连续前几帧的位置值，直接预测出目标质心在下一帧的位置值。在等间隔观测条件下，可用式（4）的简便预测：

　　2.2.2搜索聚类的种子点

　　在搜索与上一帧图像对应质心点匹配的点时，采用基于子块的模式匹配方法。子模块是由待匹配的点与周围8个邻点组成。由于这种方法充分考虑了特征点的统计特性，识别率大大提高。

首先从预测质心点开始，在100×100像素的动态窗口（以预测质心点为中心）内，按照逆时针搜索周围8邻域象素的趋势进行环状搜索，并分别计算由