《基于立体视觉的移动机器人路径规划与避障技术的研究.pdf》由会员分享,可在线阅读,更多相关《基于立体视觉的移动机器人路径规划与避障技术的研究.pdf(76页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、上海大学硕士学位论文基于立体视觉的移动机器人路径规划与避障技术的研究姓名:赵静申请学位级别:硕士专业:计算机应用技术指导教师:陈一民20090101上海大学硕上学位论文摘要随着各学科技术的发展,移动机器人得到国内外广泛的关注。移动机器人的应用潜力巨大,其应用领域包括自动驾驶、未知领域的探索、工农业自动化生产、高危环境无人工作等,移动机器人控制技术的发展将对人类生产、生活产生深远影响。移动机器人是一个集环境信息采集、图像处理与物件识别、动态决策与规划、运动控制等多项功能于一体的智能系统。移动机器人通过本身传感器对外界环境信息的感知、接受和处理,制定出行走路线,并在行进过程中完成躲避障碍物等行为,
2、最终完成指定任务。本文针对机器人路径规划与避障技术中的几个关键问题,如双目视觉测距、物件识别、路径规划以及避障策略等,进行了深入的研究和讨论。本文的主要工作集中在:(1)提出路径规划和避障系统的系统框架,整个系统主要包括:双路视频采集模块、视觉测距模块、路面分析和物件提取区分模块、路线规划和避障模块等部分。(2)环境采集子系统,利用双目视觉传感器和红外传感器相结合进行环境信息的采集和分析。通过架构D i r e c t S h o w 到O p e n C V 的桥梁,结合两者进行视频数据的处理;系统采用张氏平面标定法实现摄像机参数的标定,采用变焦测距技术实现测距。实验证明所提出的方法能有效提
3、高系统效率,扩展系统测距的距离。(3)图像处理和物件提取子系统,利用多种经典的图像处理算法,对采集到的图像进行了路面及背景区域分离和障碍物及目标物的识别。采用改进的模板匹配算法实现双目视觉下的匹配,改进方法能有效提高系统的效率;根据障碍物和目标物的几何外形不同,系统采用图像的统计特征矩(H u 矩),实现对障碍物和目标物的区分。(4)路径规划和避障子系统是整个系统的决策环节,利用双目视觉信息采集子系统测得的物件深度信息还原物件的位置和大小信息,以移动机器人为原点构建动态的地图;根据得到的地图,采用人工势场法进行路径规划,并通过修V I上海大学硕士学位论文改斥力场函数,消除人工势场法存在局部最小
4、值的现象;采用模糊控制原理,设计模糊控制器,制定避障策略,并提出了几种同步控制系统各个模块的方法。文章给出了立体视觉移动机器人路径规划和避障系统实验的结果和分析,得出该系统的设计和实现可以较好地完成课题所给出的要求,实现所需求的功能,完成移动机器人路径规划并成功避障。最后,总结了全文的研究内容,指出了该系统有待进一步解决的问题。关键词:视觉测距,路径规划,人工势场,机器人避障,模糊控制V l I上海大学硕士学位论文A b s t r a c tW i t ht h ed e v e l o p m e n to fv a r i o u st e c h n o l o g i e s,m o
5、 b i l er o b o t sh a v eb e e np a i dc l o s ea t t e n t i o nt o T h i si sd u et ot h eg r e a ta p p l i c a t i o np o t e n t i a lo fm o b i l er o b o t P o s s i b l ea p p l i c a t i o n si n c l u d ea u t o m a t i cf r e e w a yd r i v i n g,e x p l o r a t i o no fu n k n o w nr e
6、g i o n s,a u t o m a t i cp r o d u c t i o no fi n d u s t r ya n da g r i c u l t u r e,w o r k i n gu n d e rh i g hr i s ke n v i r o n m e n t T h ed e v e l o p m e n to fi tw i l li m m e n s e l yi n f l u e n c eh u m a np r o d u c t i o na n dI i f e M o b i l er o b o ti sa ni n t e l l
7、 i g e n ts y s t e m,w h i c hc o m b i n e st h et e c h n o l o g i e so fe n v i r o n m e n ti n f o r m a t i o nc o l l e c t i o n,i m a g ep r o c e s s i n ga n do b je c t sr e c o g n i t i o n,d y n a m i cd e c i s i o n m a k i n g,p a t h p l a n n i n g,a n dm o t i o nc o n t r 0 1
8、 M o b i l er o b o tp e r c e p t st h ee n v i r o n m e n tw i t ht h eh e l po fs e n s o r s,d e s i g n st h er o u t e sa n da c c o m p l i s ho b s t a c l ea v o i d a n c ed u r i n gt h et r a v e l T h ep a p e rr e s e a r c h e sa n dd i s c u s s e ss e v e r a lk e yi s s u e so ft
9、h em o b i l er o b o tp a t h-p l a n n i n ga n do b s t a c l ea v o i d a n c es y s t e m T h ek e yi s s u e si n c l u d et h a tb i n o c u l a rv i s i o n,o b j e c tr e c o g n i t i o n,p a t h-p l a n n i n ga n do b s t a c l ea v o i d a n c es t r a t e g i e s I nt h i sp a p e r,o
10、u rm a i nw o r k sa r ed e s c r i b e da sf o l l o w:(1)O u rs y s t e mb u i l d sam o b i l er o b o ts y s t e mo fa u t o m a t i co b s t a c l ea v o i d a n c e,w h i c hC a nb ed i v i d e di n t of i v em o d u l e s,v i d e oc a p t u r em o d u l e,b i n o c u l a rd i s t a n c em e a
11、 s u r e m e n tm o d u l e,s c e n ea n a l y z em o d u l ea n do b j e c t sr e c o g n i t i o nm o d u l e,m a pc o n s t r u c t i n ga n dp a t h p l a n n i n gm o d u l e,P L Cc o n t r o lm o d u l e(2)T h es y s t e ma c h i e v e se n v i r o n m e n ti n f o r m a t i o nb yb i n o c u
12、l a rv i s i o nc o m b i n e dw i t hi n f r a r e ds e n s o r s T h es y s t e mc o n s t r u e sab r i d g eb e t w e e nD i r e c t S h o wa n dO p e n C V W es t a n d a r d i z et h ec a m e r ap a r a m e t e r sb ym e a n so fZ h a n g,a n dp r o p o s ead i s t a n c em e a s u r i n gm e
13、t h o db yz o o m i n g I tp r o v e st l l a tt h ez o o m i n gm e t h o dc a ni m p r o v es y s t e me f f e c t i v e l ya n de x p a n dt h er a n g eo fm e a s u r i n gb ye x p e r i m e n t s(3)T h ei m a g ep r o c e s s i n ga n do b j e c t se x t r a c t i n gs u b s y s t e ms e p a r
14、a t et h es u r f a c e,b a c k g r o u n da n do b j e c t so fi m a g e sb ys e v e r a lc l a s s i ci m a g ep r o c e s s i n ga l g o r i t h m s A ni m p r o v e dt e m p l a t em a t c ha l g o r i t h mi sp r e s e n t e d,w h i c hm a k et h em a t c h i n gp r o c e s sm o r ee f f i c i
15、e n t W er e c o g n i z et h eo b s t a c l e sa n dt h et a r g e tb yi m a g es t a t i s t i c a lc h a r a c t e r i s t i c s(H uc h a r a c t e r i s t i c s)(4)T h ep a t h p l a n n i n ga n do b s t a c l ea v o i d a n c es u b-s y s t e mi st h ec o n t r o l l e ro ft h es y s t e m I n
16、t h eh e l po ft h eo b j e c t sd e p t hi n f o r m a t i o nw h i c hp r o v i d e db yb i n o c u l a rv i s i o ns u b-s y s t e m,w eb u i l dam a pw i t ht h em o b i l er o b o ta st h eo r i 垂n A c c o r d i n gt ot h em a p,w ea d o p tt h em e a n so fa r t i f i c i a lp o t e n t i a lf
17、 i e l dt op l a nt h ep a t h I no r d e rt oe l i m i n a t et h ed i s a d v a n t a g e so ft h et r a d i t i o n a lm e t h o d,w em o d i f yt h ep o t e n t i a lf i e l df u n c t i o n W ed e s i g naf u z z yc o n t r o l l e r,a n df o r m u l a t eas e q u e n c eo fo b s t a c l ea v o
18、 i d a n c er u l e sb a s e do nf u z z yl o g i c W ep r o p o s es e v e r a ls t r a t e g i e so fs y n c h r oV I I I上海大学硕士学位论文c o n t r 0 1 W ep r e s e n tt h ee x p e r i m e n t sa n da n a l y s i so fm o b i l er o b o tp a t hp l a n n i n ga n do b s t a c l ea v o i d a n c es y s t e
19、 m T h ee x p e r i m e n tr e s u l t sp r o v et h a tt h ed e s i g na n di m p l e m e n t a t i o no ft h es y s t e mc o m p l e t e st h ed e m a n do ft h ep r o j e c t T h es y s t e mc a i ls u c c e e di np a t hp l a n n i n ga n do b s t a c l ea v o i d a n c e F i n a l l y,t h ew o
20、r ko ft h i sp a p e ri ss u m m a r i z e da n dt h ef u r t h e rr e s e a r c hi sd i s c u s s e d K e y w o r d s:B i n o c u l a rd e p t hm e a s u r e m e n t,p a t hp l a n n i n g,a r t i f i c i a lp o t e n t i a lf i e l d,r o b o to b s t a c l ea v o i d a n c e,f u z z yl o g i cI X原
21、创性声明本人声明:所呈交的论文是本人在导师指导下进行的研究工作。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已发表或撰写过的研究成果。参与同一工作的其他同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示了谢意。签名:毳萄日期:雩:立!仝本论文使用授权说明本人完全了解上海大学有关保留、使用学位论文的规定,即:学校有权保留论文及送交论文复印件,允许论文被查阅和借阅;学校可以公布论文的全部或部分内容。(保密的论文在解密后应遵守此规定)签名:彳沮导师签名:乡2 趔日期:嫂夕I I I土瀣友堂亟堂僮途塞第一章绪论1 1 课题研究背景与来源移动机器人通过传感器感知外界环境和自身状态,实现
22、在有障碍物的环境中,向目标自主运动,完成一定作业功能的机器人系统。随着各学科技术的发展,移动机器人成为国内外研究的热点,在军事、民用和科学研究各个方面应用广泛,包括航天【、海洋【2 1、军事、农林【3 1、生活服纠4 1 等。移动机器人是一个集环境信息采集、图像处理与物件识别、动态决策与规划、运动控制等多项功能于一体的智能系统。它牵涉到运动学、信息论、图像学、人工智能等多个学科,集中体现了计算机技术和人工智能的最新成梨5 1。移动机器人最早的研究在1 9 6 6 年至1 9 7 2 年,目的是为了在复杂环境下机器人系统的自主推理规划和控制。如何在简单或复杂、部分已知或不可预测的环境中自主移动到
23、达目标点,并躲避障碍物是移动机器人最基本的功能之一。而这其中又牵涉到机器视觉、视觉测距、立体匹配、地图构建、路径规划、目标跟踪、控制策略和机器控制等。本课题来自国家教委“基于网络的远程机器人监控技术和上海市科委“基于I n t e r n e t 的智能控制技术的研究”科研项目。基于双目视觉的移动机器人避障与自动追踪技术的研究,也是该科研项目的一个延伸性分支。1 2国内外研究现状1-2 1国外研究现状国外移动机器人的研究开始于2 0 世纪6 0 年代,美国在1 9 6 2 年研制出世界上第一台工业机器人。2 0 世纪8 0 年代,美国国防高级研究计划局(D A R P A)专门立项,制定了地面
24、无人作战的战略计划。从此,室外移动机器人的研究在全世界展开:欧洲尤里卡的机器人计划;日本通产省组织的极限环境下作业的机器人计划;D A R P A土握鑫芏塑土星垃建童的“战略汁算机”计划中的自主地面车辆(A L V)计划等。美国卡内基梅隆大学机器人研究所在八十年代研制出N a v L a b J 机器人,它具有完成图像处理、图像理解、传感器信息融合、路径规划和本体控制等功能。2 0 世纪9 0 年代,随着科技的发展进步,移动机器人朝着高适应性、高水平环境信息处理等方向发展。图1 l 是美国M 1 T 人工智能宴验室开发人形机器人C o g【6 ,该机器人使用一整套传感系统来模拟人的感官美国N
25、A S A 资助研制的“丹蒂I I”八足行走机器人能实现对远程机器人行走探险。1 9 9 7 年美国N A S A 研制的火星探测机器人“索杰娜”登上火星,2 0 0 4 年美国又相继发射“勇气号1 和“机遇号”火星车。围】1 机器人C o g 和研究人员刚1 2 本田积足行走机器人图1 3 目立清洁机器人二战后的日本,为了解决劳动力紧张的情况,引进机器人及其技术并于1 9 6 8年研制出第一台“尤尼曼特”机器人。到了8 0 年代中期,日本的机器A 产量和安装台数在国际上跃居首位。图l2 为闩奉本田公司于2 0 0 0 年宣布推出的世界上第一台会跑步的双脚步行机器人A s i m o ”,它跑
26、步时速可达3 公里,步行时速可达2 5 公里。它在行进时可以实现躲避障碍物。2 0 0 3 年,日本日立制作所和日立H&L 发布了清洁机器人如图13 所示,它的直径为2 5 c m 为业界最小,在打扫房间时不留死角。1 9 9 9 年,日本S O N Y 公司推出宠物机器人A i b o,之后又于2 0 0 0 年1 1 月推出拟人机器人S D R 3 X,接着2 0 0 3 年该公司在机器人展上展出新开发的双足行走机器人S D R 0 4 X 和S D R-4 X I I S l。S D R 一4 x 系列机器人采用了传感器系统和记忆学习能力的行动控制软件系统,实现高运动性能和丰富交互能力的
27、取足行走娱乐机器人。2 0 0 4 年机器人展会上,S O N Y 公司展示了最新开发的Q R I O 机器人口l,除了能正常行走还能跳舞、打太极拳在狭窄道路上自行行走并绕开障碍物,如图14 所示。瀣厶堂亟士竺i 立建童童。;厶_嘲I4 aS D R-4 X 行走中幽14 bS D R-4 X I I 避开障礴物酬14c OR I o 投掷棒球图I4S O N Y 公司双足行走机器人世界上还有许多国家进行着移动机器人的研究。意大利的P a n n 大学研制的A R G O 自主车,可在结构化和非结构化的道路上行驶。德国有商业轮椅的基础上研制了一种轮椅机器人,进行过多次的苴;地现场表演,存公共场
28、所拥挤的、宵大越乘客的环境中,经受超过3 6 个小时的考验。12 2国内研究现状我围对移动机器人的研究虽然起步相对比较晚,但经过I 几年的发展也取得了很大的进展。国内移动机器人的研究主要经历以下三个阶段:算法研究和仿真,困外机器人平台的引进和自主开发。在陆地移动机器人的研究中,“八五”期问由浙江大学、南京理工大学等六所大学联台研制的A L V L A B I 型陆地移动机器人实现野外道路的自丰行驶、道路跟踪、避障、岔路拐弯等功能。“九五”期间研制的第二代地面自主车A L V L A BI I,支持临场感遥控驾驶及战场侦察等功能。日前我国正在组织研究第三代陆地自丰车。T H M R-V 是清华大
29、学智能技术与系统国家重点实验室研制的新一代智能移动机器人,兼有面向高速公路和一般公路的功能,如图l5 所示。2 0 0 3 年中科院自动化所研制研发了智能移动机器人C A S I A I【l”如图l6 所示。该移动机器人是集多种传感器、视觉、语音识别与会话功能于一体的智能移动机器人。它无需人的干预,能自主完成运动导航、躲避障碍物等功能,同时,它可以接受人们实施的各种方式的控制,包括可通过键盘和鼠标发送控制命令、执行人发给它的语音命令、通过互联网络对其进行遥控等。上篷态堂殛堂位诠塞动追踪、自动驾驶、自动避障功能之外,在研究过程中,通过对机器视觉、机器人控制、信息表达、人工智能等领域的研究,可以进
30、一步扩充这些领域中的理论基础,对于生产、科研、勘探领域都具有重要的学术价值、社会意义和经济价值。1 4 论文的结构和主要工作基于机器视觉的移动机器人路径规划和避障技术是一门涵盖多个学科以及工程领域的综合性课题。本文参考了大量的国内外文献、技术资料,提出了移动机器人系统的设计思想和框架结构,并且在具体的实现过程中,就一系列理论难点和工程问题展开了研究与开发。本文各章的研究内容如下:第一章综述了目前国内外移动机器人的研究现状,指出了移动机器人系统的研究目的和现实意义。第二章提出了移动机器人路径规划和避障系统的总体结构框架,并描述了各个子系统的实现方案,分别是双目视觉采集子系统,图像处理及障碍物和目
31、标物的提取子系统,路径规划和避障子系统以及机器控制子系统。第三章介绍了本系统所设计的双目视觉信息采集框架,叙述了双目视觉原理及摄像机参数的标定,分析了系统采用的双目自适应测距技术原理和实验结果,提出了加权平均融合的算法用于视觉和红外两种传感器的信息融合。第四章阐述了本系统利用经典的图像处理算法实现视频信息的背景、路面和物件的分离;采用模板匹配算法实现图像的立体匹配,提取出障碍物和目标物;根据物件的几何形状的不同,使用区域矩区分算法来区分目标物和障碍物。第五章介绍了路径规划方法的分类,分析了几个当前常用的路径规划算法;详细分析了系统采用的人工势场法并对其存在的局限性进行了补偿;根据模糊控制原理,
32、制定系统的避障策略;分析了系统为实现同步而制定的同步控制策略。第六章从实验的角度对移动机器人系统进行了实验,证明其可行性和稳定性,对全文所作的工作进行了全面的总结,并在此基础上,对今后进一步的工作进行展望。土漫友堂亟堂焦!佥塞1 5 本章小结本章对课题来源、研究背景、国内外研究现状等作了较为细致的说明,进而说明本文研究的学术价值和社会、经济意义所在,最后概述了本文的主要工作和后续文章内容纲要。第二章移动机器人路径规划与避障系统的框架和设计方案移动机器人系统主要包括运动控制、传感系统、控制系统等部分。为了实现移动机器人成功的进行路径的规划并躲避障碍物,本系统融合了视觉测距、图像处理、路径规划、自
33、动控制等技术。移动机器人能够实时采集周围环境的图像信息,确定周围障碍物的位置和深度信息,并且根据预先设定的特征识别出跟踪目标,参照障碍物地图实施动态路径规划,实现追踪过程中的自动避障功能。根据这一项目目标,本文设计了一个移动机器人路径规划与避障的系统框架,下面我们将说明这一框架的具体构成与原理,并将讨论系统的框架和实施的总体方案。2 1 移动机器人路径规划与避障系统框架移动机器人系统按照系统功能主要可以分为:双路视频采集模块、视觉测距模块、路面分析和物件提取区分模块、路径规划和避障模块等这5 个主要功能模块。如图2 1 所示,视频采集模块完成环境信息采集、无线传输、采样、帧同步等功能,并将视频
34、图像进行格式转换,增强系统的性能,同时将双目视觉采集到的信息和红外传感器采集到的数据进行数据融合;视觉测距模块是利用视差原理,采用变焦测距方法计算出景深信息;图像处理和物件提取模块主要完成图像预处理、背景、路面和物件的分离、双目视觉匹配、目标物和障碍物识别区分等功能;路线规划和避障模块是根据相似三角形原理,标定物件的位置,构建出二维地图,根据该二维地图采用人工势场法进行路径的动态规划,接着利用模糊控制原理,制定隶属度函数和避障规则,实施障碍物躲避。最后将规划好的角度、速度等参数向P L C 模块发送决策信号,控制移动机器人的行进。图像预处理图像分割图像处理与物件提取模块型刮凳昆韶H 黜地面II
35、l 帧同步l=二=Ix v i d 解码I舀视频Il 视频采集卡oIl 采集卡I王工无线信号ll 无线信揍收器|l 接收器己线信号l f 无线信号发射器f|发射嚣透控II 壤像Il 摄像揍收器II 头oIl 买1。移动机器人荜蒺塑套l 蕊壬菱擗诲H 一福蓬豳路径规划II!苎勰H 黼控制器Il 策略决策信号I 餐径规划和避障模块图2 1 移动机器人自动追踪与避障系统的框架图机器控制模块由l 台O M R O NS Y S M A CC P M 2 A 可编程控制器和1 台遥控发射器组成,它将移动机器人行进的信号进行转换并实现P C 机和机器人间的信息交流。机器人模块是运动的主体,置于其身上的双目
36、摄像机进行环境信息的采集,并通过无线信号发射器向P C 机发送视频信号。P C 机接受到信息进行一系列的处理,最终得到规划好的路径。将该结果发送运动控制信号给机器控制模块,机器控制模块接收来自主机模块的串口信号,循环监听不同寄存器内的数值,判断出控制信号,进而触发对应的输出端,发射相应的控制信号,控制运动机器人的正确动作。若本系统按照层次结构分,可以划分为三层,分别是:运动控制层,行为控制层和行为规划层,如图2 2 所示。视频采集模决图2 2 基于双目立体视觉的移动机器人避障系统结构图在运动控制层,通过安置在机器人身上的双目摄像头和安置在四个轮子外侧的红外传感器探测环境信息,将信息通过无线信号
37、收发器传送给行为控制层,进行数据的融合,环境信息的分析。行为控制层将得到的包括路面信息,障碍物和目标物深度信息,尺寸、形状等参数递交给行为规划层的路径规划模块,生成一条从初始点到目标点的路径,再根据避障策略进行障碍物的躲避行为。在行进过程中,通过行为控制层将对应的坐标值、速度大小和转动角度等参数指导运动控制层的行为。2 2 系统的设计方案移动机器人路径规划与避障系统的主要目标是完成移动机器人从摄像机采集图像,利用双目测距技术确定物件的深度信息,通过图像分析分离出背景、路面、障碍物以及目标物,利用得到的深度信息构建出以移动机器人为原点的二维地图,根据该地图规划行进路线,实现自动避障等任务。系统的
38、总体实现方案如下。固竭2 2 1双目视觉信息采集本文所用的视频采集系统由两个可分频无线摄像机、两个可分频无线信号接收器和两个1 0 M o o n s 视频采集卡组成。两路无线信号分别使用2 4 1 4 G H z 以及2 4 6 8 G H z 的传输频率分别进行发射和接收,确保两路信号不会相互干扰影响视频质量。双目视觉要解决多通道数据的同步、摄像机标定等关键问题。系统设计时将两个摄像机以相隔适当的距离固定在移动机器人平台支架上,同时进行双目视频数据的采集,同时为了避免内存竞争,在内存中开辟两块缓存来存放视频数据。系统通过设置时间戳来实现数据采集的同步。摄像机标定的目的是确定摄像机的图像坐标
39、系与世界坐标系之间的对应关系。在实现摄像机的精确标定后,才能够根据二维坐标推导出物件在三维空间中的位置。该坐标映射是由摄像机成像几何模型所决定的,包括摄像机内部参数和外部参数。为了获取这些参数,要预先知道物体上数个特征点在摄像机平面的二维坐标以及它们在三维坐标系中的坐标值,从而算出摄像机的参数。本系统采用张正友平面标定法对双目摄像机进行标定。在实验中我们发现传统的双目摄像机测距方法测量范围和测量精度上存在局限性,经分析得知这是由于摄像机焦距固定、相对位置固定、摄像机畸变、分辨率不足等原因造成的。根据灵敏度我们制定了一个变焦测距方法,使得系统拥有更好的延展性。为了提高系统测距的精度,在设计上我们
40、又在四个车轮外侧加上了红外传感器,并将视觉和红外两者的信息予以融合。系统采用加权平均的融合算法,在不同的距离条件下,利用不同传感器的数据进行距离的测定,用于指导系统路径规划的决策。2 2 2 图像处理与物件提取图像处理与物件提取是将得到的两路视频图像利用多种图像处理算法进行处理,实现背景、路面和物件三者的分离。其中使用到平滑降噪、均匀性图处理、图像灰度化、二值化、膨胀、腐蚀、种子填充算法、反向种子填充降噪等算法,最终得到背景、路面和物件。通过模板匹配算法实现两路图像的物件的匹配。1 0 土瀣太堂亟堂位!佥塞系统经过图像处理模块和双目测距模块的处理后,得到了路面中各个障碍物以及目标物体的位置信息
41、。根据相似三角形原理通过平面几何计算,系统以移动机器人当前位置为原点,建立动态的二维障碍物地图。地图中包括障碍物和目标物的位置和形状等信息,并根据实时的视频采集、测距和图像处理等模块的处理,不断更新物件信息,即地图中各个物件的坐标。在目标物和障碍物的区分上,系统引入了不变矩概念。目标图像的统计特征矩(H u 矩)给出了图像具有旋转,尺度和平移等7 个不变性的统计特征表达式。利用目标物和障碍物几何形状的不同,在比较了区域矩和边界矩的实验结果后,选择区域矩来实现物件的区分算法,以区别目标物和障碍物。这一模块对系统的路径规划和避障提供准确的信息。2 2 3 路径规划和避障路径规划模块是利用二维地图采
42、用人工势场法来实现的。人工势场法是构造一个虚拟力场,在其中移动机器人同时受到目标物的引力和障碍物的斥力,在两者共同作用下向目标物前进。但由于该方法存在引力与斥力相等的位置,会产生局部最小值问题,导致路径规划的失败。对此系统对斥力函数进行改造以克服该缺陷,实现系统路径规划的准确性。系统在进行路径规划的基础上,基于模糊控制算法,利用角度作为判断因子,制定了可行的避障策略,文章对相关的理论和实现方法进行了详细的讨论。由于系统涉及的模块较多,文章提出几种策略用于实现模块的同步控制,实现系统的可靠性和实时性。此外,为了提高系统避障的精度,对移动机器人运动控制子系统进行步长和转动角度的标定。2 2 4 机
43、器控制系统的机器控制模块采用可编程控制器,简称P L C(P r o g r a m m a b l eL o g i cC o n t r o l l e r)来实现。可编程控制器采用可以编制程序的存储器,可实现在其内部存储执行计数、计时、算术运算、逻辑运算和顺序运算等操作的指令,并能通过数字量或模拟量的输入、输出,控制各种类型的机械或生产过程。P L C 及其有关的外围设备易于与所设计的控制系统形成一个整体,便于扩展。系统采土渔盔堂亟堂僮途塞用O M R O NS Y S M A CC P M 2 A 可编程控制器以及1 台遥控信号发射器作为运动控制模块。P L C 控制器中运行一个循环的
44、监听程序,监控P L C 的低位寄存器。当指定寄存器中的值符合触发条件,则将相应输出端连通,接通遥控信号发射器,将相应的控制信号发送给移动机器人,实现行进。如图2 3 所示,P L C 输出端o h 0 1 1 0 0 -o h 0 1 1 0 3 分别与遥控信号发射器的前、后、左、右信号输出端相连接。P L C 地线C O M 端子与遥控信号发射器接地线端连接。通过发送R S 2 3 2 串口信号,P C 机程序控制P L C 的输出,从而达到控制移动机器人运动的目的。2 3 本章小结图2 3P L C 控制模块示意图本章介绍了移动机器人路径规划与避障系统的框架结构,包括环境信息采集子系统、
45、图像处理和物件提取子系统、路径规划和避障策略子系统以及运动控制子系统。通过系统硬件架构说明了移动机器人的组成,通过软件划分说明了系统的设计原理和实现流程,并详细讨论了系统实现的具体方案。第三章双目视觉信息采集子系统现实世界是立体三维世界,摄像机获得的信息是二维的,通过两个摄像机拍摄同一个物体,根据成像位置的差值可以还原图像的深度信息,因此系统采用双目视觉进行环境信息的采集。系统的摄像头位于移动机器人的身上并非正前方,与地面有高度差,存在一定范围的视觉盲区,为此系统在车轮外侧安装红外传感器,在视觉传感器失效的情况下,进行环境信息的采集。系统基于M i c r o s o f t 的D i r e
46、 c t S h o w 实现了对现场视频的实时捕获,基于I n t e l的O p e n C V(O p e nS o u r c eC o m p u t e rV i s i o nL i b r a r y)开源机器视觉函数库实现图像处理。系统构建了一个从D i r e c t S h o w 到O p e n C V 的双目视觉采集框架,结合两者之长进行视频信息的处理。三维的物点与二维像点的对应关系是由视觉传感器成像几何模型决定的,这一确定过程就是摄像机标定,这将在本章的第二节进行详细的介绍。通常,双目视觉采用聚焦方式获取物件距离信息,通过实验分析,为了实现系统的测量范围具有更好的
47、延展性,本章第三节将介绍系统所采用的变焦测距技术,并给出相关的实验结果。3 1 双目视觉采集框架本系统采用D i r e c t S h o w 搭建视频采集框架,使用O p e n C V 进行图像处理。系统采用自定义的采样滤镜(m y V i d e o G r a b b e r)将D i r e c t S h o w 采样得到的位图图像转换成O p e n C V 中图像存储格式I p l l m a g e,搭建从D i r e c t S h o w 转换到O p e n C V 的桥梁,将两者整合在机器人路径规划和避障系统当中。3 1 1 基于D ir e c t S h o
48、w 的视频采集1 3 1D i r e c t S h o w 是一个W i n d o w s 平台上的流媒体框架。它是建立在组建对象模型(C O M)基础上的,由许多模块化的组件组成。D i r e c t S h o w 将应用程序、复杂的数据传输、硬件设备的差异以及同步等问题隔离开,多媒体软件开发者只需要按照统一的C O M 接口来编写应用程序,从而简化了在W i n d o w s 平台上数字媒体应用程序的开发任务。滤镜(F i l t e r)是一个C O M 组件,由一个或多个P i n 组成。它是D i r e c t S h o w工作的基本单元,也是模块化工程中的一个部件。
49、使用D i r e c t S h o w 做视频采集的一般流程是:采集源、处理滤镜、渲染滤镜。使用D i r e c t S h o w 做视频采集的优点在于流程清晰、开发容易,工程人员可以将更多的精力放在软件的功能和性能改进之上,而将框架结构、数据保护、同步等细节问题交给D i r e c t S h o w 去处理。与此同时我们在使用D i r e c t S h o w 时,还能根据需要不断地扩充自定义组件,提高了代码的可重用性和易维护性,符合当今软件开发的工业标准。3 1 2O p e n C V 特点O p e n C V 是I n t e l 资助的开源计算机视觉库。它由一系列C
50、 函数和少量C+类构成,实现了图像处理和计算机视觉方面的很多通用算法。O p e n C V 拥有包括3 0 0 多个C C+函数的跨平台的中、高层A P I。它不依赖与其它的外部库,尽管也可以使用某些外部库。O p e n C V 对非商业和商业应用都是免费的。O p e n C V 中定义了包括图像分析、结构分析、运动分析、模式识别【1 4】等绝大多数现有的图像处理算法实现。在O p e n C V 中图像在内存中的格式被封装成I p l l m a g e 的数据类型。使用N a m e W i n d o w 和S h o w l m a g e 方法,可以方便的将图像处理的结果显示在