引言

機(jī)器視覺(jué)系統(tǒng)是智能機(jī)器人的重要標(biāo)志，機(jī)器人視覺(jué)系統(tǒng)模仿了人的視覺(jué)感知能力，允許對(duì)環(huán)境做非接觸式的測(cè)量。增加了視覺(jué)系統(tǒng)的機(jī)器人，其自主和自適應(yīng)能力可以大大提高。目前，機(jī)器視覺(jué)系統(tǒng)在圖像處理方面多采用封裝式圖像處理方法，把圖像傳感與處理分成獨(dú)立的兩個(gè)部分。系統(tǒng)通過(guò)圖像傳感器獲取圖像并傳入計(jì)算機(jī)，由計(jì)算機(jī)完成圖像處理任務(wù)。

本文所介紹的設(shè)計(jì)為簡(jiǎn)易機(jī)器人（能力風(fēng)暴機(jī)器人）添加了視覺(jué)模塊和無(wú)線通信模塊，并研究了相關(guān)算法和策略，實(shí)現(xiàn)了自主路徑跟蹤。為了使系統(tǒng)真正做到穩(wěn)定快速，在圖像預(yù)處理、路徑識(shí)別和路徑跟蹤等各個(gè)環(huán)節(jié)都充分考慮到算法的實(shí)時(shí)性與魯棒性。

1 系統(tǒng)結(jié)構(gòu)

視覺(jué)導(dǎo)航機(jī)器人的整個(gè)系統(tǒng)由兩部分構(gòu)成：添加了無(wú)線通信模塊和無(wú)線攝像頭的能力風(fēng)暴機(jī)器人和遠(yuǎn)程計(jì)算機(jī)。這兩部分之間的通信由無(wú)線通信模塊完成。系統(tǒng)結(jié)構(gòu)如圖1所示。圖1中，機(jī)器人包括能力風(fēng)暴機(jī)器人、無(wú)線攝像頭和無(wú)線通信模塊三個(gè)部分。在機(jī)器人工作時(shí)，無(wú)線攝像頭將采集到的視頻信號(hào)傳送給無(wú)線視頻接收器，無(wú)線視頻接收器再通過(guò)視頻采集卡（Osprey210）將待處理的視頻信號(hào)傳送給計(jì)算機(jī)，計(jì)算機(jī)經(jīng)過(guò)處理后，做出相應(yīng)的決策，并將決策信號(hào)通過(guò)無(wú)線通信模塊發(fā)送給機(jī)器人，這樣就建立了一個(gè)簡(jiǎn)單的閉環(huán)控制系統(tǒng)。無(wú)線通信模塊由兩個(gè)完全相同的無(wú)線串口通信模塊組成，工作在全雙工狀態(tài)。在機(jī)器人中無(wú)線通信模塊與機(jī)器人的串口控制器連接，在計(jì)算機(jī)中無(wú)線通信模塊與計(jì)算機(jī)的COM口相連。

2 軟件流程

整個(gè)系統(tǒng)的軟件分為機(jī)器人接收到遠(yuǎn)程計(jì)算機(jī)指令后的處理軟件和遠(yuǎn)程計(jì)算機(jī)針對(duì)到機(jī)器人發(fā)來(lái)視頻信號(hào)進(jìn)行處理的視覺(jué)導(dǎo)航軟件。

機(jī)器人的軟件處理流程如圖2所示。機(jī)器人不停地掃描串口，一旦串口接收到遠(yuǎn)程計(jì)算機(jī)的指令信號(hào)后，機(jī)器人便根據(jù)指令做出響應(yīng)，整個(gè)處理過(guò)程比較簡(jiǎn)單。

計(jì)算機(jī)的視覺(jué)導(dǎo)航軟件處理流程如圖3所示。機(jī)器人視覺(jué)系統(tǒng)的原始輸入圖像是經(jīng)圖像采集卡A／D變換之后得到的連續(xù)數(shù)字圖像。系統(tǒng)工作時(shí)，首先，圖像預(yù)處理模塊對(duì)原始輸入圖像進(jìn)行平滑濾波，去除噪音點(diǎn)，并進(jìn)行閾值分割，挑選出對(duì)機(jī)器人有用的目標(biāo)點(diǎn)（即引導(dǎo)線）；然后，路徑跟蹤模塊根據(jù)檢測(cè)到的路徑信息，做出策略分析，并對(duì)機(jī)器人發(fā)送相應(yīng)的運(yùn)動(dòng)指令。

3 主要算法描述

3．1 圖像預(yù)處理

3．1．1 圖像的平滑處理

在圖像采集系統(tǒng)中實(shí)際獲得的圖像，會(huì)因?yàn)楦鞣N原因受到干擾和噪聲的污染而引起圖像質(zhì)量的下降，圖像平滑處理就是為了消除圖像中存在的噪聲而對(duì)圖像施加的一種處理。本系統(tǒng)中采用中值濾波技術(shù)對(duì)原始圖像和二值化后的圖像進(jìn)行濾波，這是一種非線性空間域?yàn)V波技術(shù)。這種技術(shù)不僅能有效地抑制圖像中的噪聲，而且能保持圖像中固有的輪廓邊界，不使其變模糊。對(duì)平面圖像進(jìn)行中值濾波時(shí)我們一般采用二維中值濾波器。它由下式定義： Yij=MedianXij=Median（Xn）（r，s）∈s

這里，Xij為坐標(biāo)（i，j）的待處理像素；S為平面窗口；而Yij為處理結(jié)果，即平面窗口中各像素值的中值。中值是指大小排序后，中間的數(shù)值。本系統(tǒng)中采用的是3X3的正方形窗口，經(jīng)實(shí)驗(yàn)證明選用該窗口濾波后可以較好地濾除噪音。

3．1．2 彩色圖像二值化

圖像二值化的目的是將圖像一分為二，即將圖像劃分為物體和背景兩個(gè)部分。本系統(tǒng)中原始輸入圖像為（320×240）像素的RGB24格式圖像，采用直接對(duì)每個(gè)像素點(diǎn)進(jìn)行閾值分割的方法即可達(dá)到對(duì)圖像實(shí)現(xiàn)二值化的目的。由于HSL顏色模型中亮度L分量與圖像的顏色信息無(wú)關(guān)，而與顏色信息有關(guān)的色調(diào)H（表征顏色的種類）和飽和度S分量（表征顏色的深淺程度）對(duì)外界光照條件的變化敏感程度低。機(jī)器人在移動(dòng)和旋轉(zhuǎn)時(shí)會(huì)引起光的亮度變化，RGB顏色模型對(duì)光的亮度魯棒性較差，所以在進(jìn)行圖像二值化時(shí)應(yīng)該先將RGB顏色模型轉(zhuǎn)換為具有較強(qiáng)光亮不變性的HSL顏色模型。RGB顏色空間變換到HSL顏色空間的變換公式如下：

選取色調(diào)H作為路徑識(shí)別時(shí)的主參數(shù)。同時(shí)，考慮到實(shí)際當(dāng)RGB值較小，即亮度L較小時(shí)，H值會(huì)趨向于不確定的情況，選取亮度L作為輔助識(shí)別參數(shù)。算法為：

其中，Hmin、Hmax為某種顏色色調(diào)分量的最小閾值和最大閾值；Lmin為亮度的最小閾值。

3．2 引導(dǎo)線檢測(cè)

掃描白線（即引導(dǎo)線）的策略是每隔五行掃描，當(dāng)每行的白色像素點(diǎn)超過(guò)35個(gè)，而滿足這個(gè)條件的行超過(guò)16行時(shí)，才認(rèn)為在機(jī)器人視野范圍存在白線。因?yàn)橹挥羞B續(xù)的白色區(qū)域是可以利用的，所以每隔五行進(jìn)行掃描白線是可行的。這樣做不僅可以節(jié)省計(jì)算機(jī)的處理時(shí)間，加快程序處理速度，提高機(jī)器人響應(yīng)的實(shí)時(shí)性；而且還可以濾除機(jī)器人視野范圍內(nèi)可能出現(xiàn)的噪聲點(diǎn)。

引導(dǎo)線檢測(cè)的目的不僅僅是為了確定機(jī)器人視野范圍內(nèi)是否存在引導(dǎo)線，還需要確定引導(dǎo)線與距離機(jī)器人所在點(diǎn)的距離，以及引導(dǎo)線的角度信息。在本系統(tǒng)中，坐標(biāo)約定如圖4所示。其中灰色小點(diǎn)代表機(jī)器人，很顯然，機(jī)器人在坐標(biāo)系中的坐標(biāo)應(yīng)該為（160，240）。L表示白線中線與直線Y=240的交點(diǎn)和機(jī)器人所處位置之間的距離。當(dāng)L》0時(shí)，上述交點(diǎn)處于機(jī)器人左方；L《0時(shí)，上述交點(diǎn)處于機(jī)器人右方。系統(tǒng)中規(guī)定的白線中線的△＝△X／△Y，△值可以直接反映出白線角度信息。當(dāng)△》0時(shí)白線沿“／”方向；△《0白線沿“＼”方向。由此可知，圖4中的白線中線的△應(yīng)該是大于0的。

在系統(tǒng)中，△的計(jì)算方法如下：首先計(jì)算出每隔五行掃描到的某一行白線的中點(diǎn)的△值，然后將機(jī)器人視野范圍內(nèi)掃描得到的所有行的白線△值累加后求得均值，這個(gè)均值就是機(jī)器人視野范圍內(nèi)白線的△值。采取這種算法是為了方便處理機(jī)器人視野范圍內(nèi)存在多段白線時(shí)的情況。以圖5為例，機(jī)器人視野范圍內(nèi)有兩段白線。這個(gè)時(shí)候，系統(tǒng)將兩條白線等效為平均△值對(duì)應(yīng)的白線，這樣在機(jī)器人眼里始終只有一條白線，有效降低了機(jī)器人所應(yīng)對(duì)的狀況的復(fù)雜度。

在計(jì)算出△值后，系統(tǒng)根據(jù)幾何原理便可計(jì)算出L，計(jì)算公式如下：

L=Xr-［Xc-（Yr-Yc）×△］

Xr為機(jī)器人所在點(diǎn)橫坐標(biāo)；Yr為機(jī)器人所在點(diǎn)縱坐標(biāo)；Xc為白線中點(diǎn)橫坐標(biāo)的均值；Yc為白線中點(diǎn)縱坐標(biāo)的均值。

3．3 路徑跟蹤

移動(dòng)機(jī)器人的路徑跟蹤就是通過(guò)調(diào)節(jié)機(jī)器人的運(yùn)動(dòng)速度和方向，使機(jī)器人沿期望的路徑運(yùn)動(dòng)。即L=0且△=0。機(jī)器人對(duì)路徑的跟蹤控制可以采用PID控制器、最優(yōu)控制器、模糊控制器等方式。由于能力風(fēng)暴機(jī)器人是一個(gè)具有延遲的非線性時(shí)變系統(tǒng)，難以建立精確的數(shù)學(xué)模型，故采用模糊控制器有一定的優(yōu)越性。

根據(jù)人的駕駛經(jīng)驗(yàn)，當(dāng)人駕駛汽車(chē)跟蹤附近路面上的一條車(chē)道線時(shí)，他首先要進(jìn)行觀察，將此直線當(dāng)作參考路徑，衡量車(chē)體與參考路徑段的橫向距離以及它們所處方向的夾角，而這種衡量是以一種模糊的概念給出的，如“距離比較大，角度很小”等。當(dāng)發(fā)現(xiàn)車(chē)體離參考路徑很遠(yuǎn)且與期望方向偏角較大時(shí)，可以駕駛汽車(chē)快速轉(zhuǎn)彎，向期望位置靠攏；而在離參考路徑很近，汽車(chē)朝向已正對(duì)前方車(chē)道線上某一位置時(shí)，就不需轉(zhuǎn)動(dòng)方向盤(pán)來(lái)改變行駛方向，而是一直保持當(dāng)前行駛狀態(tài)，直至離車(chē)道線上拐點(diǎn)比較近時(shí)，再找下一個(gè)參考路徑段。可以根據(jù)上述人的駕駛經(jīng)驗(yàn)設(shè)計(jì)模糊控制器，視覺(jué)導(dǎo)引的機(jī)器人控制系統(tǒng)結(jié)構(gòu)如圖6所示。

3．3．1 模糊化

系統(tǒng)中模糊控制器的輸入量為距離偏差L和角度偏差△，輸出量為機(jī)器人小車(chē)相對(duì)車(chē)體軸線的轉(zhuǎn)向偏轉(zhuǎn)角β，輸入輸出量的論域、模糊子集以及模糊子集論域如表1所示。

由于在機(jī)器人實(shí)際運(yùn)行過(guò)程中，偏差的產(chǎn)生具有隨機(jī)性，所以輸入輸出量的模糊子集的隸屬函數(shù)都采用高斯函數(shù)加以描述，即

Ci為隸屬函數(shù)的均值；δi為隸屬函數(shù)的標(biāo)準(zhǔn)差。

3．3．2 確定模糊規(guī)則

根據(jù)汽車(chē)駕駛的經(jīng)驗(yàn)可得出如表2所示的49條模糊控制規(guī)則。

3．3．3 模糊推理和解模糊

模糊推理采用間接合成法推理公式，假設(shè)現(xiàn)有輸入L*、△*，需求出輸出β*，推理過(guò)程如下：

其中合成運(yùn)算“?！辈捎萌〈笠蝗⌒。∕AX-MIN）法。

采用質(zhì)心法進(jìn)行解模糊處理，從而得到精確的輸出值，解模糊計(jì)算公式如下：

將上述結(jié)果制成模糊控制表存儲(chǔ)起來(lái)，在機(jī)器人運(yùn)行過(guò)程中只需在線查詢出相應(yīng)的β值，而不必進(jìn)行大量的數(shù)學(xué)運(yùn)算，這樣可以節(jié)省運(yùn)算時(shí)間，提高控制的實(shí)時(shí)性。

4 綜述

目前此系統(tǒng)已經(jīng)通過(guò)中國(guó)科學(xué)技術(shù)大學(xué)教育處驗(yàn)收，并作為本科生智能機(jī)器人教學(xué)實(shí)驗(yàn)系統(tǒng)運(yùn)行。為驗(yàn)證本文提出的控制方法的有效性，我們按照上述控制策略在實(shí)驗(yàn)場(chǎng)地中對(duì)機(jī)器人進(jìn)行路徑跟蹤實(shí)驗(yàn)。實(shí)驗(yàn)場(chǎng)地為-2×2的綠色背景場(chǎng)地，在場(chǎng)地上貼上3 cm寬的白線作為引導(dǎo)線，如圖7所示。在實(shí)驗(yàn)中，機(jī)器人能準(zhǔn)確地跟蹤指定路徑。實(shí)驗(yàn)表明，在實(shí)際應(yīng)用中，采用模糊控制方法具有較好的穩(wěn)定性和精度。通過(guò)HSL空間內(nèi)運(yùn)算有效地提高圖像信號(hào)對(duì)光照的魯棒性。此設(shè)計(jì)可作為簡(jiǎn)單的算法驗(yàn)證和策略測(cè)試平臺(tái)。