王培屹

摘要：机器人项目是一项涉及多项技术的综合性研究课题，自主移动机器人作为机器人学科中技术含量较高的一个分支，具有广泛的市场应用前景。视觉系统作为机器人感知外界环境的重要手段，是全自主机器人的重要组成部分，虽然机器人实验中目标物体的颜色、形状特征已知，但由于实验的对抗性，使得视觉系统应具有很高的实时性、较高的精确度、具有一定的适应能力和抗干扰能力。如何精确高效地处理视觉信息是视觉系统的关键问题。本文给出一种基于彩色图像的目标识别与定位方法，对全自主机器人感知环节进行了研究。通过分析摄像头采集的图像画面，并借助碰撞传感器，红外传感器等方法确定目标。

关键词：全自主足球机器人；视觉系统；目标检测

一、引言

机器人技术是机械设计与制造技术、计算机硬件与软件技术、运动学与动力学理论、控制理论、电动伺服控制技术、传感器技术、多传感器信息融合技术、人工智能等科学及技术领域的综合应用，代表了高新技术发展的前沿。而自主移动机器人属于第三代机器人，它能够实时获取外界环境的信息，对目标和障碍物进行识别和测量，学习和理解外界环境，并根据设定的目标进行运动规划，在无人干预的情况下，实时调整运动规划，移动到目的地并完成设定的工作。机器人足球实验是近几年发展起来、进步较快且有很大研究潜力的一类，这类机器人的视觉及控制器等各类部件均装载在机器人本体上，通过无线通讯与其它机器人、主控计算机及人的信息交流。实验过程中，机器人通过视觉系统搜索球及球门等环境信息，通过声纳、红外或激光等测距系统进行机器人全局定位及障碍物检测，在进行信息融合之后形成行动策略并实施。因此，机器人如何快速识别目标并且定位是实验取胜的关键环节[1]，本文将对这方面的问题进行讨论。

二、全自主型足球机器人视觉系统简介

（一）视觉识别系统的硬件组成

实验中使用的全自主型足球机器人是上海广茂达公司研制的AS-UII能力风暴智能机器人，它是典型的自主移动机器人，具有较高的自规划、自适应能力，适合于较复杂的非结构环境中工作的复杂系统。机器人与计算机之间使用基于68HCll单片机开发的交互式C语言进行编程。视觉识别系统采用CMUcam视觉系统： CMUcam视觉模块主要是由1个SX28微处理器与OV6620摄像头（CMOS）组成，CMOS摄像头把当前窗口的视图通过简单的处理，返回像素點矩阵。

（二）视觉识别系统的软件流程

实验中，视觉识别系统依靠颜色来识别并判定目标。机器人对颜色的识别过程如下：当摄像头获得彩色图像以后，机器人上的嵌入计算机系统将模拟视频信号数字化，将像素根据颜色分成两部分，感兴趣的像素（搜索的目标颜色）和不感兴趣的像素（背景颜色）。然后对这些感兴趣的像素进行颜色分量的匹配。在实验之前已经存储了场地环境下的各种颜色信息，实验时需要将实时信息与颜色信息比较或匹配，以寻找搜索目标的颜色区域。判断：如果目标出现在视野中，通过多种传感器的综合应用，确定目标与机器人的相对位置，为决策子系统提供依据。否则继续寻找。

三、视觉识别系统中目标的识别与相对定位

（一）颜色空间的建立

色空间是用数学方法形象化表示颜色，通常用三维模型表示，用代表3个参数的三维坐标来描述，其颜色要取决于所使用的坐标。为有效区分不同的目标颜色，要求颜色模型要含有足够多的颜色信息；为提高视觉系统的执行速度，要求颜色含有尽量少的数据量。足球机器人系统常用的颜色模型有 RGB 模型、HSV 模型和 YUV 模型等，同一物体在不同的光照和成像距离条件下，映射到内存的RGB数值会发生较大变化，不利于目标的识别。为提高识别效果可将颜色表示从RGB颜色空间转化到更接近人眼观察方式的HSI颜色空间，从而提高不同光照环境下识别系统的鲁棒性。

（二）目标检测

成熟的目标检测技术有：模板匹配、边缘检测、色彩分类[2]等。实验规定：机器人和球都用不同的颜色加以区分，为快速检测到目标采用基于色彩的图像分割是最好的方法。由于不同的光照环境下物体的RGB值变化很大，为能够准确识别目标只有设定颜色空间中三个分量的上下阈值，这样可以把目标物体与图像背景颜色区分开。实验前针对特殊的实验环境，手工设定各个目标颜色分量的值，通过计算机串口连接视觉传感器，锁定一幅目标图片，鼠标选取颜色参考区域，计算该颜色区域中各点的颜色特征统计出RGB和HSI空间中各分量的最大值和最小值，利用最初确定的阈值对彩色图像进行二值化处理，参照图象处理的结果对阈值进行小范围调整，达到理想效果后记录阈值，在此范围内的子空间为目标颜色。

（三）图像噪声的去除

在图像获取过程中由于采样量化、传递和环境干扰的存在致使图像出现一些高频的噪声，这些噪声会影响后续处理的效果，对图像进行平滑处理可降低噪声，获取比较理想的图像质量，提高后续处理的精度。因为，系统要求有极高的实时性，而频率域法所采用的算法比较复杂，要求对整个图像进行处理，实时性较差，因此系统采用比较简单的高斯滤波法。试验中高斯算子用模板表示卷积核为A/16，高斯函数能把图像变模糊，有效地消除一切尺度远小于高斯分布空间常数σ的图像强度变化，它在空域和频域内都是平滑的，因而引入任何在原始图像中未曾出现的变化的可能性最小。经过我们实际的实验测定，高斯滤波方法速度快，且效果也较理想，因此图像平滑采用这种方法。

（四）边缘的增强

边缘通常是图像中某些特性不连续行为表征的，如灰度的突变、彩色的变换、纹理结构的变化等。边缘表示图像中一个区域过渡到另一个区域。通常图像的边界分为阶跃式、灰度渐变式、斜率上升又下降式、脉冲式以及带有不同干扰等形式，要突出图像中的边缘，然后再用某些阈值使之分割出来，从而得到边界的图像。常用的处理方法有差分运算、梯度算子、模板匹配等。以上几种算子经过实际应用进行比较，Sobel 算子运算时间少且精度高，效果比较好。

（五）目标的定位

当机器人确定目标出现在视野区域时，为进一步得到机器人与目标的相对距离，本系统采用了红外测距卡。它利用PSD 距离测量传感器能精确测量10-80cm 范围内物体的距离，在机器人实验中可对周围环境进行探测，确定对手所在方位等，红外测距卡能连续地读出距离，将距离信号转换为电压，不需要多余的外围控制电路。用红外测距卡测量距离PSD 输出的是电压变化值，由于PSD 所输出的电压与测量的距离是非线性关系，用函数可表示为因此若要显示所测距离，必须根据实验数据求出α、β 的值，在对测量距离精度要求不是很高的情况下，可以用简单的分段线性方法对距离值进行校正。具体定位方法：机器人通过视觉识别系统发现目标后，通常需要确定目标相对机器人的位置。本文综合运用数字罗盘标定方向，声纳和红外测距。先判断机器人的方向，如果朝向对方球门方向，通过声纳和红外传感器确定目标和球门的距离，采取相应的子策略。否则，通过数字罗盘方向，改变机器人的方向。

四、结语

通过对两个机器人合作进球多次的测试，表明视觉软件系统可较好地完成检测、识别和跟踪预测的功能.系统运行稳定，其速度可达到25帧/s。在运行过程中，当发生快速碰撞时，系统的跟踪效果有些下降，但可以通过其他方法解决。

【参考文献】

[1]贾云得.机器视觉[M].北京：科学技术出版社，2003.

[2]章毓晋.图像工程（下）[M].北京：清华大学出版社，2000.endprint