【正文】 ............................................................48 本章小結(jié) ...........................................................................................................51 第 5 章 室內(nèi)機器人實時障礙物檢測系統(tǒng) ...............................................................52 開發(fā)工具的選擇 ...............................................................................................52 DirectShow 技術(shù) .........................................................................................52 OpenCV 視覺函數(shù)庫 ..................................................................................54 系統(tǒng)實現(xiàn)的功能 ...............................................................................................55 系統(tǒng)運行界面 ...................................................................................................56 室內(nèi)機器人障礙物檢測實例 ...........................................................................58 本章小結(jié) ...........................................................................................................60 第 6 章 全文總結(jié)與展望 ...........................................................................................61 工作總結(jié) ...........................................................................................................61 工作展望 ...........................................................................................................62 參考文獻 .....................................................................................................................63 致 謝 .......................................................................................................................67 攻讀碩士期間參加的科研項目 .................................................................................68 攻讀碩士期間發(fā)表的論文 .........................................................................................68 武漢理工大學碩士學位論文 1 第 1 章 緒論 課題研究背景及意義 本論文圍繞 國家自然科學基金 (60475031)：“傳感器網(wǎng)絡環(huán)境中移動機器人動態(tài)特征與可重構(gòu)控制框架”，和湖北省青年杰出人才基金項目 (2020ABB021)：“ 自治體系統(tǒng)的分布式智能傳感、控制與協(xié)作 ”展開研究。在這方面，視覺、接近覺、觸覺和力覺具有重大作用，機器人視覺被認為是機器人重要的感覺能力。視覺信息的處理技術(shù)是移動機器人研究中最關(guān)鍵的技術(shù)之一 [1]。 自然環(huán)境中視 覺導航的研究涉及到計算機視覺中的各個主要方面，是一個有難度的綜合性課題。 環(huán)境的某些特征可以稱為機器人導航的陸標。根據(jù)陸 武漢理工大學碩士學位論文 2 標是否為人為設置可以將陸標分為人工陸標和自然陸標，對 于智能機器人來說只有充分利用自然陸標才能做到真正意義上的自主。其中，立體視覺方法構(gòu)建了場景的 3 維圖，但是由于有深度差別，從 3 維場景圖中不能直接識別出地面。依據(jù)地面的顏色信息，將地面上沒有障礙物的區(qū)域識別并分割出來，機器人在可行走區(qū)域內(nèi)行走，這樣就可以實現(xiàn)機器人的自主導航。第三代是自律型機器人，亦即智能型機器人，它們有“大腦”，有“五官”，有“手和腳”。這種移動機器人具有高度自規(guī)劃、自組織、自適應能力，適用于在復雜的非結(jié)構(gòu)化環(huán)境中工作。視覺傳感器方式具有 信號探測范圍寬、獲取信息完整等優(yōu)點 ，使得通過視覺傳感器準確獲取信息成為移動機器人的主要發(fā)展方向之一。 世界上第一個自治機器人 Shakey(Nilsson 1984)，就使用了基于單色圖像的障礙物檢測方法。光源也需要特別放置，使得墻和地面不能出現(xiàn)反射和陰影。 Polly 必須在地面為同一顏色的環(huán)境中行走，并且有一個內(nèi)置的地圖。當障礙物與地面的顏色相似時， Polly行走就變得困難，因為它無法用灰度值區(qū)分這些物體的邊界。一些顏色特征也可以稍微識別出來。如果地面表面非常粗糙時，也將遇到與邊緣檢測算法相似的 問題。他們自己也研究出了一種方法。 采用局部視覺這種導航方式 ， 所有的計算設備和傳感器都裝載在機器人車體上 ， 圖像識別、路徑規(guī)劃 等高層決策都由車載計算機完成 ， 所以車載計算機的工作量較大 ， 延遲問題較為明顯。 Reid[12]通過處理視覺信息選擇機器人行走基線，ActiveMedia 公司生產(chǎn)出的 Pioneer 系列機器人，美國 NASA 火星探測智能移動機器人 Spirit 和 Opportunity 也都包含了視覺導航的內(nèi)容。例如國內(nèi)中國科學院自動化研究所研制 了自主車，上海大學研制了“導購機器人”，哈爾濱工業(yè)大學研制出了“導游機器人”以及正在開發(fā)各種服務機器人。目前 THMRⅤ 已 武漢理工大學碩士學位論文 5 經(jīng)能夠?qū)崿F(xiàn)道路檢測與跟 蹤、 避障 停障、臨場感遙控駕駛等功能。由于移動機器人的很多具體應用要求能實時的對環(huán)境作出反應，因此又一個值得關(guān)注的問題是，視覺系統(tǒng)中采用的分割或跟蹤方法的計算量問題。 目前還沒有一種通用的導航系統(tǒng)適合于各種不同的環(huán)境。 第二章：機器人的視覺導航系統(tǒng)，詳細介紹機器人的各種導航技術(shù)、機器人視覺導航的發(fā)展及其系統(tǒng)組成和系統(tǒng)工作過程。 第六章：全文總結(jié)及展望， 總結(jié)全文，并指出自己所作的工作和 成果 ，以及系統(tǒng)需要進一步改進的地方 。機器人的作業(yè)路徑、運動參數(shù)需要操作人員手把手示教或通過編程設定，機器人重復再現(xiàn)示教的內(nèi)容。 (3) 智能型機器人。與 70 年代的機器人浪潮相比，現(xiàn)在的機器人研究有兩個特點 [17]：一是對機器人智能的定位有個更加符合實際的標準，也就是不要求機器人具有象人類一樣的高智能，而只是要求機器人在某種程度上具有自主處理問題的能力；另一個特點是許多新技術(shù)及控制方法 (神經(jīng)網(wǎng)絡、傳感器融合、虛擬現(xiàn)實、高速度的并行處理機等 )被引入到機器人研究中。 本文所設計的就是一個智能機器人實時檢測室內(nèi)環(huán)境中障礙物的系統(tǒng)，根據(jù)圖像分析后的二值圖像序列信息，機器人能識別 武漢理工大學碩士學位論文 8 室內(nèi)的障礙物，從而劃分出室內(nèi)環(huán)境中的可行走區(qū)域，達到機器人避開障礙物的目的。在自主式移動機器人相關(guān)技術(shù)中，導航技術(shù)是其研究核心，也是移動機器人實現(xiàn)智能化及完全自主的關(guān)鍵技術(shù)。 智能型機器人的各種導航方式 目前移動機器人有多種導航方式，這些導航方式各有其特點，適合不同的應用環(huán)境。該方式技術(shù)成熟可靠 ， 但對環(huán)境的適應能力較差且存在通過路徑 “ 瓶頸 ” 問題 ，因而在全自主移動機器人中應用較少。 從國內(nèi)外的研究來看 ， 磁導航方式的技術(shù)已相當成熟 。通過測量機器人與參考物間的距離 ， 通過三角測量法計算機器人的當前位置 ， 該方法具 有一定的精度 ， 導航的魯棒性較好。 通過對GPS 衛(wèi)星信號的接收分析 ， 確定導航對象在地表的位置 ， 由于 GPS 定位系統(tǒng)的精度和適用范圍 ， 其主要用于室外機器人導航 ， 如無人駕駛車等 。 不論采 用何種導航方式，智能移動機器人要完成的功能應該包括：路徑規(guī)劃與避障、探測與定位和控制系統(tǒng)穩(wěn)定性，根據(jù)導航方式的不同，各方面所采用的技術(shù)和要達到的目標不同。環(huán)境的探測 包括障礙物探測和陸標探測。大腦對多種不同的信息進行加工、綜合并做出適當?shù)臎Q策。內(nèi) 部傳感器主要用于檢測機器人內(nèi)部環(huán)境信息，如位置、速度等；外部傳感器用于探測機器人所處的外部環(huán)境信息，幫助機器人完成諸如避障、抓取物體等任務。支持~~500K Baud 的通訊 價格貴約￥ 40 000， 不提供顏色信息 單目視覺(Monocular) 實現(xiàn)容易，提供顏色信息， 顏色提取或者邊緣提取計算量 少 受光線的影響，距離的標定麻煩 立體視覺 (Stereo) 定位準確 需要較復雜的算法實現(xiàn) 全維視覺(Omnidirectional) 提供全維 360 度信息，效率高， 其它不可比 硬件實現(xiàn)難， 尤其是鏡面的設計， 錐形面一般容易，像拋物面，或者雙曲面的加工很難，如購買價格 也很貴 在許多移動機器人應用中，障礙物檢測是一個很重要的任務。但是，這些傳感器都不是很完美。所有基于范圍的障礙物檢測系統(tǒng)很難檢測到地面上 的小而平的物體。 盡管對范圍傳感器來說，檢測小的物體和不同的地面比較困難，但是用彩 武漢理工大學碩士學位論文 11 色視覺能很好 地進行檢測 。這兩個領(lǐng)域的發(fā)展都取得了非常有意義的進步。隨后還要檢測這些特征的子類是否與機器人中的樣本匹配，這就更加大了處理的難度?，F(xiàn)在也可以通過空間的拓撲描述和神經(jīng)網(wǎng)絡系統(tǒng)來引導機器人室內(nèi)導航。它還包括一個自我定位程序，這可以實現(xiàn)機器人的自身定位，每幅圖像的處理時間不超過 400ms。這樣就可以把獲得的環(huán)境場景圖像分層表示為前景層和背景層。 (a)實際的地面前景層 (b)計算出的地面前景層 (c)實際的地面背景層 (d)計算出的地面背景層 圖 22 文獻 [19]提出的場景分層表示結(jié)果 同樣的，在 室外機器人視覺導航也取得了很大的進步，例如 NAVLAB系統(tǒng)，在高速公路上視覺引導的道路跟蹤的研究，以及 Prometheus系統(tǒng)?！盁o手臂駕駛穿越美國”的試驗見證了 Navlab系統(tǒng)的成功。這個輸出幫助引導機器人進行路徑規(guī)劃。所以在 Urban Bergquist 的方法中僅用色調(diào)信息特征就能將 場景中的紅泥土地、水和綠色植被區(qū)分開來。 (a)熱帶叢林場景圖像 武漢理工大學碩士學位論文 14 (b)場景中紅泥土、綠色植被、水的分割 (c)可行走區(qū)域的圖像表示 圖 24 文獻 [3]中的可行區(qū)域分割效果 機器人視覺系統(tǒng) 智能機器人是工業(yè)機器人從無智能發(fā)展到有智能，從低智能發(fā)展到高智能的產(chǎn)物。 機器人視覺的研究目標是使機器人系統(tǒng)中的計算機具有通過二維圖像認知三維環(huán)境信息的能力。人類感知外部世界主要是通過視覺、觸覺、聽覺和嗅覺等感覺器官，其中約 60%的信息是由視覺獲取的。 一般移動機器人的視覺系統(tǒng)的總體結(jié)構(gòu)如 圖 25 所示。做圖像處理的計算機的主要技術(shù)指標有主頻、內(nèi)存、顯存和硬盤等等。采用運行 Linux 操作系統(tǒng)作為機器人控制器開發(fā)平臺是目前智能機器人技術(shù)和產(chǎn)業(yè)發(fā)展的方向和趨勢。 (2)機器人視覺信息處理算法，它包括圖像預處理 、分割、識別和解釋等算法。 圖 26 視覺系統(tǒng)工作流程圖 機器人視覺可以看作從三維環(huán)境的圖像中抽取、描述和解釋信息的過程，它可以劃分為以下幾個主要部分：圖像的采集 、量化、存儲、變換、編碼、分割、特征提取、圖像數(shù)據(jù)庫的建立、圖像的分類和表示、圖像識別、模型匹配、內(nèi)性解釋和理解等等。 本章小結(jié) 在自主式移動機器人相關(guān)技術(shù)中，導航技術(shù)是其研究核心，也是移動機器人實現(xiàn)智能化及完全自主的關(guān)鍵技術(shù)。 武漢理工大學碩士學位論文 18 第 3