蘇金文，鄧景泉

（滁州學院 機械與汽車工程學院，安徽 滁州 239000）

1 引言

在Robocup比賽中，機器人自定位是指機器人確定其在比賽場中的全局位置坐標和相應(yīng)的姿態(tài)(即前進方向與假定坐標軸的夾角).由于機器人移動機構(gòu)打滑、碰撞等原因，其自身攜帶的里程儀難以提供精確的位置信息，必須依靠外部傳感器進行環(huán)境的感知和特征匹配，來實現(xiàn)較高精度的定位.

本文針對中型組比賽環(huán)境下的足球機器人自定位問題，提出了一種基于白線匹配的視覺自定位方法，來實現(xiàn)全景視覺快速準確處理，同時結(jié)合使用三角定位，完成全局定位，達到機器人準確自定位的要求.

2 算法介紹

目前，足球機器人定位主要采用視覺、超聲、紅外和激光、電子羅盤等傳感器來完成.常用的定位方法有：絕對定位[1,2]和相對定位法[3,4].

2.1 三角定位算法

由于場地上白線信息豐富，因此本文利用RoboCup標準場地白色標志線，把兩條白線垂直相交的點作為特征參考點.

三角定位[5]是根據(jù)空間中的3不同的點必將在同一個圓上的方法原理進行定位的，即若知道兩個點的坐標p1(x1,y1)、p2(x2,y2)，以及兩點到機器人連線之間夾角α，則機器人一定在這個圓上.

由于任意兩個已知點的坐標與機器人連線夾角確定唯一圓的方程，如果已知點的個數(shù)為N且N≥3時，可確定N(N-1)/2個圓的方程.通過對這些圓的方程進行求解，可以得到多個圓共同的交點坐標，此點即為機器人實際位置，如圖1所示.

圖1 三角定位原理

由N個特征點得到的N（N-1）/2圓的方程組為

通過對方程組的求解，得到機器人當前的實際位置(x0,y0).由此，也可計算出機器人與每個圓上特征點(xl,yl)連線的夾角αl.

2.2 位姿跟蹤

采用三角定位算法實現(xiàn)機器人初始位姿的確定后，根據(jù)里程計和數(shù)字羅盤信息得到機器人自時刻k到時刻k+1的位置偏移量，就可計算出當前時刻的位置估計值(xk+1,yk+1,θk+1).

式中，δ 均為在[-0.1,0.1]的高斯偽隨機數(shù).

上述公式僅僅得到了機器人移動過程中的期望位姿，是一個理想值，沒有噪聲的，圖2顯示了機器人在x，y方向的運動軌跡，可以看出，前期的機器人運動可看成在無噪聲情況下的直線運動，其實際的運動軌跡和理論計算出的運動路線大體相符，可以得出，在前期短距離范圍內(nèi)，里程計的位是可信的.

圖2 機器人理論與實際軌跡圖

但是，由于打滑、碰撞等原因，機器人實際的運動過程是存在噪聲的，導(dǎo)致其理論與實際位置存有誤差，如圖3所示，由于長時間的移動，機器人在x方向和y方向的實際和理論軌跡出現(xiàn)了較大的偏差.由此可見，隨著機器人長時間的運動位置累積誤差增大，里程計計算失效，定位出現(xiàn)較大誤差.

圖3 X方向和Y方向定位誤差

為及時糾正錯誤的定位，需進行定位失效的判定，在采用里程計進行相對定位累計誤差較大時，改用全局定位，以便重新獲得正確的位姿.

3 失效判斷

3.1 白線提取

在進行定位之前，可通過Hough變換[6]提取足球場上的白線，提取后的白線信息既可以提取特征點進行三點定位，確定初始位姿，又可用于與先驗地圖相匹配，如圖4所示.

圖4 提取白線

由于攝像頭原因，被提取的白線會產(chǎn)生桶形失真，圖像發(fā)生了歪曲，顯示質(zhì)量不高，易使圖像的測量產(chǎn)生誤差，最終導(dǎo)致機器人定位不準確.因此，需對進行圖像校正，可采用畸變校正方法[7]對原圖像的像素點進行空間幾何變換，使像素點回歸到正確的位置上，減小圖像的失真.

機器人攝像鏡頭的畸變一般分徑向畸變和切向畸變[8]，大多數(shù)情況下，可忽略由切向所引起的畸變，同時，通過研究得出，在進行測量時，畸變系數(shù)k在低次項時需著重考慮，數(shù)據(jù)點pi(xd,yd)獲得無畸變的理想點pi(x,y)的畸變校正模型為：

其中，(cx,cy)表示攝像機鏡頭的光學中心，，k為畸變系數(shù).

3.2 白線匹配

根據(jù)Hough變換采用的直線極坐標方程ρ=xcosθ+ysinθ，在圖像坐標系中計算所提取直線與X軸的夾角α'，夾角α'提取算法為:

根據(jù)當前的估計位姿，將圖像坐標系中提取的直線與X軸的夾角α'轉(zhuǎn)化到世界坐標系當中，通過機器人角度標定，得到世界坐標系中直線與X軸的夾角α=kα'.其中,k為標定系數(shù).世界坐標系x，y方向的設(shè)定如圖5所示.

圖5 場地坐標

然后，引入匹配定位，通過在世界坐標系下定義白線匹配夾角誤差δ，量定定位準確與否.如果機器人估計位姿與機器人的實際位姿相接近或重合，則匹配白線之間的夾角應(yīng)很小或為零，夾角誤差δ為最小，如圖2所示.

圖6 準確位姿下白線匹配

當里程計估計的位姿與實際的位姿偏離較大時，所提取的白線與先驗地圖中白線匹配產(chǎn)生的夾角誤差δ 會較大，定位失效，如圖7所示.

圖7 不準確位姿下白線匹配

夾角誤差δ 計算方法為：

4 實驗結(jié)果分析

本文實驗采用上海交通大學開發(fā)的全維足球機器人，實驗時，按一定時間間隔記錄機器人的實際位置，得到機器人的坐標定位值.圖8顯示了機器人理論和實際的運動軌跡，從中可以看到，機器人的理論與實際的運行軌跡大致吻合.

5 結(jié)束語

圖8 理論與實際的運動軌跡圖

通過采用白線匹配定位的方法,有效利用了足球場上豐富的白線信息，滿足了對全景視覺快速準確處理，實現(xiàn)了高效率的足球機器人自定位，并結(jié)合三角定位，有效解決了全局定位的問題.如何更好提取白線并和精確的匹配，進一步提高自定位的效率和魯棒性，是今后的研究方向.

〔1〕R.西格沃特,I.R.諾巴克什.自主移動機器人導(dǎo)論[M].西安:西安交通大學出版社,2006.

〔2〕盧惠民.機器人全向視覺系統(tǒng)自定位方法研究[D].長沙：國防科學技術(shù)大學研究生院，2005.11.

〔3〕Lauer M, Lange S, Riedmiller M.Calculating the perfect match: An efficient and accurate approach for robot self localization [C].RoboCup 2005: Robot Soccer World Cup IX..Berlin, Germany: Springer-Verlag, 2006:142-153.

〔4〕Jensfelt P, Kristensen S.Active global localization for mobile robots using multiple hypothesis tracking [J].IEEE Trans on robotics and Automation,2001,17(5):748-760.

〔5〕梁霄穎，李永新.Hough 變換在足球機器人視覺處理中的應(yīng)用[J].機械設(shè)計與制造，2008（1）：167-169.

〔6〕鄧本再，黃苗.基于全景視覺機器人自定位方法研究[J].計算技術(shù)與自動化，2009,28(4)：99-102.

〔7〕Menegatti E,Pretto A,Scarpa A,et al.Omni directional vision scan matching for robot localization in dynamic environments [J].IEEE Transactions on Robotics,2006,22(3):523-535.

〔8〕樓兵軍.基于區(qū)域圖像匹配算法是關(guān)鍵技術(shù)研究[D].西安:西安電子科技大學,2006.