孫同同,孫首群
(上海理工大學(xué) 機械工程學(xué)院,上海 200093)
?
基于視覺檢測與跟蹤技術(shù)在機器人中的應(yīng)用*
孫同同,孫首群
(上海理工大學(xué) 機械工程學(xué)院,上海 200093)
摘要:近幾年機器視覺技術(shù)在國內(nèi)外已經(jīng)取得了比較好發(fā)展,并且廣泛應(yīng)用于工農(nóng)業(yè)生產(chǎn)領(lǐng)域。針對機器人視覺系統(tǒng)進行全過程的研究,通過安裝在機器人上的攝像頭來采集一組圖像序列,通過圖像系統(tǒng)精確地檢測出實時運動的物體并進行瞬時跟蹤。研究幾組對閾值距離不超過0.5m的圖像進行二值化處理,然后進行時間差分。最后采用激光通信這種現(xiàn)代控制理論和最優(yōu)控制算法提高目標(biāo)檢測與跟蹤精度。結(jié)果表明,通過對比激光通信這種算法,穩(wěn)定性高,精度好,耗時短。
關(guān)鍵詞:機器視覺;圖像序列;跟蹤;二值化;激光通信
0引言
由于國內(nèi)外視覺技術(shù)的不斷進步與發(fā)展,視覺檢測與跟蹤技術(shù)已經(jīng)被應(yīng)用到各行各業(yè)當(dāng)中,傳統(tǒng)的視覺檢測技術(shù)被更先進、更快速以及更穩(wěn)定的檢測手段漸漸取代,所以研究全新的機器視覺技術(shù)在當(dāng)今已經(jīng)成為一個必然的趨勢[1-4]。圖像序列中的視覺檢測技術(shù)被大量的應(yīng)用在汽車工業(yè)生產(chǎn)、在線監(jiān)控、機器人視覺導(dǎo)航中。這種新的視覺技術(shù)能很好的降低運行的成本,調(diào)試配置也更加簡單,運行也更加穩(wěn)定和可靠[5-7]。
研究和分析更穩(wěn)定的視覺檢測與跟蹤技術(shù)是為了機器人在導(dǎo)航中能夠更精確、更快速的識別運動物體、及時方便的跟蹤運動目標(biāo),這種技術(shù)是在現(xiàn)代導(dǎo)航機器人中占據(jù)著比較重要的地位。一種高質(zhì)量的檢測、跟蹤、識別算法在導(dǎo)航機器人的信息環(huán)境中起著決定性的作用。所以,研究出一種具備魯棒性好、抗遮擋、抗丟失的算法,對于導(dǎo)航機器人視覺系統(tǒng)來說是比較重要的環(huán)節(jié),一旦這個有所突破,那么導(dǎo)航機器人的定位精度會獲得很大的提升。針對傳統(tǒng)的視覺檢測與跟蹤技術(shù)存在的缺點與局限性,文章中在傳統(tǒng)的視覺基礎(chǔ)之上結(jié)合自己所研究的最新的視覺圖像技術(shù),通過實驗結(jié)果對比分析,形成一套行之有效的高質(zhì)量的算法,并且具有極其有效的應(yīng)用與推廣價值。
1目標(biāo)檢測的實現(xiàn)
運動目標(biāo)識別與檢測技術(shù)就是把已經(jīng)收集好的圖像序列中的位置信息判定出來,最后將它們從的位置信息從圖像中精準提取與定位出來。傳統(tǒng)的視覺檢測技術(shù)主要有光流法和差分法[8-9]。在文章中提出的目標(biāo)檢測方法跟傳統(tǒng)的檢測方法相比,它是基于自由空間激光通信為技術(shù)背景討論高寬度高精度運動目標(biāo)的識別與檢測。通過幾組實驗對比,找出一種快速而準確地從另一幀圖像中匹配出運動目標(biāo)。
在文章中圖像的采集采用的是機器人網(wǎng)絡(luò)靜態(tài)攝像頭。這種攝像頭被安裝在機器人本體的特定位置,這樣就可以監(jiān)測固定的區(qū)域,它的靈敏度、穩(wěn)定性以及精確度都具有很好的可靠性。所以這種攝像頭較多的應(yīng)用在導(dǎo)航機器人、移動機器人的整體控制方面。
2差分檢測
差分法是通過對已經(jīng)采集好的圖像中相鄰兩幀做差分運算來獲取圖像輪廓的方式,它能夠方便的應(yīng)用于多個攝像機移動情況和運動目標(biāo)[10-11]。在傳統(tǒng)的差分檢測中,主要有幀間差分和背景差分法。它的工作原理就是將所獲得的前后兩個圖像的像素密度相減,當(dāng)靠近的相鄰兩個圖像中對應(yīng)的像素值相差比較小時,我們就可以得出兩幅圖像的背景狀態(tài)是不變的,這個時候就可以判定此處的運動目標(biāo)是靜止?fàn)顟B(tài)的。然而當(dāng)圖像中的像素值變化比較大時,一般情況下可以認為是由圖像中的運動物體位置的變化而可以得出此時物體處于運動狀態(tài)中。
2.1數(shù)學(xué)模型
在某些特定的場合下,需要把已經(jīng)獲得的圖像的輪廓設(shè)置成一個已知的值,形成一個灰度等級,其它的不在圖像區(qū)域內(nèi)的輪廓,它的灰度等級是不變的,這樣輸出的差分圖像的表達式如下:
(1)
其中T>0為閾值,從公式中我們可以看出適當(dāng)?shù)倪x取T值得大小,可以使得圖像的輪廓變得更加清晰,當(dāng)T趨近于0時,它的像素相對于兩幅圖像間沒有發(fā)生運動。當(dāng)T值趨近于1時,它的像素相對于兩幅圖像就會發(fā)生位置的變化,這樣我們就可以檢測到目標(biāo)物體的運動狀態(tài)。
2.2實驗效果圖
將采集到的圖像序列進行閾值和二值化處理,然后采用相鄰幀間的差分方法和背景差分法進行檢測分析,最終得到含有運動目標(biāo)的幀間差分和背景差分圖像。運動目標(biāo)的檢測效果圖如下面圖1和圖2所示。
圖1 相鄰幀差法檢測結(jié)果
圖2 背景差分法檢測結(jié)果
2.3結(jié)果分析與討論
從上面的討論中我們可以看出,這種算法實現(xiàn)比較簡單,程序設(shè)計不是太復(fù)雜。當(dāng)光線發(fā)生變化時,對周圍的環(huán)境變化不是太敏感,因此它能夠適應(yīng)比較多的動態(tài)環(huán)境,穩(wěn)定性也比較好。但是我們從圖像中可以看出,它不能夠提取出對象的完整的區(qū)域,只能提取出邊界,同時它依賴于幀間的時間差隔,對于快速運動的物體,它必須選擇很小的時間間隔,這樣才能保證檢測出來的物體是一個整體。從實驗效果圖中我們也可以知道對于背景比較復(fù)雜的物體,檢測的效果比較模糊,圖像的重影比較突出,也存在空洞的畫面。
3基于空間激光通信中的目標(biāo)檢測
空間自由激光通信系統(tǒng)它的基本原理就是,信息電信號通過調(diào)制加載在光信號上面,通信雙方通過初定為和調(diào)整,在經(jīng)過光束目標(biāo)的捕獲、對準跟蹤過程建立光通信的鏈路,然后在通過光在深空或大氣信道中傳輸信息[12]。在文章中主要利用激光光強對所收集到的圖像序列進行識別、檢測與跟蹤,然后對所跟蹤的圖像中的光斑中的形心根據(jù)公式(3)~(5)進行定量精確的計算,采用一種特殊的形心跟蹤算法對運動目標(biāo)圖像的光斑中心進行修正,最后采用歸一化算法對圖像中心進行確定。
3.1數(shù)學(xué)模型
對于已經(jīng)所選擇好的二維圖像,它的函數(shù)表達式為f(x,y),其面積為A。采用單元格的形式對整個圖像進行網(wǎng)格劃分,則位于坐標(biāo)點(x,y)處的像素微面積為dA=dxdy。
當(dāng)從圖像序列中選擇一張圖像后,則該圖像輪廓中的總的光強度是一定的,設(shè)它的光強度為ME,則它的計算公式如下所示:
(2)
據(jù)此可以分別計算出這個圖像區(qū)域?qū)軸和對y軸的能量力矩的計算結(jié)果為;
(3)
最后可以計算出形心坐標(biāo)為:
(4)
(5)
根據(jù)上面所算出的形心坐標(biāo),進而可以得出形心坐標(biāo)的值,最后在進行歸一化處理,在每個被分割的單元格里,都有一個光斑,對它進行修正,修正到每個區(qū)域的面積中間。歸一化算法也就是相似性度量,它的數(shù)學(xué)模型如下所示:
(6)
3.2實驗效果圖
為了驗證上面算法的性能,我們做了如下的實驗,從圖像序列中取出幾張圖片。經(jīng)過一系列的計算、分割與跟蹤直到最后光斑中心的計算結(jié)果滿足我們實驗所要達到的要求。實驗效果如下圖3所示(圖示中的閾值不超過0.5mm)。
圖3 激光通信檢測結(jié)果
3.3結(jié)果分析與討論
實際上,分析上面成功的原因就是,因為對于快速運動的物體,對于圖片的識別時間很短,這樣搜索的范圍就很小,激光光斑和背景之間的能量的比值就越大,前景的中心就越接近于真實光斑的中心。如圖3中第一張圖所示,它的光斑中心就接近于真實的幾何中心。對于最終輸出的圖像,如圖3第二張所示,基本上解決了以前實驗中出現(xiàn)的散斑、光斑中心位置飄移、背景和前景模糊的情況。
4目標(biāo)跟蹤的實現(xiàn)
對于圖像已經(jīng)經(jīng)過一系列的形態(tài)學(xué)處理之后,所以它的運動目標(biāo)的大概位置已經(jīng)確定了。但是為了最后的跟蹤處理已經(jīng)檢測和識別到的目標(biāo)物體,必須采取一種非常合適的目標(biāo)跟蹤方法[13]。本文中采取的是一種自頂向下的最小外接矩形的方式。這種方法是基于傳統(tǒng)的貝葉斯理論在這個理論之下,將運動目標(biāo)物體跟蹤的問題類比作一種是最優(yōu)的推理與猜測過程的過程,在本文中主要采用空間狀態(tài)法來具體實現(xiàn)目標(biāo)物體的跟蹤。最小外接矩形這種方法可以精確的定位出所要表達的運動目標(biāo)的矩形框的面積大小和具體的位置,主要的還可以大致的確定運動物體的中心位置點,也就是水平和垂直的相交的地方但是這種方法的應(yīng)用不可避免的會產(chǎn)生干擾點,為了排除這種干擾點、毛刺和一些不連續(xù)的點,常常需要在圖像中考察兩個跳變點之間的距離,把它的閾值小于0.5mm的找出來,可以剔除掉這些點。為了提高系統(tǒng)的跟蹤精度,對于控制系統(tǒng)中,在實驗中我采取了一種數(shù)字控制系統(tǒng),這種數(shù)字控制系統(tǒng)的控制精度很到,而且動態(tài)范圍比較大,比較適宜控制速度比較快的運動目標(biāo)。還有就是它的抗干擾能力比較強,便于維護,可以實現(xiàn)復(fù)雜的算法,時間延遲小,處理速度快。
其跟蹤結(jié)果如下圖所示。從圖4中我們可以看出,這是一種比較有效的跟蹤算法,能精確的跟蹤運動目標(biāo)物體,實時的檢測出它們所在的位置。
圖4 目標(biāo)跟蹤效果圖
5結(jié)束語
本系統(tǒng)全面的分析了幀間差分和背景差分法在目標(biāo)檢測與跟蹤上的應(yīng)用,同時分析了它們的缺點,對于高速運動和復(fù)雜背景下的情況,它的檢測與跟蹤精度達不到我們的要求。在文章中采取了一種空間激光通信算法對目標(biāo)進行檢測與跟蹤。從實驗結(jié)果對比中我們可以知道,這種算法的檢測速率一般較高,對于高速運動的物體具有很好的檢測效果。每次的通信數(shù)據(jù)都在較短的時間內(nèi)完成,這樣對于復(fù)雜背景下的圖像檢測效果會很好。由于實驗條件和實驗時間的限制,對于更遠距離的激光通信系統(tǒng)沒有在文章中進行深入的研究。
[參考文獻]
[1] 周立偉. 目標(biāo)成像與探測技術(shù)[M]. 北京:北京理工大學(xué)出版社,2002.
[2] 張?zhí)煨? 成像目標(biāo)自動識別[M]. 湖北:湖北科學(xué)出版社,2008.
[3] 梁冰,洪炳镕,曙光. 自主機器人視覺與行為模型及避障研究[J]. 電子學(xué)報,2003,31(12A):2197-2200.
[4] Ohya A, Kosaka AKak. Vision—based navigation by a mobile robotwith obstacle using single—camera vision and ultrasonic Research sensing.[J]. IEEE Transaction on Robotics and Automation,1998,14(6):969-978.
[5] 李谷霖. 動態(tài)圖像分析[M]. 北京:國防工業(yè)出版社,2010.
[6] Lin C T, Chung I F, Martin Sheu L K. A neural fuzzy system for image motion estimation[J]. Fuzzy Sets and System, 2000,114:281-304.
[7] 張彥梅,宋揚. 模塊匹配方法在高速目標(biāo)跟蹤中的應(yīng)用[J].北京理工大學(xué)學(xué)報,2006,26(11):1026-1029.
[8] 韓九強. 機器視覺技術(shù)及應(yīng)用[M]. 北京:高等教育出版社,2009.
[9] Yangqing Jia, Changshui Zhang. Front—view vehicle detection by Markov chain Monte Carlo method[J]. Pattern Recognition,2009,42(3):313-321.
[10] 施華,李翠華. 視頻圖像中的運動目標(biāo)跟蹤[J]. 計算機工程與應(yīng)用,2005(10):56-58.
[11] Yin Jianqin, Li Jingping, Han Yanbin, et al. A New Color—Based Face Detection and Location Method by Using Support Vector Machine. Th International Conference on Control[J]. Automation Robotics&Vision.(ICARCV 2004),2004:838-841.
[12] 吳炯,張秀彬,張峰,等. 移動目標(biāo)的快速識別算法[J]. 微計算機信息,2004,20(3):27-29.
[13] Chen juan,Yang Xichen,Lei Jianbo, et al.Calibration study on measurement of temperature field in laser processing by CCD[J]. Chinese J. Laser,2007,34:354-356.
(編輯趙蓉)
Application of the Robot Based on Visual Detection and Tracking Technology
SUN Tong-tong,SUN Shou-qun
(School of Mechanical Engineering, University of Shanghai for Science & Technology, Shanghai 200093, China)
Abstract:In recent years machine vision technology has made great development both at home and abroad, and is widely used in industrial agriculturial production . The article researched on the whole process of the Navigation roboe vision system, through the camrea installde on the robot gatherde a grouo of image sequence. The image system accurately detect instantaneous tracking and rean-time motion object. Research groups of images of the threshold distance is less than 0.5m, binarization processing, then the time difference. Finally using laser communication the morden control theory and optimal control algorith improve the target detection and tracking accuracy . Resluts show than this laser communication algorithm is of high stability, good precision, time is short.
Key words:machine vision;image sequence;tracking;binarization;laser communication
中圖分類號:TH166;TG659
文獻標(biāo)識碼:A
作者簡介:孫同同(1989—) 男,江蘇鹽城人,上海理工大學(xué)碩士研究生,研究方向為機電一體化,(E-mail)sttyouni@163.com。
*基金項目:國家自然科學(xué)基金資助項目(51205255);國家科技支撐計劃項目(2015BAK16B04)
收稿日期:2015-03-13
文章編號:1001-2265(2016)02-0079-03
DOI:10.13462/j.cnki.mmtamt.2016.02.022