摘要：科技的高速發(fā)展使工業(yè)生產(chǎn)實(shí)現(xiàn)自動(dòng)化功能的要求愈來愈高，工業(yè)機(jī)器人行業(yè)的計(jì)算機(jī)視覺技術(shù)應(yīng)用愈發(fā)廣泛。定位引導(dǎo)是自主移動(dòng)機(jī)器人解決各種復(fù)雜任務(wù)的關(guān)鍵，對于提高機(jī)器人自動(dòng)化水平具有重要的理論意義和應(yīng)用價(jià)值?；谟?jì)算機(jī)視覺的定位引導(dǎo)機(jī)器人能使用計(jì)算機(jī)視覺去精確獲取目標(biāo)并定位，利用視覺系統(tǒng)獲取外部信息，用單攝像頭或多攝像頭采用第一視角或者第三視角對環(huán)境進(jìn)行成像處理，根據(jù)對目標(biāo)識別匹配或跟蹤，實(shí)時(shí)得到目標(biāo)的位姿信息，將目標(biāo)位置的圖像坐標(biāo)轉(zhuǎn)換為機(jī)器人能夠識別的機(jī)器人坐標(biāo)并對機(jī)器人進(jìn)行修正引導(dǎo)。

　　關(guān)鍵詞：定位引導(dǎo) 計(jì)算機(jī)視覺 圖像識別

　　基于視覺的定位引導(dǎo)機(jī)器人是在OpenCV技術(shù)之上利用計(jì)算機(jī)視覺系統(tǒng)來模擬人眼，使用圖像處理來獲取有用信息，通過定位技術(shù)與定位引導(dǎo)技術(shù)，將經(jīng)信息處理與理解后的圖像信息進(jìn)行檢測并控制完成機(jī)器人的引導(dǎo)。通過攝像頭獲得的實(shí)時(shí)畫面，可在整個(gè)引導(dǎo)過程中實(shí)時(shí)檢測與修正導(dǎo)航設(shè)置，能夠確保導(dǎo)引的高精準(zhǔn)性。且在實(shí)施時(shí)僅需在機(jī)器人上方架設(shè)攝像頭，從而能夠極大地降低建設(shè)的成本。

　　1視覺技術(shù)

　　1.1.視覺系統(tǒng)

　　視覺系統(tǒng)的主要任務(wù)是實(shí)時(shí)采集、處理以及識別平臺圖像，得到平臺上目標(biāo)的相關(guān)數(shù)據(jù)信息，供定位系統(tǒng)以及決策系統(tǒng)使用。圖像分割是視覺系統(tǒng)的基礎(chǔ)和關(guān)鍵，分割方法的選擇對系統(tǒng)整體起決定性作用。顏色作為物體表面的基本特征，是進(jìn)行物體識別和認(rèn)知必不可少的信息。目前顏色信息豐富且易于應(yīng)用，所以本文基于顏色進(jìn)行圖像分割，得到兩個(gè)色塊的坐標(biāo)信息，從而獲知機(jī)器人的位姿信息，實(shí)現(xiàn)定位。

　　1.2.openCV

　　OpenCV 包含了大量視覺相關(guān)函數(shù)，OpenCV 主體由 5 個(gè)模塊組成，CV 模塊主要包括圖像處理的各種基本函數(shù)以及計(jì)算機(jī)視覺的高級處理算法。HighGUI 模塊則包括視頻圖像輸入、輸出及圖像界面函數(shù)。ML(Machine Learning)模塊包含了機(jī)器學(xué)習(xí)的函數(shù)類庫，由一些聚類算法、數(shù)據(jù)分析函數(shù)及分類組成。CxCore 模塊指基礎(chǔ)結(jié)構(gòu)、數(shù)組操作、繪圖函數(shù)錯(cuò)誤處理等數(shù)據(jù)結(jié)構(gòu)及相關(guān)函數(shù)。第五個(gè)模塊是 CvAux 模塊，包含許多面臨淘汰的函數(shù)以及算法，還包括許多實(shí)驗(yàn)性的函數(shù)、算法，諸如前景檢測、背景剔除等。

　　1.3.目標(biāo)識別

　　通過攝像頭獲取的原始圖像大都不盡人意，會存在很多干擾信息，諸如復(fù)雜的背景、噪聲以及光照因素，需要對圖像進(jìn)行預(yù)處理，從而降低對目標(biāo)提取的干擾，以便快速準(zhǔn)確得到目標(biāo)信息。

　　HSV 顏色模型是按照顏色的直觀特征建立的顏色空間模型。該模型三個(gè)參數(shù)分別為色調(diào)(H，hue)、飽和度(S，saturation)和亮度(V，value)，由于在目標(biāo)的識別提取中常常會受到各種光線的影響，這就需要一種在不同亮度條件下而基本沒什么變化的顏色模型。通過調(diào)用cvtColor(frame，cv2.COLOR_BGR2HSV)方法即可完成顏色空間轉(zhuǎn)換。

　　在圖像的分析與處理中，圖像二值化可以說是最常見最基礎(chǔ)也特別關(guān)鍵的一種處理手段，有助于對圖像進(jìn)行進(jìn)一步的分析，可以大大消減圖像中的數(shù)據(jù)量，以便盡早顯現(xiàn)出感興趣的目標(biāo)輪廓。調(diào)用cv2.inRange(hsv，lower_red，upper_red)方法即可實(shí)現(xiàn)圖像二值化。

　　為更好地識別我們的核心目標(biāo)(兩個(gè)圓球)，將原圖像和二值化圖像進(jìn)行與操作，去除干擾背景，接著將對圖像進(jìn)行灰度處理，去除檢測算法對目標(biāo)檢測的資源耗費(fèi)，將灰度處理后的結(jié)果，傳遞給檢測模塊，循環(huán)調(diào)用霍夫曼檢測模塊，對目標(biāo)進(jìn)行識別標(biāo)記。

　　2.定位技術(shù)

　　2.1.推算定位

　　在導(dǎo)航系統(tǒng)中，推算定位(DR)是一個(gè)借助于先前已知位置，以及估計(jì)出的速度隨時(shí)間的變化量來推導(dǎo)出當(dāng)前位置的過程。本文中推算定位算法是只根據(jù)左右兩側(cè)車輪行走過的距離實(shí)現(xiàn)定位的一種方法，左右兩輪都安裝有驅(qū)動(dòng)電機(jī)，將光電碼盤固定在電機(jī)輪軸上，隨輪子同步轉(zhuǎn)動(dòng)。設(shè)機(jī)器人車輪的直徑為D，所使用的光電碼盤的線數(shù)為P ，在Δt時(shí)間內(nèi)光電編碼器的輸出脈沖個(gè)數(shù)ΔN，則機(jī)器人走過的距離。

　　2.2.視覺里程計(jì)

　　視覺里程計(jì)是一種利用連續(xù)的圖像序列來估計(jì)機(jī)器人移動(dòng)距離的方法。視覺里程計(jì)增強(qiáng)了機(jī)器人在任何表面以任何方式移動(dòng)時(shí)的導(dǎo)航精度。本文中視覺里程計(jì)算主要包含以下幾個(gè)步驟：

　　(1)圖像獲取，通過單目照相機(jī)、雙目照相機(jī)或者全向照相機(jī)獲得機(jī)器人的運(yùn)動(dòng)畫面。

　　(2)圖像校正，利用圖像處理技術(shù)，將獲取的圖像中的干擾因素去掉，然后對圖像進(jìn)行一系列的初始化處理。

　　(3)特征檢測，在獲得預(yù)處理后的圖像數(shù)據(jù)后，根據(jù)需要檢測的特征，在幀與幀之間匹配特征并構(gòu)建光流場;

　　(4)檢查光流場向量是否存在潛在的跟蹤誤差，移除外點(diǎn);

　　(5)使用由光流場估計(jì)照相機(jī)的運(yùn)動(dòng);

　　(6)周期性的重定位跟蹤點(diǎn);

　　3.導(dǎo)航系統(tǒng)

　　3.1.目標(biāo)位置設(shè)定

　　通過攝像頭獲得場域地圖后將地圖信息通過GUI反饋給用戶，用戶通過鼠標(biāo)等操作確定目標(biāo)位置，再通過cv2.EVENT_ LBUTTO NDOWN事件獲得目標(biāo)像素坐標(biāo)，從而確定目標(biāo)位置

　　3.2.關(guān)鍵點(diǎn)的像素坐標(biāo)轉(zhuǎn)化為世界坐標(biāo)

　　上面文中的視覺處理一共捕獲兩個(gè)圓，一個(gè)小圓，一個(gè)大圓，其中大圓圓心表示機(jī)器人所在點(diǎn)A(x1，y1)，小圓圓心表示機(jī)器人朝向點(diǎn)B(x2，y2);用戶通過鼠標(biāo)點(diǎn)擊事件輸入了目的地C(x3，y3)。但這些坐標(biāo)都是圖像中的像素坐標(biāo)，為此我們要做的第一步是要將攝像頭捕獲的圖像中的距離轉(zhuǎn)化為實(shí)際距離。單目測距思想借鑒小孔成像原理，已知物體A到圖像中心o’的距離x’，相機(jī)焦距f，鏡頭到地面的高度h，更具三角形相似可得：物體到相機(jī)視野區(qū)域的中心o的距離問題x=(x’h)/f。如下圖1。

　　推薦閱讀：如何檢索計(jì)算機(jī)專業(yè)論文文獻(xiàn)