摘要：科技的高速發(fā)展使工業(yè)生產(chǎn)實現(xiàn)自動化功能的要求愈來愈高，工業(yè)機器人行業(yè)的計算機視覺技術(shù)應(yīng)用愈發(fā)廣泛。定位引導是自主移動機器人解決各種復雜任務(wù)的關(guān)鍵，對于提高機器人自動化水平具有重要的理論意義和應(yīng)用價值?；谟嬎銠C視覺的定位引導機器人能使用計算機視覺去精確獲取目標并定位，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)境進行成像處理，根據(jù)對目標識別匹配或跟蹤，實時得到目標的位姿信息，將目標位置的圖像坐標轉(zhuǎn)換為機器人能夠識別的機器人坐標并對機器人進行修正引導。

　　關(guān)鍵詞：定位引導 計算機視覺 圖像識別

　　基于視覺的定位引導機器人是在OpenCV技術(shù)之上利用計算機視覺系統(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)與定位引導技術(shù)，將經(jīng)信息處理與理解后的圖像信息進行檢測并控制完成機器人的引導。通過攝像頭獲得的實時畫面，可在整個引導過程中實時檢測與修正導航設(shè)置，能夠確保導引的高精準性。且在實施時僅需在機器人上方架設(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)是實時采集、處理以及識別平臺圖像，得到平臺上目標的相關(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，是進行物體識別和認知必不可少的信息。目前顏色信息豐富且易于應(yīng)用，所以本文基于顏色進行圖像分割，得到兩個色塊的坐標信息，從而獲知機器人的位姿信息，實現(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)以及計算機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)模塊包含了機器學習的函數(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)錯誤處理等數(shù)據(jù)結(jié)構(gòu)及相關(guān)函數(shù)。第五個模塊是 CvAux 模塊，包含許多面臨淘汰的函數(shù)以及算法，還包括許多實驗性的函數(shù)、算法，諸如前景檢測、背景剔除等。

　　1.3.目標識別

　　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，諸如復雜的背景、噪聲以及光照因素，需要對圖像進行預處理，從而降低對目標提取的干擾，以便快速準確得到目標信息。

　　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，有助于對圖像進行進一步的分析，可以大大消減圖像中的數(shù)據(jù)量，以便盡早顯現(xiàn)出感興趣的目標輪廓。調(diào)用cv2.inRange(hsv，lower_red，upper_red)方法即可實現(xiàn)圖像二值化。

　　為更好地識別我們的核心目標(兩個圓球)，將原圖像和二值化圖像進行與操作，去除干擾背景，接著將對圖像進行灰度處理，去除檢測算法對目標檢測的資源耗費，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，對目標進行識別標記。

　　2.定位技術(shù)

　　2.1.推算定位

　　在導航系統(tǒng)中，推算定位(DR)是一個借助于先前已知位置，以及估計出的速度隨時間的變化量來推導出當前位置的過程。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現(xiàn)定位的一種方法，左右兩輪都安裝有驅(qū)動電機，將光電碼盤固定在電機輪軸上，隨輪子同步轉(zhuǎn)動。設(shè)機器人車輪的直徑為D，所使用的光電碼盤的線數(shù)為P ，在Δt時間內(nèi)光電編碼器的輸出脈沖個數(shù)ΔN，則機器人走過的距離。

　　2.2.視覺里程計

　　視覺里程計是一種利用連續(xù)的圖像序列來估計機器人移動距離的方法。視覺里程計增強了機器人在任何表面以任何方式移動時的導航精度。本文中視覺里程計算主要包含以下幾個步驟：

　　(1)圖像獲取，通過單目照相機、雙目照相機或者全向照相機獲得機器人的運動畫面。

　　(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，然后對圖像進行一系列的初始化處理。

　　(3)特征檢測，在獲得預處理后的圖像數(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;

　　(5)使用由光流場估計照相機的運動;

　　(6)周期性的重定位跟蹤點;

　　3.導航系統(tǒng)

　　3.1.目標位置設(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，用戶通過鼠標等操作確定目標位置，再通過cv2.EVENT_ LBUTTO NDOWN事件獲得目標像素坐標，從而確定目標位置

　　3.2.關(guān)鍵點的像素坐標轉(zhuǎn)化為世界坐標

　　上面文中的視覺處理一共捕獲兩個圓，一個小圓，一個大圓，其中大圓圓心表示機器人所在點A(x1，y1)，小圓圓心表示機器人朝向點B(x2，y2);用戶通過鼠標點擊事件輸入了目的地C(x3，y3)。但這些坐標都是圖像中的像素坐標，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：如何檢索計算機專業(yè)論文文獻