移動機器人位姿檢測系統的設計與實現

李金鑫 周衛華

?

移動機器人位姿檢測系統的設計與實現

李金鑫 周衛華

（臺州職業技術學院，浙江 臺州 318000）

針對現有移動機器人位姿檢測系統誤差大、傳感器不易安裝等問題，本文設計了一種利用機器視覺來實現移動機器人位姿檢測的系統。工業相機實時采集運動目標圖像，結合LabVIEW開發平臺，利用模式匹配方法計算移動機器人的位姿信息。本文研制了測試系統并進行相關測試，實驗結果與理論值基本一致，且具有較高的精度，為后續的進一步深入研究打下了基礎。

移動機器人；機器視覺；模式匹配；位姿檢測；LabVIEW

現階段，移動機器人的特性及應用是研究的一個熱點[1]。移動機器人的應用領域廣泛，已經從傳統的工業領域擴展到醫療服務、教育娛樂、勘探勘測、生物工程、救災救援等新領域[2]。

移動機器人的位姿檢測是移動機器人的關鍵技術之一[3]。傳統的測量方案是采用加速度計和位移傳感器等接觸式裝置，通過間接測量的方法來估算移動機器人的位姿，存在誤差較大、傳感器等輔助裝置安裝困難等問題[4]。機器視覺作為一種典型的非接觸式測量技術，在機器人領域得到越來越廣泛的應用[5-6]。機器視覺通過實時拍攝運動圖像，檢測圖像平面內各個特征像素點的狀態，具有測量范圍寬、非接觸、不改變被測物特性等諸多優點。如靳璞磊采用智能相機識別工件的尺寸，結合工業機械手實現分揀功能[7]。鐘鉅斌通過結合視覺與巡線技術來實現倉儲機器人的定位與路徑規劃[8]。浙江大學的余小歡[9]提出了基于雙目立體視覺的微小型無人機的室內三維地圖構建系統的研究與設計。

本文基于NI公司的LabVIEW平臺，結合千兆以太網工業相機，通過檢測特征標志點，開發了一套檢測移動機器人位姿的系統。通過圖像識別移動機器人標志點的位置，計算出移動機器人線速度及角速度等信息，測試結果與理論值基本一致。

1 系統硬件組成

位姿檢測系統主要由相機、標志器以及工業控制計算機組成，標志器固聯在移動機器人上，相機固聯在大地上。相機采集圖像并通過千兆網線上傳到工業控制計算機上，采集頻率為20Hz。工業控制計算機識別標志物在圖像上的位置，并通過標志物計算移動機器人的位姿等信息。

標志器上采用美國Honeywell公司的紅外發光二極管SE3470-003作為光學特征點，SE3470-003可加的電流最大可以達到100mA，它的發射光波長是880nm，散射角可以達到90°。

由于相機固定在平臺上方，從相機傳送出來的數據至少要經過十幾米才能傳遞到工業控制計算機，因此對相機的數據輸出方式有要求。本文智能相機采用Basler千兆以太網相機配合NI公司的Gige Vision幀接收器，幀接收器最終通過網絡接口與工控主板鏈接。

2 系統軟件設計

圖像處理的核心是識別圖像中標記物的位置，并提取相應的信息。本文采用圖像匹配的算法，同時為了進一步提高圖像匹配的效率，在處理中增加了高斯金字塔灰度值算法。

圖1 軟件程序流程圖

2.1 模板匹配算法

模板匹配的方法，即先選取標準圖像作為模板，然后在要檢測的圖像區域中選取與模板最匹配的圖像[10]。

如圖2中所示，模板在源圖上移動。根據模板和待測源圖對應點的方向向量進行計算，二者的相似度法則可用下式進行判斷：

圖2 模板T及源圖S示意圖

2.2 圖像金字塔

圖像匹配算法在實際的應用過程中，由于計算量過大，無法滿足計算實時性的要求為了提高模板匹配算法的快速性，所以本文采用高斯金字塔灰度值匹配算法。算法需要構建一組源圖像及分辨率大小依次排列的模板圖像，如圖3所示。

圖3 模板分辨率金字塔圖形

模板的金字塔圖形從低到高分辨率逐漸降低。圖像匹配過程中從最頂端開始，得到候選匹配點，再將每個候選匹配點按比例映射到下一層的金字塔圖像中，重復此過程，直到金字塔最底層圖像匹配結束[12]為止。

3 實驗

移動機器人在平面上運動，主要分為直線運動和旋轉運動，故文中分直線運動與旋轉運動對位姿檢測系統進行測試。考慮到實際的實驗中，移動機器人位姿和速度時，圖像采樣時間過長（如大于0.5s），則測量的系統的實時性會降低，采樣時間過短（如小于0.05s），運動計算算法得到的速度結果誤差很大。為了保證位姿計算的實時性及精度要求，攝像機每幀圖像采集周期取0.2s。

3.1 直線運動

移動機器人的速度分別設置為40mm/s和80mm/s下的情況進行實驗，測試結果分別如圖4、圖5所示。

由圖4、圖5的結果可知，測量速度與給定速度基本上趨于一致，多次測量結果求均值與給定值的誤差在2%以內。

圖4 速度為40mm/s時測試結果

圖5 速度為80mm/s時測試結果

3.2 旋轉運動

旋轉運動主要考慮移動機器人中心繞一個圓心運動的情況，圖6表示移動機器人的運動軌跡。移動機器人的旋轉速度分別設置為20r/min及80r/min，實驗結果分別如圖7、圖8所示。

圖6 移動機器人運動軌跡

由圖7、圖8的結果可知，測量結果的平均值與給定值的誤差在2%以內，可以滿足后續深入研究的需要。

圖7 速度為20r/min時測試結果

圖8 速度為80r/min時測試結果

4 結論

本文提出了用于移動機器人的圖像識別及位姿檢測系統，分析了基于連續幀圖像的移動機器人測速方法。與傳統測速方法相比，不受外加設備條件的限制，具有一定的工程推廣應用價值。通過優化算法降低了計算的復雜性，提高了實時性，為后續的深入研究打下了基礎。

[1] 張鑫, 陳新楚, 鄭松. 基于組態方法的移動機器人控制研究和實現[J]. 電氣技術, 2014, 15(4): 11-15.

[2] 張紅強, 章兢, 周少武, 等. 未知動態復雜環境下群機器人協同多層圍捕[J]. 電工技術學報, 2015, 30(17): 140-153.

[3] 尹宇磊. 移動視覺測量機器人任務規劃方法研究[D]. 哈爾濱: 哈爾濱工業大學, 2017.

[4] 周智. 基于雙目視覺的移動機器人室內三維地圖構建方法研究[D]. 黑龍江: 哈爾冰工業大學, 2017.

[5] 崔家瑞, 紀建才, 胡廣大, 等. 基于圖像的換流站用避雷器儀表識別[J]. 電工技術學報, 2015(S1): 377-382.

[6] 王欣, 孫鵬. 智能變電站中指針式儀表圖像自動識別方法[J]. 電氣技術, 2016, 17(5): 7-10.

[7] 靳璞磊. 基于智能相機和工業機器人的自動分揀技術研究[D]. 江蘇: 南京航天航空大學, 2016.

[8] 鐘鉅斌. 基于多種導航技術混合的AGV系統設計[D]. 杭州: 浙江大學, 2016.

[9] 余小歡. 基于雙目立體視覺的微小型無人機的室內三維地圖構建系統的設計與研究[D]. 杭州: 浙江大學, 2014.

[10] 倪健, 白瑞林, 李英, 等. 采用輪廓向量特征的嵌入<式圖像匹配方法[j]. 計算機工程與應用, 2012, 50(30): 169-170. p>式圖像匹配方法[j].

[11] 馬云龍, 夏炯賢, 吳永明. 基于模板匹配算法高速運動分析系統設計與實現[J]. 計算機應用與軟件, 2004, 21(7): 52-53.

[12] Singh C, Walia E. Fast and numerically stable methods for the computation of Zernike moments[J]. Pattern Recognition, 2010, 43(7): 2497-2506.

Design and implementation of the mobile robot position detection system

Li Jinxin Zhou Weihua

(Taizhou Vocational & Technical College, Taizhou, Zhejiang 318000)

Considering the large error of the position detection system of the mobile robot and the difficulty of installing the sensor, a system to realize the position detection of the mobile robot by using machine vision was designed. Moving target images were real-time collected by industrial camera. Combined with the LabVIEW development platform, the position information of mobile robot was calculated by pattern matching method. The test system has been developed and tested. The experimental results are basically consistent with the theoretical values and have high accuracy, which lays a foundation for further research.

mobile robot; machine vision; pattern matching; position detection; LabVIEW

2018-05-15

李金鑫（1998-），男，浙江椒江人，主要從事控制工程與智能制造方面的研究工作。

浙江省大學生科技創新項目（2017DKC06）

浙江省教育廳一般科研項目（Y201636417）

臺州市科技計劃項目（1701gy25）