壁面移動機器人視覺檢測技術發展研究概述*

重慶科技學院 機械與動力工程學院 重慶 401331

引言

爬壁機器人是特殊的移動機器人，在工業場景中應用相當廣泛，比如應用于檢查和維護海面船只、油罐和高層建筑玻璃板等場合。一般來講，爬壁機器人要在未知環境中實現安全、可靠地作業，除了應具有較高的運動靈活性和壁面吸附穩定性，還需用傳感器感知周圍環境。近年來，隨著圖像傳感器硬件技術以及圖像處理技術的飛速發展，機器視覺已成為爬壁機器人檢測技術發展的重要方向。

1 障礙檢測技術

非接觸式檢測技術是當前壁面障礙檢測主流方式，包括超聲波、紅外探測、激光測距和視覺檢測等。因為反射信號面積較小，通常對于表面體積不大的壁面障礙來說超聲波和紅外技術表現不佳；激光掃描面積大，精度高，但由于成本高昂，普及難度較大。視覺檢測因其具有成本低、精度高、實時性好等優點，基于視覺的檢測技術在壁面障礙檢測和目標定位應用較為廣泛。根據所使用的相機數目視覺檢測技術可分為單目視覺、雙目視覺、多目視覺檢測。實際應用中雙目視覺障礙檢測成本較單目系統高，但是與超聲波、紅外探測、激光測距等方案相比成本又較低，而且雙目視覺系統沒有樣本的概念，無須維護樣本數據庫。雙目視覺技術直接利用視差計算距離，精度比單目高。因而雙目立體視覺技術較單目視覺技術在障礙檢測領域有更多的應用。

2 基于視覺技術的障礙檢測研究現狀

2004年，發射的火星探測車機遇號和勇氣號通過對拍攝到的圖像對進行圖像預處理、立體匹配、三維重建等方法檢測出障礙物信息[1]。2005年，王輝[2]通過區域分割，把圖像對應點的匹配問題簡化為區域邊界點的匹配，將障礙物三維信息計算轉化為視差的判斷，提高了匹配的速度，解決了立體視覺障礙檢測匹配精度以及匹配算法的實時性問題。2010年，譚磊[3]通過引入LVQ神經網絡分類器，在HSV空間內分割圖像，有效地消除了環境因素對視覺障礙檢測的影響，并根據攝像機模型幾何關系，推導圖像坐標與機器人坐標的轉換關系，實現障礙物的快速準確定位，使得該方案對環境光線變化和陰影有較強的自適應能力。2012年，何少佳[5]采用小目標閾值選取法，對圖像進行分割，然后采用目標場景匹配法和目標投影匹配法相結合的方法，獲取分割后目標像素的差異和投影的變化，并依據此提取障礙物。2016年，劉昱崗[5]通過雙目圖像視差和三角測量原理獲取圖像中各目標的實際坐標，設定最大深度計算最小視差，依據視差閾值提取障礙。2017年，王軍華[6]利用預檢驗法和內點閾值限定法對采用隨機采樣一致性估計的平面擬合法進行改進，實現障礙物快速檢測。2020年，唐東林[7]針對壁面障礙物的不確定性，通過建立壁面檢測模型約束檢測范圍，引入面積閾值，過濾干擾進行障礙物提取，提出了一種障礙物定位算法，解決障礙物中心視差丟失問題。

3 總結與展望

基于視覺技術的障礙檢測技術的應用潛力可在工業、農業及軍事等多個領域有著廣闊前景，是未來一個很重要的發展方向。同時隨著近年來視覺技術的飛速發展，將雙目立體視覺技術應用于移動機器人已有較多研究。但是雙目立體視覺當前仍存在一些不足：

對計算單元的性能要求非常高，導致雙目系統的產品化、小型化的難度較大。

雙目的配準效果，直接影響障礙檢測的準確性。視覺檢測技術高度依賴圖像的質量，實際檢測過程中雙目視覺系統對環境光照非常敏感，光照角度或強度等環境因素的變化均會導致拍攝的兩張圖片亮度差別較大，使得系統對匹配算法的要求極高。

這兩點不足直接導致了視覺技術在壁面障礙檢測應用中易用性較低，雙目系統的大型化必然影響壁面移動機器人的壁面吸附穩定性。視覺系統不如人眼適應性強和敏感，環境光影的變化通常導致檢測系統的誤檢或漏檢。那么在當視覺系統硬件水平尚未滿足工業環境檢測條件前，可采用將視覺系統與多傳感器相融合的方法，利用多傳感器采集的信息與機器視覺提取障礙信息融合綜合提取的信息能解決單一視覺系統的局限，提高融合后的系統可信度和準確度。同時，解決和改善雙目立體視覺理論上的缺陷與不足才能逐步提高視覺技術在障礙檢測領域的實用性與易用性。