一种基于视觉的移动机器人定位系统资料下载.pdf

一种基于视觉的移动机器人定位系统资料下载.pdf

《一种基于视觉的移动机器人定位系统资料下载.pdf》由会员分享，可在线阅读，更多相关《一种基于视觉的移动机器人定位系统资料下载.pdf（5页珍藏版）》请在冰点文库上搜索。

TP242.62文献标识码:

A文章编号:

100628961（2000）0820688205ABasedVisionLocationSystemforAutonomousRobotsDONGZai2li,HAOYing2ming,ZHUFeng（RoboticsLab,ShenyangInstituteofAutomation,ChineseAcademyofSciences,Shenyang110015）AbstractAnautonomouslocation2trackingabilityisamajorperformanceforlocatingsensorsystemstonavigateanautonomousmobilerobot.Thispaperpresentsavision2basedomnidirectionallocationsensorsystemwehavedevelopedinourlab.Itiscomposedofactivelandmarks,avisionsensor,animageanddataprocessingdevice.Thewholesensorsystemcanbemountedonamobilerobot.Meanwhile,therelativecalculationmethodsandfunctionsoftwareweredevelopedthatusedtoobtaintheabsolutepositionandorientationofthesensorsystemandvehiclesintheirworkingplaces.Theexperimentsshowedthissystemcouldgetitsposeonlineandsuitablepositionaccuracyfortrackguidanceofmobilerobotsaswell.KeywordRobotlocation,Visual2basednavigation,Landmarks0引言全局定位功能是自主式移动机器人（AGV）的一项重要功能.没有这种功能,移动机器人的任何自主运动都是盲目的.为此,各种定位技术和车载传感器系统相继涌现.这些方法和仪器可以分为相对定位系统和绝对定位系统两大类.其中,相对定位系统依靠罗盘、里程计等可以给出移动机器人的大致位置和方向;

而绝对定位系统如声纳、电磁导引、激光扫描仪以及视觉传感器等则被用来给出传感器系统在参考坐标系中的绝对位置和方向,并可纠正相对定位误差.这些定位系统中,声纳是通过测量景物与机器人之间的距离来建立局部景物模型,进而确定自身位置的.电磁导引定位多用于工业,它利用铺在地下或地面上的磁条构成机器人的运动路径,来约束机器人沿磁条行走;

激光扫描方式需要有合作目标,才可以实时给出传感器系统的精确位置,该方式的主要问题在于要求具有旋转机构和可能对人的眼睛有伤害的激光发射器,而视觉方法是近年来发展起来的一种先进定位方法,它是通过摄像机摄取周围景物的图象,然后利用景物中一些自然的或者是人造的特征（路标）来实现位置确定.视觉定位方法中,地理特征或人工标志（简称路1994-2006ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http:

/标）在世界坐标系中的位置是预先已知的.当从捕获的景物图象中提取出路标的图象坐标后,则通过路标在图象中的位置和它们在参考坐标系中的几何关系,就可以计算出传感器系统在参考坐标系中的绝对位置.如果这种传感器系统安装在AGV上,就可以确定AGV的绝对位置.根据一般采用的数学模型,位置计算要求感知至少3个以上的路标才能完成.所以一般希望传感器系统在任意工作空间位置上尽可能观察到足够多的路标,以保证采集到的路标信息能满足位置计算和计算精度的要求.另外,也可能需要有足够的路标信息进行路标的优化选择,以保证定位计算的连续性和稳定性,这在视角计算方法中是必需的.所以,车载视觉传感器的视场是这类定位系统的关键问题之一.为得到较大的视场,一些系统利用所谓的全景传感器来实现,如Ishiguros和Tsuji用4部车载摄像机实现了全方位景象观察,进而计算了机器人位置4,但该系统由于采用的摄像机较多,因而既增加了成本,又影响了计算速度.因此Madsen将摄像机装在可以全方位旋转的云台上,然后通过应用云台的码盘读取旋转角度的方法来确定位置5,但机器人在同一位置,仍需要多次观测;

Cao用鱼眼像机和主动路标构成了简单的全景传感器,因而可以在同一幅图象上看到多个路标6;

Yagi和Gard则利用锥形反射镜和CCD摄像机构成全景传感器,通过识别自然路标来为机器人定位7,8.虽然该系统的视场可以达到360,但仍然存在着较大盲区.这类系统要求的特点是:

尽可能具有大的观测视场;

地理或人工路标具有唯一性;

位置检测速度尽可能快,以满足机器人移动时获取位置信息的要求.本文介绍了一种采用半球反射镜和CCD摄像机构成的视觉传感器,以及在此基础上实现的全方位定位传感器系统.本文主要讲述了该定位传感器的系统组成及其功能,还介绍了信号采集处理及位姿计算方法;

同时介绍了本文设计开发的相应传感器系统结构以及该系统采用的视角定位算法和路标优化选择方法;

最后给出了实验结果.实验表明,该定位系统可以观测传感器周围360范围,并具有较大俯视角.同时通过相应的路标识别与匹配技术以及快速图象处理及算法优化,实现了满足移动机器人在室内环境下的位置和方向的在线实时获取,并具有较高的定位精度.1定位系统结构和功能整个定位系统（如图1所示）由主动路标、可车载的全方位视觉传感器和具有图象采集功能的计算机数据处理系统组成.图1位置传感系统及机器人系统应用本文研制的定位系统由红外LED构成有源路标,并固定在传感器可视范围内.各路标在参考坐标系中的空间坐标为已知.该系统关键部分是车载全方位视觉传感器.该传感器顶部装有半球反射镜,下面装配有CCD摄像机,反射镜可将圆周2范围内的景物投射到摄像机镜头上.摄像机固定在具有2个自由度的可移动平台上,它可进行位置调节校正,而且设计镜头视场可覆盖整个半球反射镜,另外,镜头前安装滤光片,以减小环境光变化对路标识别的干扰.该视觉传感器全部器件作为一个整体封装在保护罩中.其结构如图2所示.该全方位视觉传感器可安装在移动机器人的顶部,与车载数据处理系统相连.当机器人运动时,传感器摄取景物图象并送到数据处理系统中进行处理,以完成传感器在参考坐标系中的位置和方向的计算功能.图2视觉传感器结构示意由于采用的这种全方位传感器视场范围大,故在986第8期董再励等:

一种基于视觉的移动机器人定位系统1994-2006ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http:

/工作域内一幅图象中可先通过合理的路标分布,来获取足够数量的路标成象,以满足视角定位法的计算求解要求;

然后根据摄像机系统和机器人系统的相互坐标关系,就可以计算出机器人的绝对位置坐标.2定位过程该传感器系统使用的基本数学模型为视角法（ObservedAngleGeometry）.这种方法是先利用已知路标坐标和路标间的观测角来建立传感器与路标间位置关系的数学表达式,然后通过解这个数学表达式,就可以计算出观测传感器在参考坐标系中的位置和方向.信号处理和位姿计算过程如下:

给定工作域中所有合作路标（n个）的参考位置（建立参考系路标地图）;

确定定位传感器系统s的起始位置和方向（x0,y0,0）,即位姿参数;

给定路标匹配阈值Tt;

启动传感器系统,应用图象处理技术获取当前时刻的传感路标位置信息;

在给定的初始条件下,对传感路标与地图路标进行匹配（角度匹配方法）;

通过给定的匹配策略,提取出一组最为可能的传感路标m（3mn）;

利用m个传感路标与待求点S,求其构成的c2m个圆的交域的最小二乘解,即传感系统s的当前位置和方向（xt,yt,t）;

用当前的位姿参数xt,yt,t代替原有的位姿参数,刷新路标关系地图;

当传感系统需连续运行时,重复.全局定位系统在采用上述方法进行位姿确定作业时,需要时刻依靠对路标的正确检测,再通过匹配与计算,并结合原始路标地图,在确定自身位置和方向的同时,完成对自身位置与路标关系信息的更新,以满足下一次路标识别的匹配条件.由此可见,路标的识别匹配过程是上述定位过程的关键,其核心是利用图象处理技术将景物图象中的路标区域与背景分离,并建立感知路标与地图路标一一对应关系（匹配）.由于环境存在不同的光干扰源（例如自然光、照明灯及可能存在的反光物体）,为简化图象处理难度,提高计算速度,该系统采用了主动式红外LED路标,并在摄像机镜头上加装了滤光片.这样大大减小了环境光线变化对图象质量的影响,因而提高了灰度图象中路标与背景的反差,以便于直接用阈值方法检出候选路标.图象处理结果仍可能得到多于可视路标数的候选区域,这就需要将候选区域（候选路标点）与系统预先存储的路标地图在景物图象中的理论位置进行匹配.并根据候选路标在图象中的大小和位置等约束条件,舍弃不合理的候选路标.3定位算法定理:

已知空间3个点,则这3个点必构成一个圆.若已知两个点P1,P2,同时另一个点S与这两个点P1,P2连线的夹角也已知,则必可求P1,P2、S的一个共圆,且点S必位于由Pi和Pi+1点和S所形成的多个圆的交点上.这样,可知任意两个路标和它们与传感器连线的夹角就对应于一个圆的方程,当图象中的路标个数为N,且N3时,就可以构造N（N-1）?

2个圆方程.并且视点一定在这些圆的交点上.其数学模型的几何解释见图3.（a）视点S与两路标构成一个圆（b）视点S位于圆的交点图3视点路标数学模型的几何解释建立这些圆的方程后,经简化处理,再通过最小二乘法就可求得该视点（传感器）在路边坐标系中的位置和方向.实际上,由于系统和路标位置误差等因素,上述计算的位置解是一个解域,而且这个解域的大096中国图象图形学报第5卷（A版）1994-2006ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http:

/小与上述误差的影响有关.如果可以观测到多于3个路标,则可以很方便地构造出具有冗余的方程组来解S的位置参数.但是实践中可能还有下述问题需要加以解决.

（1）对感知路标干扰的排除;

（2）匹配阈值的选择和运动速度的影响;

（3）路标识别的速度;

（4）路标匹配的准确性;

（5）路标的优化选择;

（6）传感器系统位置丢失的恢复.4实验结果与结论该系统已经在实验室中实现,视觉传感器采用1881EXCCD相机,镜头8mm.滤光片的带通波长大于600nm.每个主动式红外路标由24个红外发光管构成.数据采集处理系统为Matrox图象采集板和工控PC.在这个系统上,我们还开发了基于角度和距离的路标选择算法,而且由于滤光片的使用,不仅简化了路标提取,还提高了图象处理速度.为了测试这个传感器系统的性能,还进行了采样速率、静态和动态定位精度实验,并在一台全方位机器人上进行验证.实验表明,本文所介绍的系统无旋转机构、无噪音、观测视场大,其位置采样速率012s,且定位精度较高,可以满足移动机器人对其位置和方向在线获取的要求.这里给出了部分实验结果,实验中用了6只路标,随机分布在传感器系统的四周.图4显示了视觉传感器接收到的景物图象.图象显示在半球反射镜的作用下,景物影象主要集中在半球反射镜投影形成的圆周上.图象中的标号显示各路标预先定义的地图标号.表1记录了在这个环境下传感器系统的静态重复性能测试结果,测试时,传感器放置在参考坐标系约x=330,y=0的位置上,并利用路标选择算法记录了（100次）选择36个路标的计算位置.测试结果表明,该系统的静态位姿分辨率2cm,角度分辨率013.表2给出了一组传感器沿参考坐标系X方向往复位移310mm,每次移动15mm的测量结果.最后,将该传感器安装在移动机器人上,并控制机器人在室内环境下（见图5,使用6个路标）沿一条直线往复行走约500mm,其行走速度约011m?

s.传感器位置采样速度为012s.其位置测量结果见图6.图6中共给出5条曲线,其中一条为机器人理想位移曲线,其余4条曲线分别表示使用3、4、5、6个路标的在线位置测量情况.这个实验说明,使用全部路标并非最佳选择.图4含有路标的景物图象表1传感器系统的静态重复性能测试路标个数X（mm）测量值最大误差Y（mm）测量值最大误差（）测量值最大误差33323386-12-66011201180106433415337215-4-22012601280102533433615215-315-1215012401270103633415337215-315-1152012301240104表2传感器沿X轴的位移测试路标个数Dx（mm）误差绝对值平均平均误差方差Dy（mm）误差绝对值平均平均误差方差d（）误差绝对值平均平均误差方差3118201001014211191-01070014590104010010100841178-01395014601171-01183014350104-010020100851106-01219012741191-01214014510104-010040100861104-01091012352121-01440015100103-0100201008196第8期董再励等:

/图5装有定位系统的全方位移动机器人图6机器人位移测量实验数据曲线5结论使用视觉技术是一种新的移动机器人定位导航方法.其主要特点是无噪声、无转动机构、无有害影响、信息量大.但是,这种技术还不成熟.在采用图象处理技术提取路标的稳定性、可靠性方面,位置采样速率方面,路标选择及位置确定方面还有大量工作需要做.然而,由于视觉定位导航的特点,应该成为下一代移动机器人的主要选择方式.参考文献1ElfesA.Sonar2basedrealwordmappingandnavigation.IEEETrans.Robotics&

Automation,1987,3:

249265.2NishizawaT,OhyaA,YutaS.Animplementationofon2boardpositionestimationforamobilerobot2EKFbasedodometryandlaserreflectorandmarksdetection.In:

Proceedingofthe1995IEEEInternationalConferenceonRoboticsandAutomation,1995:

395400.3SugiharaK.Somelocationproblemsforrobotnavigationusingasinglecamera.CVGIP,1988,42:

112129.4IshiguroH,TsujiS.Applyingpanoramicsensingtoautonomousmapmakingbyamobilerobot.In:

Proc.93InternationalConferenceonAdvancedRobotics,1993:

127132.5ClausBMadsen,ClausSAndersen.Optimallandmarkselectionfortriangulationofrobotposition.RoboticsandAutonomousSystems,1998,23:

277292.6CaoZL,OhSJ,HallEL.Ominidirectionaldynamicvisionpositioningforamobilerobot.JournalofRoboticSystem,1986,3

（1）:

517.7YagiY,KawatoS,TsujiS.Real2timeominidrectionalimagesensors（COPIS）forvision2guidednavigation.IEEETrans.OnRoboticsandAutomation,1994,10

（1）:

1121.8ClaudePegard,ElMustaphaMouaddib.Amobilerobotusingapanoramicview.In:

Proceedingofthe1996IEEEInternationalConferenceonRoboticsandAutomation,Minneapolis,1996:

8994.董再励副研究员,工学硕士.1986年毕业于中国科学院沈阳自动化研究所.主要研究领域为非接触测量、机器视觉、虚拟现实.郝颖明助理研究员,工学硕士.1990年毕业于中国科学院沈阳自动化研究所模式识别与智能控制专业.主要研究领域为图象处理、计算机视觉、三维检测.朱枫副研究员,工学硕士.1988年毕业于中国科学院沈阳自动化研究所模式识别与智能控制专业.主要研究领域为计算机视觉、多机器人系统、虚拟现实.296中国图象图形学报第5卷（A版）1994-2006ChinaAcademicJournalElectronicPublishingHouse.Allrightsreserved.http:

/