移动机器人控制技术-李鹏.doc

个人收集整理 勿做商业用途
编号

2010—-—2011学年 第一学期
审核责任人签字
科目
移动机器人控制技术
参考班级
0704311—12

题号
一
二
三
四
五
六
七
八
九
十
总分
命题教师
印数
得分

胡贞
80
评阅人

得分
一、论文（80分)

基于视觉的跟踪移动机器人控制系统
要求：（1)简述跟踪移动机器人的应用背景或完成的任务；(10分）
（2）说明跟踪移动机器人系统组成，包括视觉系统、运动系统和控制系统；(20分）
（3)详细介绍系统所采用的视觉处理方法或控制方法；(30分）
(4）给出系统设计预期结果或仿真实验结果，列出参考文献。（20分)

基于视觉的跟踪移动机器人控制系统

一．跟踪移动机器人的应用背景及完成的任务
应用背景
我国科学家对机器人的定义为;机器人是一种自动化的机器,所不同的是这种机器具备一些与入或生物相似的能力，如感知能力、规划能力、动作能力和协同能力，是一种具有高度灵活性的自动化机器。随着科学技术的飞速发展，机器人正在向智能化和视觉化的趋势发展，它作为生产和生活中的一种新型工具，极大地提高了人类的生产效率、扩大了工作范围,可以广泛应用于军事、工业、医
学、服务等各行业,成为人类必不可少的工具。
移动机器人是指能够在道路和野外连续地、实时地自主运动的智能机器人，是一种集环境感知、动态决策与规划、行为控制与执行等多项功能于一体的高智能化机器系统,它们根据传感器获得的信息，灵活调整自己的工作状态，保证在适应环境的情况下完成工作。其研究涉及图像实时处理、计算机视觉、传感器技术、人工智能、自动控制、计算机并行处理技术、机械学等多学科理论与技术，体现了信息科学和人工智能技术的最新成果，具有重要的军用及民用价值。移动机器人的研究早在60年代就已经开始，并且在军事、民用、科学研究等许多方面得到了广泛的应用。在军事上，移动机器人可以在危险地带代替人类完成侦察、排雷等任务;在民用方面，减少交通事故的自动或辅助驾驶系统，帮助残疾人士的智能轮椅，家庭用清扫机器人等都利用到了移动机器人技术；在科学研究上，移动机器人可以用于外星勘探，例如2004年初美国发射的勇气号，机遇号火星车;同时移动机器人为智能控制、人工智能及数据融合等学科研究提供了～个非常 好的应用平台，得到广泛关注的足球机器人比赛就是移动机器人一个很好的例子.
移动机器人按其控制方式和自主程度大致可分为遥控式、半自主式与自主式3种。其中后一种即自主移动机器人，是一种具有高度自规划、自组织、自适应能力,适合子在复杂的非结构化环境中工作的机器人。自主式移动机器人的目标是在没有人的干预，无需对环境做任何规定和改变的条件下，在行进过程中，不断感知周围的局部环境信息，自主地做出各种决策,有目的地移动和完成相应任务。在自主式移动机器人相关技术的研究中，导航技术是其研究核心，也是移动机器人实现智能化及自主运动的关键技术.我们知道，人们感受客观世界70％以上的信息是以眼睛得来的,因此视觉信息是当前信息研究的中心之一。同样，对机器人而言，计算机视觉检测信息量大,获得的信息是对环境最全面最深入的反应，被认为是最重要的感知力.因此机器人视觉导航系统在机器人的研究和应用中占有十分重要的地位，对机器人的智能化将起决定性作用。
完成任务：
1．图像的实时采集。在自行设计的移动机器人上实现图像的实时采集。
2．摄像机标定.分析图像坐标和世界坐标之间的变换关系，研究摄像机标定方法，实现两种坐标的转换.
3．直线引导线识别。选择合适的预处理方法对原始图像进行处理，利用Canny算子提取边缘，再采用Hough算法提取机器人前方地面的直线引导线，建立人机交互界面,并得到引导线的世界坐标.
4．基于颜色的墙脚线识别.在没有引导线的情况下,选用合适的彩色空间模型及图像分割方法，提取楼道中的墙脚线。

二．系统组成：视觉，运动及控制等
l、传感技术
为了让机器人正常工作，必须对机器人的位置、姿态、速度和系统内部状态等进行监控，还要感知机器人所处的工作环境的静态和动态信息,使得机器人相应的工作顺序和操作内容能自然地适应工作环境的变化。有效地获取内部和外部信息，对移动式机器人的正常工作、提高工作效率、节省能源和防止意外事故都是非常重要的.目前已开发出各种各样的传感器，可分为内部传感器和外部传感器两大类.内部传感器用于监测和控制机器人自身；外部传感器安装在机器人上，用于感知外部环境信息。
2、多传感器融合
单一传感器获得的信息非常有限,它获得的是局部的、片面的环境特征信息。由于还受到自身品质、性能的影响，采集到的信息往往是不完善的，带有较大的不确定性，偶尔甚至是错误的.随着科学技术的发展，新型敏感材料和传感器不断涌现，传感器种类的增多、性能的提高以及精巧的结构都促进了多传感器系统的发展。由于不同传感器感知的是同一环境下不同(或相同)侧面的有关信息，所以这些信息的相关是必然的，由此,多传感器系统要求采用与之相应的信息综合处理技术,以协调各传感器间的工作。多传感器信息融合的有关理

论就是为了更有效地处理多传感器系统的各种信息而提出和发展起来的一个新的研究方向。多传感器融合的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、统计决策理论、D．s证据推理、神经网络和模糊推理法以及带置信因子的产生式规则唧.
3、导航与定位
定位是指确定机器人在二维工作环境中相对于全局坐标的位置和姿态，导航是指移动机器人通过传感器感知环境和自身状态,实现在有障碍物的环境中面向目标的自主运动。移动机器人的导航方式可分为：基于环境信息的地图模型匹配导航；基于各种路标的导航、视觉导航和基于其他各种传感器的导航等14。定位的主要方法有：惯性定位、陆标定位、声音定位、视觉定位等。
4、路径规划
运动规划是移动机器人的一个重要问题，它的目标是在一个存在障碍物的环境中，为移动机器人寻找一条无碰撞的最优路径.路径规划耗时较多，一个重要的解决方法就是并行化。一旦在线、实时运动规划实现，运动规划就可以融入运动控制算法的闭环之中.另外，复杂环境下的路径规划问题一直是一个没有很好解决的难题，人们尝试用遗传算法来进行路径规划闯题并取得一定成功。
5、路径规划的分层结构
对于全局路径规划问题来说, 所有关于障碍物的信息都是预先知道的， 以这些信息为基础进行规划,在有限条件下对任意指定的起点和终点寻找一条优化路径, 即给出实际路径上的一系列关键点. 目前, 全局路径规划的研究已基本成熟，主要方法有图搜索法、广义锥法、位姿空间法、顶点图法、正规栅格法、势场法等. 局部路径规划(又叫动态避碰规划) , 是以全局路径规划为指导,把全局路径规划得到的一系列路径关键点作为系统的子目标序列,利用在线得到的局部信息,规划出一条到目标点的实际路径， 并实时地避开出现的未知障碍物的过程.由于预先给出的只是粗略的地图信息， 机器人没有关于子目标之间环境的信息,因此,它不得不通过传感器不断地获得新信息. 局部规划主要根据可视信息作出实时规划, 如果视觉传感器可直接探测到下一个子目标， 移动机器人就在导航仪控制下向这个子目标移动, 如果视觉传感器因未知的障碍而无法探测到下一个子目标， 局部规划器就会起很大的作用. 在这种情况下，移动机器人不能向一个指定的子目标直接移动， 那么局部规划器就必须产生暂时的避碰点, 运用视觉传感器探测到的关于障碍物周围环境的信息, 如自由空间等，并决定避碰点,接着导航仪指引机器人向避碰点移动,到达避碰点后,移动机器人总是向下一个子目标的方向移动， 如果机器人仍不能探测到子目标，导航仪从规划器得到下一个避碰点。下一节将详细介绍决定避碰点的方法.文档为个人收集整理，来源于网络本文为互联网收集，请勿用作商业用途

三系统控制方法及处理
1、碰点的产生

利用单视觉传感器获取环境信息在该研究中, 移动机器人的工作环境由单视觉传感器获得，移动机器人根据可视信息规划路径。 我们知道，利用单视觉传感器在三维空间内不可能对一个物体进行定位, 在这里计划运用物体位于地平面的探测法，在整个工作空间,物体的底部可见, 同样左右边缘也是可见的, 在这个假设中,运用反透视法即可知物体的位置 。地平面和成像平面之间的关系如图1 所示.在机器人移动方向上的直线PP′对应于成像平面里的垂直平分线pp′,正对着移动机器人运动方向的线段QQ′对应于成像平面的水平线qq′。 因此从简单的几何关系上， 机器人和障碍物之间的距离Y 和QQ 的线段长度D 可用下面函数来表达:
Y =H( K1 F — htan β0）K1 Ftan β0 + h(1)
D =K2 d （ Ycos β0 + Hsin β0）F。 (2)
式中:β0 为摄像机的倾斜角， F 为焦距, H 为摄像机的高度， d 为成像平面的长, h 为成像平面的高, K1 , K2 为常量。
2、决定避碰点的方法
局部规划器利用视觉传感器中得到的图像数据来决定避碰点.
机器人观测到水平方向上的边缘点并得到左右两个边界， 然后用垂直平分线把成像平面一分为二， 机器人在垂直方向上探测到边界点，并得到两个边界的距离值,左边界距离值和右边界距离值。 从较近的边界距位置上,能够得到机器人和障碍物之间的距离。通过计算障碍物左右边缘距中垂线距离， 局部规划器决定了机器人应从障碍物哪边通过， 以及机器人应绕行障碍物多远. 避碰点可由如下规则来决定：
IF 　aL ≥ aR 　　THEN 避碰点= sR
IF 　aL 〈 aR 　　THEN 避碰点= sL ，
这里sR 和sL 为可供选择的避碰点,这个规则可以减少显示了机机器器人人为坐避标开系障统碍物,避而碰转宽向度的Δ角决度定,它可表示为
△ = △ob +12 W +η。 (3)

式中： △ob为要避开障碍物部分的宽度, W 为移动机器人的宽,为安全距离值(通常由实验决定） 。在当前的机器人坐标系统中, 子目标的位置为( Li ，θi ） ， 在下一个避碰点坐标系统中, 子目标的位置可由如下函数获得:
Li+1 = ｛〔Licosθi — licos (αi +θi)〕2 +〔Lisinθi - lisin （αi +θi）〕2 ｝12， (4)
θi+1 = tan— 1 Licosθi - licos （αi +θi )Lisinθi - lisin （αi +θi ） 。 (5)
3、算法
步骤0 　移动机器人由起始点ST （一个子目标) 驶向目标点SG（下一个子目标） 的过程中, APi和S 分别表示第i 个避碰点和避碰点集合, 初始条件i = 0 ， AP0 = ST ， S =φ;
步骤1 　移动机器人方向正对着SG,如果机器人能通过视觉传感器看到SG， 执行步骤4 , 否则执行步骤2 ；
步骤2 　机器人搜索障碍物的周围区域, 并根据视觉信息决定避碰点APi + 1;
步骤3 　机器人移动至APi + 1 ， 避碰点APi添加到S 集合中, i = i + 1 ,然后执行步骤1 ;
步骤4 　移动机器人向SG 移动,当机器人到达SG 时,向全局规划器发送到达信息。引理　如果满足下列条件，移动机器人能够在有限次数的移动中无碰地到达SG:
(1） 假设机器人预先知道目标点SG 的位置,且至少有一条可达SG 的路径；
(2) 机器人能够移动的区域为一个以SG 为中心、ST - SG 为半径的圆周；
(3） 障碍物之间的距离对于机器人来说有足够大的空间通过;
（4） 区域里的障碍物数量是有限的.
这里C（ i） 表示圆周的区域，圆周的中心点为SG,半径为ST - APi , ni 为区域C（ i) 中障碍物的数量，区域C（0) 为当前区域。
( Ⅰ） 如果ni = 0 ， 通过步骤1 和步骤4 , 机器人能到达SG；
（ Ⅱ) 如果ni ≠0 ,机器人通过步骤2 ,在—1 2π<αi <12π的区域里发现下一个避碰点, 从而有Li + 1小于Li ,表示避碰点APi 和子目标SG 之间的距离,区域C（ i + 1) 小于C ( i） , 由于很难通过单视觉传感器获得物体远近信息, 所以为了准确避开障碍物,必须找到一个或两个避碰点，这样,通过重复步骤2 ，能够找到一个值k ，使nk = 0.

为了辨识和分析图像中的目标，需要将它们从图像中分离提取出来，在此基础上进一步对目标进行测量和对图像进行利用。图像分割的要点是:把图像划分成若干互不交迭区域的集合。图像分割是从图像处理到图像分析的关键步骤，也是进一步作图像理解的基础。
分析各种图像分割方法后可以发现，分割图像的基本依据和条件有以下4个方面：
（1)分割的图像区域应具有同质性，如灰度级别相近、纹理相似等；
(2)区域内部平整,不存在很小的小空洞;
（3)相近区域之间对选定的某种同质判据而言，应存在显著的差异性；
(4）每个分割区域边界应具有齐整性和空间位置的平整性。
移动机器人的摄像机标定问题，如果忽略因物面与摄像机光轴不垂直造成的非线性，则可归结为在二维世界坐标系中求变换矩阵M.

世界坐标系(Xw，Yw，Zw)，Zw轴垂直地面，XwYw平面即为地面，在该坐标系下地面目标的坐标P可以表示为(Xw，Yw，0)。式（2）中Xi,Yj(其中i=1，2，…，n，j=1，2，…，n)即为地面目标的坐标(Xw,Yw).只要有4个标定点就可以求解该线性方程组，分别测得其在地面上的坐标(Xw，Yw，0），再根据由图像处理的方法得到的图像坐标系中的像素坐标(ui,vj)(其中i=1,2,…，n，j=1,2，…,n)，即可求得变换矩阵M，M=[m11,m12,m14,m21，m22，m24，m31，m32]T，其中m34=1。变换矩阵M的元素取值受到摄像头俯仰角和架设高度的影响。在实验室条件下，本系统选取BC=13 cm时开始运行转弯模块.在单目视觉的条件下，对于固定的俯仰角，为保证道路引导线不移出摄像头视野范围，必须控制机器人以一定的弧度转弯，即沿弧线路径执行转弯模块。要做到这一点，弧线的弧度必须选取合适。在转弯过程中需要根据机器人的位置不断调整机器人的运动速度和转动角度，具体过程如下：
（1)找出图像中最后一行中点m的像素坐标(um，vm)，即摄像头视野最下方的中点，通过变换矩阵M将其转换为世界坐标系xyz中的位置（xm，ym），z轴垂直于xy平面即地面。
文档为个人收集整理，来源于网络个人收集整理,勿做商业用途
（2)找出图像中转角点t的像素坐标（ut，vt)，通过变换矩阵M求出其在世界坐标系xyz中的位置（xt，yt）。
(3）以地面上转角点为圆心的世界坐标系定义为XYZ，Z轴垂直于XY平面即地面，求出弧线在此坐标系中的方程，(x-a)2+（y—b）2=r2（a,b）表示在坐标系XYZ下弧线所在圆的圆心，r表示圆的半径。
(4）将xyz坐标系下的坐标点(xm，ym）转换到XYZ坐标系下，用坐标(Xm，Ym)表示，如图6所示.X轴与x的夹角为θ,XOY坐标系的原点O即为转角点t，则：

(5)弧线方程中当y=Ym时,求得X，比较x与Xm，若Xm-x〉0，则命令机器人左转;若Xm—x〈0，则命令机器人右转，否则直行.
本系统确定转弯弧的半径为20 cm，弧度为90°的弧线即可使机器人顺利转弯，机器人视野中始终保持引导线。

四．实验仿真与结论
1、仿真结果
为了对上述方法进行验证，我们用三维图像来模拟一个简单的环境对其进行局部路径规划.假设机器人知道子目标的位置，图3a 为机器人在初始位置由视觉传感器得到的视觉效果图,图3b为一个二值效果图，并由此得出如图3c 所示的避碰点;图3d - 3h 为机器人避开另一个障碍物的过程的视觉效果图。 而图4 则显示了移动机器人的局部路径规划的仿真,从中可以看出机器人能够成功的避开障碍物到达子目标.

　移动机器人局部路径规划仿真结果
2、结 论：
本文介绍了一种基于视觉的局部路径规划的控制算法，实现了移动机器人在不确定的环境中，利用视觉传感器实时地获取外部环境信息进行路径规划. 这种方法有效地利用了全局环境地图和视觉信息，确定了附近区域（即被视觉传感器测量义，减少了计算规模,提高了实时性. 通过仿真和实验模拟，效果比较理想。
完成了实时的图像预处理和引导线识别。选用高斯滤波对图像进行预处理,利用Canny算子提取图像边缘，最后采用HouglI算法识别引导线，获得了标志线在图像坐标中的参数，并将前方路径显示在人机交互界面.然后通过坐标变换，得出标志线和移动机器人的相对位置关系，提供给路径规划模块。

参考文献:
(1）基于立体视觉的移动机器人自主导航定位系统
刘伟军　董再励　郝颖明　朱　枫（中国科学院沈阳自动化研究所机器人学开放研究实验室 2002）
（2)基于视觉的移动机器人实时避障和导航
席志红 原　新 许　辉( 哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨 哈尔滨工程大学自动化学院,黑龙江哈尔滨 2003）
（3）SCHMIDT R W， FRANKS R E. Multiple source DF signlprocessing ： an experimental system . IEEE Trans on An2tennas and Propagation
(4）自能机器人 肖南峰 华南理工大学
（5）网萨雷斯．数字图像处理．电子工业出版社．2004
（6）刘伟军等．基于立体视觉的移动机器人自主导航定位系统．高技术通讯,2001．10．
（7)徐国华，谭民．移动机器人的发展现状及其趋势．机器人技术与应用，2001年第3期：7：
（8）欧青立,何克忠．室外智能移动机器人的发展及其关键技术研究．机器人，2000，22（6)：519·526．

- 6 -