基于单目视觉的移动机器人测距方法
基于单目视觉的实时测距方法研究论文
基于单目视觉的实时测距方法研究论文摘要：测距是计算机视觉领域中的重要问题之一，在许多应用中都有广泛的应用。
本文提出了一种基于单目视觉的实时测距方法。
该方法利用单目相机拍摄到的图像进行目标的距离估计，不需要额外的传感器或设备。
首先，通过标定相机获取相机的内参数矩阵和畸变参数。
然后，使用特征点匹配算法对图像中的特征进行提取和匹配，得到特征点的对应关系。
接下来，利用三角测量原理计算出目标特征点在相机坐标系下的深度值。
最后，通过相机的内参数矩阵和深度值可以得到目标物体在相机坐标系下的三维坐标，从而实现了测距。
实验结果表明，该方法能够在实时场景中实现准确的测距，具有很大的应用潜力。
关键词：单目视觉，测距，内参数矩阵，特征点匹配，三角测量1. 引言随着计算机视觉技术的发展，测距问题在很多领域中得到了广泛的研究和应用。
利用视觉传感器进行测距是一种常见的方法，它可以在没有额外传感器的情况下实现目标的距离估计。
单目视觉是一种简单且成本相对较低的测距方式，因此在实际应用中具有重要的意义。
2. 方法本文提出的实时测距方法基于单目视觉，核心原理是利用特征点匹配和三角测量。
首先，通过标定相机获取相机的内参数矩阵和畸变参数。
内参数矩阵包括焦距和像素尺寸等参数，畸变参数用于修正图像的畸变。
然后，利用特征点匹配算法对图像中的特征进行提取和匹配。
特征点的提取可以使用SIFT、SURF等算法，匹配可以使用最近邻算法或RANSAC算法。
在特征点匹配完成后，可以得到特征点的对应关系。
接下来，根据三角测量原理计算出目标特征点在相机坐标系下的深度值。
三角测量原理利用目标在不同视角下的投影关系，通过三角形的边长比例计算出目标的深度。
最后，通过相机的内参数矩阵和深度值可以得到目标物体在相机坐标系下的三维坐标，从而实现了测距。
3. 实验结果对于本方法的实验结果进行了验证。
选取了不同距离的目标物体进行测距实验，并与实际距离进行比较。
结果表明，本方法能够在实时场景中实现准确的测距，与实际距离具有较小的误差。
用于目标测距的单目视觉测量方法_韩延祥
第１９卷 第５期２０１１年５月 光学精密工程 Ｏｐｔｉｃｓ ａｎｄ Ｐｒｅｃｉｓｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｏｌ．１９ Ｎｏ．５ Ｍａｙ ２０１１ 收稿日期：２０１０－０７－０７；修订日期：２０１０－１０－２７． 基金项目：国家自然科学基金资助项目（Ｎｏ．５０８０５０２３）；江苏省“六大人才高峰”资助项目（Ｎｏ．２００８１４４）；东南大学优秀青年教师教学科研基金资助项目（Ｎｏ．２００９０２）；江苏省“青蓝工程”资助项目（Ｎｏ．２００８－３０－１）文章编号 １００４－９２４Ｘ（２０１１）０５－１１１０－０８用于目标测距的单目视觉测量方法韩延祥，张志胜＊，戴 敏（东南大学机械工程学院，江苏南京２１１１８９）摘要：为了克服对应点匹配和单个特征点提取误差对测量结果的影响，本文在基于图像处理的基础上，提出了一种基于特征点的单目视觉测距方法。
首先利用小孔成像原理，得出成像点与目标点的映射关系，建立小孔成像模型。
然后通过对目标图像的分析，得出目标物与目标图像的面积映射关系，建立视觉测量的直线测距模型；通过图像处理，提取目标图像的特征点，将光心与目标物的距离关系转化为光心与特征点的距离关系，提出了基于特征点的单目视觉测距原理。
最后对测距原理进行实验验证并对得出的数据进行分析，针对测量误差随距离增加而变大的现象，通过对数据的分析，得出是由于光轴偏心而引起的误差；将数据修正后，测量结果的最大相对误差为１．６８％，精度提高明显，验证了原理的可行性和算法的有效性。
关 键 词：计算机视觉；单目视觉测量；小孔成像；图像处理；目标测距中图分类号：ＴＰ２４２．６ 文献标识码：Ａ ｄｏｉ：１０．３７８８／ＯＰＥ．２０１１１９０５．１１１０Ｍｏｎｏｃｕｌａｒ ｖｉｓｉｏｎ ｓｙｓｔｅｍ ｆｏｒ ｄｉｓｔａｎｃｅｍｅａｓｕｒｅｍｅｎｔ ｂａｓｅｄ ｏｎ ｆｅａｔｕｒｅ ｐｏｉｎｔｓＨＡＮ Ｙａｎ－ｘｉａｎｇ，ＺＨＡＮＧ Ｚｈｉ－ｓｈｅｎｇ＊，ＤＡＩ Ｍｉｎ（Ｓｃｈｏｏｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈｅａｓｔ Ｕｎｉｖｅｒｓｉｔｙ．，Ｎａｎｊｉｎｇ２１１１８９，Ｃｈｉｎａ）＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ，Ｅ－ｍａｉｌ：ｏｌｄｂｃ＠ｓｅｕ．ｅｄｕ．ｃｎＡｂｓｔｒａｃｔ：Ｔｏ ａｌｌｅｖｉａｔｅ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｍａｔｃｈｉｎｇ ｏｆ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｆｅａｔｕｒｅ ｐｏｉｎｔｓ ａｎｄ ｅｘｔｒａｃｔｉｏｎ ｅｒｒｏｒ ｏｆｓｉｎｇｌｅ ｆｅａｔｕｒｅ ｐｏｉｎｔ，ａ ｍｅｔｈｏｄ ｂｙ ｕｓｉｎｇ ａ ｓｉｎｇｌｅ ｃａｍｅｒａ ａｓ ｍｏｎｏｃｕｌａｒ ｍｅａｓｕｒｅｍｅｎｔ ｉｓ ｐｒｅｓｅｎｔｅｄ ｂａｓｅｄｏｎ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ．Ｆｉｒｓｔｌｙ，ｔｈｉｓ ｐａｐｅｒ ｓｅｔｓ ｕｐ ｔｈｅ ｍａｐｐｉｎｇ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ ｉｍａｇｅ ｐｏｉｎｔ ａｎｄｔａｒｇｅｔ ｐｏｉｎｔ，ａｎｄ ｅｓｔａｂｌｉｓｈｅｓ ｐｉｎｈｏｌｅ ｉｍａｇｉｎｇ ｍｏｄｅｌ．Ｓｅｃｏｎｄｌｙ，ｉｔ ｄｅｓｃｒｉｂｅｓ ｔｈｅ ｍａｐｐｉｎｇ ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎ ｏｂｊｅｃｔ ａｒｅａ ａｎｄ ｉｍａｇｅ ａｒｅａ ｏｆ ｏｂｊｅｃｔ ｂｙ ｕｓｉｎｇ ｉｍａｇｅ ａｎａｌｙｓｉｓ，ａｎｄ ｅｓｔａｂｌｉｓｈｅｓ ｔｈｅ ｍｏｄｅｌ ｏｆ ｄｉｓ－ｔａｎｃｅ ｍｅａｓｕｒｅｍｅｎｔ ｉｎ ｏｐｔｉｃａｌ ｄｉｒｅｃｔｉｏｎ．Ｔｈｅｎ，ｔｈｅ ｐｒｉｎｃｉｐｌｅ ｏｆ ｄｉｓｔａｎｃｅ ｍｅａｓｕｒｅｍｅｎｔ ｂｅｔｗｅｅｎ ｏｐｔｉｃａｌｃｅｎｔｅｒ ａｎｄ ｆｅａｔｕｒｅ ｐｏｉｎｔ ｉｓ ｐｒｏｐｏｓｅｄ ａｆｔｅｒ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ｆｅａｔｕｒｅ ｐｏｉｎｔ ｅｘｔｒａｃｔｉｎｇ ａｒｅ ｃａｒｒｉｅｄｏｕｔ．Ａｔ ｌａｓｔ，ｔｈｅ ｐａｐｅｒ ｓｔａｒｔｓ ｏｕｔ ｖｅｒｉｆｉｃａｔｉｏｎ ｅｘｐｅｒｉｍｅｎｔｓ ａｎｄ ａｎａｌｙｚｅｓ ｔｈｅ ｃａｕｓｅ ｔｈａｔ ｅｒｒｏｒ ｉｎｃｒｅａｓｅｓｗｉｔｈ ｆｕｒｔｈｅｒ ｄｉｓｔａｎｃｅ．Ａｆｔｅｒ ａｎａｌｙｚｉｎｇ ｔｈｅ ｄａｔａ ｏｆ ｅｘｐｅｒｉｍｅｎｔ，ｔｈｅ ｃｏｎｃｌｕｓｉｏｎ ｔｈａｔ ｅｒｒｏｒ ｉｓ ｒｅｌａｔｅｄ ｗｉｔｈｔｈｅ ｏｐｔｉｃａｌ ａｘｉｓ ｄｅｖｉａｔｉｏｎ ｉｓ ｍａｄｅ．Ｓｅｑｕｅｎｔｉａｌｌｙ，ｗｉｔｈ ｔｈｅ ｍａｘｉｍｕｍ ｒｅｌａｔｉｖｅ ｅｒｒｏｒ １．６８％ｏｆ ｒｅｖｉｓｅｄ ｄａ－ｔａ，ｔｈｅｒｅ ｉｓ ａ ｒｅｍａｒｋａｂｌｅ ｉｍｐｒｏｖｅｍｅｎｔ ｗｈｉｃｈ ｐｒｏｖｅｓ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ａｎｄ ｔｈｅ ｅｆｆｅｃｔｉｖｅｎｅｓｓ ｏｆ ｔｈｅ ｐｒｏ－ｐｏｓｅｄ ｐｒｉｎｃｉｐｌｅ．Ｋｅｙ ｗｏｒｄｓ：ｃｏｍｐｕｔｅｒ ｖｉｓｉｏｎ；ｍｏｎｏｃｕｌａｒ ｖｉｓｉｏｎ ｍｅａｓｕｒｅｍｅｎｔ；ｐｉｎｈｏｌｅ ｉｍａｇｉｎｇ；ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ；ｔａｒ－ｇｅｔ ｌｏｃａｔｉｏｎ１ 引 言 视觉测距作为机器视觉领域内基础技术之一而受到广泛的关注，其在机器人领域内占有重要的地位，广泛应用于机器视觉定位、目标跟踪、视觉避障等，尤其是作为视觉导航和伺服控制中不可或缺的基础技术。
基于单目视觉的无人机测距算法研究
0 引言
应用一个摄像头作为唯一的传感器设备进行 测距工作， 这是机器人领域最具挑战性的难题之 一。 在无人飞行器上解决这个问题甚至比地面机
器人上解决更具有挑战性， 因为无人飞行器较地 面机器人有更高的自由度。 本文的工作主要聚焦 在旋翼无人飞行器， 这么决定的意义在于大多数 真实环境中的飞行机器人在军事和民用环境中的
摘 要： 近年来研究人员试图利用单个摄像头作为无人飞行器自主避障的主要传感器， 即采用单目视觉方法
测距。 这主要是因为小型无人机的负载能力有限， 利用单个摄像头能够使无人机的计算时间和电池的消耗减少，
并且有可能实现基于视觉算法的实时性避障。 由此提出了一种计算实时距离的数学模型， 通过这种模型来估算
由于四旋翼飞行器的尺寸较应用在传统直升 的无人机当前姿态和无人机载摄像机的三维空间
机 上 的 旋 翼 小 得 多 ， 因 而 四 旋 翼 在 旋 转 时 能 够 节 坐 标 来 计 算 摄 像 机 的 位 置 [6]。 其 中 的 数 学 模 型 如
省更多的运动能量， 并且在碰撞到物体时能够对 图 1 所示。
for autonomous obstacle avoidance of UAV， that is， monocular vision method is used to measure distance. This is mainly due to the limited capacity of the small UAV， and the use of a single camera can reduce the UAV computing time and battery consumption， and it is possible to achieve real -time obstacle avoidance based on visual algorithm. Therefore， a mathematical model to calculate the real time distance is proposed， which can be used to estimate the distance between the camera on a small UAV and the obstacle. And the experimental results show that the results obtained by this method are in good agreement with the true values of the ground.
轮式移动机器人单目视觉的目标测距方法
Ｍｏ ｂ ｉ ｌ ｅ Ｒ ｏ ｂ ｏ ｔ ［ Ｊ ］ ． Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， ２ ０ １ ７ ， ４ ３ （ ４） ： ２ ８ ７ ・ ２ ９ １ ．
Ｔａ ｒ ｇ ｅ ｔ Ｄｉ ｓ ｔ ａ ｎｃ ｅ Ｍｅ ａ ｓ ｕｒ ｅ ｍｅ ｎｔ Ｍ ｅ ｔ ｈｏ ｄ ｗｉ ｔ ｈ Ｍｏ ｎｏ ｃ ｕ ｌ ａ ｒ Ｖｉ ｓ ｉ ｏ ｎ ｆ ｏ ｒ
第４ ３卷 第 ４期
Ｖｏ １ ． ４３
・
计
算
机
工
பைடு நூலகம்
程
２ ０ １ ７年 ４月
Ａｐ ｒ ｉ ｌ ２ ０１ ７
Ｎ ｏ． ４
Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｅｎｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ
开发 研 究与 工程应 用 ・
文章编号： １ ０ ０ ０ － ３ ４ ２ ８ （ ２ ０ １ ７ ） ０ ４ － ０ ２ ８ ７ ． ０ ５
Ｗ ｈｅ ｅ ｌ ｅ ｄ Ｍ ｏ ｂｉ ｌ ｅ Ｒｏ ｂｏ ｔ
ＸＩ ＡＯ Ｄａ ｗｅ ｉ ， ＺＨＡ Ｉ Ｊ ｕ ｎ ｙ ｏ ｎｇ
（ Ｋｅ ｙ Ｌ ａ ｂ ｏ ｒ ａ ｔ ｏ ｒ ｙ ｏ ｆ Ｍｅ ａ ｓ ｕ ｒ ｅ ｍｅ ｎ ｔ ａ ｎ ｄ Ｃｏ ｎ ｔ ｒ ｏ ｌ ｏ ｆ Ｃｏ ｍｐ ｌ ｅ ｘ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｓ ｙ ｓ ｔ ｅ ｍ， Ｍｉ ｎ ｉ ｓ ｔ ｒ ｙ ｏ ｆ Ｅ ｄ ｕ ｃ ａ ｔ ｉ ｏ ｎ， Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ａｕ ｔ ｏ ｍａ ｔ ｉ ｏ ｎ， Ｓ ｏ ｕ ｔ ｈ ｅ ａ ｓ ｔ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｎａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ ９ ６， Ｃｈ ｉ ｎ ａ ）
基于单目视觉的机器人定位算法
基于单目视觉的机器人定位算法
张云凡;江励;徐俊佳;汤健华
【期刊名称】《机电工程技术》
【年(卷),期】2024(53)5
【摘要】目前用于单目视觉测量所采用的ArUco标定方法精度较低,无法满足高精度的定位和测距应用。
提出了一种基于单目视觉的机器人定位算法,在原始标记周围使用额外的矩形图案进行增强,使其形成一个棋盘格的形状,并引入亚像素角点计算方法,精准定位标记角点坐标信息。
最后,通过使用最小二乘法进行拟合,使用PnP算法计算相机相对于标记的空间位置信息,有效提高姿态估计和测距精度。
测试结果表明,所提定位方法将深度方向提高了5 mm,误差仅为2 mm左右,相较现有的方法深度估计误差减小了66.7%,水平方向误差仅为1 mm。
在复杂环境以及在部分遮挡的ArUco标记也能准确无误的识别。
【总页数】4页(P159-161)
【作者】张云凡;江励;徐俊佳;汤健华
【作者单位】五邑大学智能制造学部
【正文语种】中文
【中图分类】TP242
【相关文献】
1.基于端到端模型的机器人室内单目视觉定位算法
2.基于SIFT匹配算法的移动机器人单目视觉定位研究
3.果园喷药机器人的单目视觉导航定位算法研究
4.工业机
器人装配中基于相机位姿估计算法的单目视觉定位研究5.基于单目视觉定位与运动目标检测算法的机器人在竞赛系统中的研究
因版权原因，仅展示原文概要，查看原文内容请购买。
基于单目仿人机器人的障碍物测距方法
值分离 目标和背景． ＨＳ Ｖ 颜色空间模 型是一种直观 的
这种方法 虽然能够融合 单 目和 双 目测距 的优 点，但减 少 了允许 的图像视差， 文献 【 ６ 】 通过检测 目标 的模糊度 来计算 目标距离虽 然算法简单， 但 是模糊度 的检测依
也越来越 深入，视觉导航 已变 成了导航技术 的一个研 究 热 点【 ｌ 】 ，视 觉导 航 的优 点在 于 具有 很高 的 分辨 率 ， 探测范 围广 、 精度高， 获取信息量大， 这对 自主移动机 器 人及智 能车辆导 航具有重 要的意义 ［ ２ １ ．目前 基于视 觉 的距 离信息提取方法主要有 单 目视觉 、双 目视觉 和 全 景视觉，全景视觉和双 目视觉虽然可 以获得 图像 深 度 信息，但 是需要精确 的配准，耗 时的配准 过程难 以
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： Ｍｏ ｎ ｏ ｃ ｕ ｌ ａ ｒ ； ｒ ａ ｎ ｇ ｉ ｎ ｇ ； ｏ ｂ ｓ ａｃ ｔ ｌ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ； ｒ ｏ ｏｔ ｂ ； ＨＳ Ｖ ｃ ｏ ｌ ｏ ｒ ｓ ｐ ａ ｃ ｅ
随着移 动机 器人技术 的发展，对导航技术 的研究
ｏ ｂ ｓ ｔ ａ ｃ ｌ ｅ ． Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ｉ ｔ ｃ ｏ ｎ ｖ ｅ ｙｓ ｈｅ ｔ Ｒ ＧＢ ｉ ｍａ ｇ ｅ ｗｈ ｉ ｃ ｈ ｉ ｓ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ｆ ｒ ｏ ｍ ｈｅ ｔ ｒ ｏ ｂ ｏ ｔ ｔ ｏ ＨＳ Ｖ ｉ ｍａ ｇ ｅ ， ｈｅ ｔ ｎ ｄ ｅ ｔ ｅ ｃ ｔ ｓ ｎｄ ａ ｉ ｄ ｅ ｎ ｔ ｉ ｉ ｆ ｅ ｓ
基于单目摄像头的地面测距方法
基于单目摄像头的地面测距方法作者：黄成龙周钰峰孙慧妮孟恺李恪尧来源：《现代信息科技》2021年第05期摘要：为解决传统的小孔成像测距算法需要给出待测物体的形状信息而较为烦琐的问题，提出一种基于大多数机器人摄像头的高度不需要改变的情形，利用针孔相机模型，找出像素坐标系和世界坐标系的转换关系，输入至少三对现实世界和像素世界的点对后，便可以实现对地面和立于地面上的物体进行测距的目的。
该算法实现简单，且一定范围内测距精度较高。
关键词：单目相机;地面测距;移动机器人;针孔相机模型中图分类号：TP391.4;TP242 文献标识码：A 文章编号：2096-4706（2021）05-0118-04Ground Distance Measurement Based on Monocular CameraHUANG Chenglong，ZHOU Yufeng，SUN Huini，MENG Kai，LI Keyao（School of Mechanical Electronic & Information Engineering，China University of Mining and Technology-Beijing，Beijing 100083，China）Abstract：In order to solve the troublesome problem that the traditional pinhole imaging distance measurement algorithm needs to give the shape information of the object to be measured，a situation based on the height of most robot cameras does not need to be changed is proposed. The pinhole camera model is used to find out the transformation relationship between pixel coordinate system and world coordinate system. After inputting at least three pairs of point pairs in the real world and pixel world，it can be completed to the ground and the object on the ground distance measurement. The algorithm is simple to implement and has high accuracy in measuring distance in a certain range.Keywords：monocular camera;ground distance measurement;mobile robot;pinhole camera model0 引言测距对于移动机器人来说有着重要的意义，许多机器人重要技术，例如同步定位与建图技术[1]，目标跟踪技术以及自动驾驶技术等都需要进行测距。
机器人技术中视觉测距的使用方法
机器人技术中视觉测距的使用方法机器人技术的快速发展为我们的生活和工作带来了许多便利。
其中，视觉测距技术在机器人的应用中起着至关重要的作用。
视觉测距技术通过利用摄像头或激光雷达等设备，测量机器人与周围环境物体的距离，从而实现机器人的定位、导航和避障等功能。
本文将介绍机器人技术中视觉测距的使用方法，并探讨其在不同领域的应用。
一、摄像头测距方法：1.单目摄像头测距方法：单目摄像头测距方法是最常见的一种技术。
通过在机器人上安装一个摄像头，利用图像处理算法提取图像中的特征点，然后通过三角测量原理计算出机器人与目标物体之间的距离。
2.双目摄像头测距方法：双目摄像头测距是一种相对精确的测距方法。
它通过在机器人上安装两个摄像头，利用左右两个摄像头拍摄到的图像进行匹配，从而得到物体在图像中的视差值，再通过已知的参数关系计算出距离。
二、激光雷达测距方法：激光雷达是一种高精度的测距装置，其原理是利用激光束发射器发射激光束，当激光束与目标物体相遇时，激光会反射回接收器。
通过计算激光发射与接收之间的时间差，并结合已知的光速，可以计算出目标物体与机器人之间的距离。
三、视觉测距的应用领域：1.智能驾驶：视觉测距技术在无人驾驶领域具有广泛的应用。
通过摄像头或激光雷达等设备实时测量汽车与前方车辆的距离，可以帮助车辆进行智能的停车、避障以及自动跟车等功能，提高行驶安全性。
2.工业自动化：在工业领域中，机器人可以利用视觉测距技术对产品进行精确的定位和测量。
例如，在流水线上，机器人可以通过摄像头或激光雷达对产品的位置进行检测和校准，从而实现自动化生产。
3.医疗辅助：机器人在医疗领域的应用也离不开视觉测距技术。
例如，在手术过程中，机器人可以通过摄像头进行显微镜视觉测距，帮助医生实现精确的手术操作，提高手术的成功率和安全性。
4.智能家居：随着智能家居的发展，家庭机器人的需求越来越大。
视觉测距技术可以帮助家庭机器人实现室内导航、物品辨识和避障等功能。
Nao机器人单目测距
视觉识别和测距部分：虽然这次的任务以机器人的步态规划和姿态控制等为主，但要准确实现寻找并踢到乒乓球的目标，通过摄像头图像的视觉识别和测距也是非常重要的。
一、功能和策略视觉部分的主要功能和策略包括：1、在初始姿态下寻找乒乓球，包括配合机器人的动作，如更换摄像头和转头来实现对超出当前视野范围的目标的寻找。
2、通过颜色阈值识别乒乓球，计算乒乓球和机器人定间的距离和角度，传递数据给运动部分。
3、在运动过程中对方向和距离进行多次测量和校正，不断修正运动误差，保证最终准确到达。
4、到达目标位置后，通过对乒乓球位置的再次测量，选择机器人踢乒乓球所使用的脚。
二、测距方案的选择1、双目测距双目测距的主要原理是利用位于不同空间位置，有重复的视角区域的两个摄像头同时进行拍摄。
对得到的两张图片进行一定的校正和变换，识别出位于两张图片中的乒乓球，分别得到对应的参数。
然后根据几何关系推导出乒乓球和机器人的距离。
双目测距的精确度较高，但计算过程复杂，对图像的校正和变换处理要求高。
对于1讪）机器人来说，双目测距还存在一个问题，即上下两个摄像头的重台区域较小，就可能导致可用测距范围小，对于寻找到乒乓球有一定的困难。
58-71此外考虑到这次任务对测距的精确度要求并不是那么高，而且可以通过一定的补偿方法来提高单目测距的精确度，为了程序的简便起见，我们决定采用单目测距的方法。
2、单目测距单目测距的原理比较简单，如图所示：一般来说，就是根据图中的两个相似三角形的比例关系计算岀距离Z。
但是在实际操作中发现，对于摄像头的焦距F的获取存在很大的问题和误差。
此外，由于摄像头的主光轴并不是水平的，用这种方法计算并不方便。
所以我采用了另外一种类似的计算方法：如图所示，摄像头主光轴为蓝色虚线，与水平面之间的夹角为b。
红色虚线为摄像头的视场边界，为47.64° , H为机器人髙度。
通过图像识别我们可以得到目标乒乓球的球心近似像素坐标(x, y),而图片总大小为640*480。
使用单目视觉的移动机器人导航方法
使用单目视觉的移动机器人导航方法李庆;郑力新;潘书万;张裕坤;谢一首【摘要】The combine of machine vision and robotics is a major trend in the future development of the robotics industry. In the schemes of mobile robot obstacle avoidance, there are many problems with using traditional sensors, and the acquired information is limited. So a method of monocular vision-based mobile robot obstacle avoidance and navigation is proposed. And if the camera lens focal length is known, there is no need for camera calibration in the application. To reduce the impact of light on the edge detection of the obstacle, the color image is converted to the HSI space. Detecting the edge of converted components by using canny algorithm, and the test results are synthesized. Filtering synthetic results by thresholding, to remove weak edge information and improve the detection accuracy. Connecting the spurious edges by morphological pro-cessing, and non-obstacle area is obtained through regional growth. The mapping between the image coordinate system and the robot coordinate system is established according the geometric relationship. Finally, using fuzzy logic combined with membership functions to obtain robot control parameters. Experimental results show that the image color space con-version reduces the impact of the shadow and reflective of ground surface, the algorithm can effectively eliminate the interference of ground stripes and accurately detect the edge of the obstacle, and fuzzy logic decision method improves the robustness of the algorithm and the reliability of results.%机器视觉与机器人的结合是未来机器人行业发展的一大趋势.在移动机器人的避障导航方案中,使用传统的传感器存在诸多问题,且获取的信息有限.提出一种基于单目视觉的移动机器人导航算法,在算法应用中,如果使用镜头焦距已知的相机,则无需对相机标定.为降低光照对障碍物边缘检测的影响,将机器人拍摄的彩色图像转换到HSI空间.采用canny算法对转换后的分量分别进行边缘检测,并合成检测结果.通过阈值处理过滤合成边缘,去除弱边缘信息,提高检测准确度.采用形态学处理连接杂散边缘,通过区域生长得到非障碍区域,并由几何关系建立图像坐标系与机器人坐标系之间的映射关系.利用结合隶属度函数的模糊逻辑得出机器人控制参数.实验结果表明,对图像颜色空间的转换降低了地面反光、阴影的影响,算法能有效排除地面条纹等的干扰并准确检测出障碍物边缘,而模糊逻辑决策方法提高了算法的鲁棒性和结果的可靠性.【期刊名称】《计算机工程与应用》【年(卷),期】2017(053)004【总页数】5页(P223-227)【关键词】单目视觉;移动机器人;导航;避障;区域生长;模糊逻辑【作者】李庆;郑力新;潘书万;张裕坤;谢一首【作者单位】华侨大学工业智能化技术与系统福建省高校工程研究中心,福建泉州362021;华侨大学工业智能化技术与系统福建省高校工程研究中心,福建泉州362021;华侨大学工业智能化技术与系统福建省高校工程研究中心,福建泉州362021;华侨大学工业智能化技术与系统福建省高校工程研究中心,福建泉州362021;华侨大学工业智能化技术与系统福建省高校工程研究中心,福建泉州362021【正文语种】中文【中图分类】TP391.4LI Qing,ZHENG Lixin,PAN Shuwan,et al.Computer Engineering andApplications,2017,53（4）：223-227.避障是大多数移动机器人导航中的重要一步。
基于单目视觉的移动机器人测距方法
基于单⽬视觉的移动机器⼈测距⽅法
基于单⽬视觉的移动机器⼈测距⽅法
张⼀鸣;秦世引
【期刊名称】《微计算机信息》
【年(卷),期】2008(024)029
【摘要】本⽂针对多机器⼈编队过程中的跟踪控制,提出了⼀种跟踪机器⼈采⽤单⽬视觉技术获取前⽅被跟踪机器⼈距离信息的⽅法.该⽅法⾸先对跟踪机器⼈摄像机进⾏内参数标定,并在⽬标机器⼈背部设置视觉标记.然后系统获取⽬标机器⼈的含有视觉标记的单帧图像,预处理此图像,并识别出图像中的视觉标记所在的⽬标区域,⽤Hu⽒不变矩计算该区域形⼼.最后推导出单⽬测距算法,利⽤图像信息和其它参数可以计算出两机器⼈之间的距离.实验结果表明,所设计的单⽬测距系统能得到准确的距离,为跟踪控制提供了重要的反馈信息.
【总页数】3页(224-225,205)
【关键词】单⽬视觉;测距;跟踪;移动机器⼈
【作者】张⼀鸣;秦世引
【作者单位】100083,北京航空航天⼤学,⾃动化科学与电⽓⼯程学院;100083,北京航空航天⼤学,⾃动化科学与电⽓⼯程学院
【正⽂语种】中⽂
【中图分类】TP242.6
【相关⽂献】
1.基于双⽬视觉信息融合的移动机器⼈避障研究基于双⽬视觉信息融合的移动机器⼈避障研究 [J], ⾕凤伟; ⾦西虎; 姜珊
2.基于双⽬视觉的移动机器⼈测距与定位系统 [J], 王志远; 王茂森。
基于单目视觉的特征点测距与定位方法研究
一、概述1. 单目视觉在机器人、自动驾驶、增强现实等领域有着广泛的应用。
2. 特征点测距与定位是单目视觉中的关键问题，对于实现精准的测距与定位具有重要意义。
3. 本文旨在探讨基于单目视觉的特征点测距与定位方法，并结合实际案例进行研究与分析。
二、相关技术概述1. 单目视觉是指通过一台摄像头来获取环境信息，并进行图像处理与分析。
2. 特征点是图像中具有显著性的点，通过特征点能够实现对图像的测距与定位。
3. 基于单目视觉的特征点测距与定位方法主要包括特征提取、特征匹配、三维重建等步骤。
三、特征点测距与定位方法研究1. 特征提取a. 常用的特征提取算法包括SIFT、SURF、ORB等。
b. 不同的特征提取算法在不同场景下具有不同的适用性和性能表现。
2. 特征匹配a. 特征点匹配是特征点测距与定位中的关键一步，常用方法包括基于描述子的匹配和基于几何关系的匹配。
3. 三维重建a. 基于特征点的三维重建技术通过匹配特征点，并利用相机参数进行三维点云重建。
b. 三维重建的精度与效率对于测距与定位具有重要影响。
四、实际案例分析1. 无人驾驶车辆a. 基于单目视觉的特征点测距与定位方法在无人驾驶车辆中具有重要应用。
b. 通过对道路上的特征点进行测距与定位，能够帮助车辆进行自主驾驶。
2. 工业机器人a. 工业机器人需要精准的定位以完成复杂的操作任务，基于单目视觉的特征点测距与定位方法能够满足其定位需求。
b. 特征点测距与定位技术能够帮助机器人准确定位并实现精准操作。
五、未来展望1. 随着人工智能、计算机视觉等领域的快速发展，基于单目视觉的特征点测距与定位方法将更加成熟和广泛应用。
2. 随着硬件设备的不断升级，基于单目视觉的特征点测距与定位方法的精度和效率将得到进一步提升。
六、结论1. 基于单目视觉的特征点测距与定位方法具有重要的理论意义和实际应用价值。
2. 需要进一步研究和探索特征点测距与定位方法在不同领域的应用，以满足实际需求。
机器人视觉测距技术研究
机器人视觉测距技术研究近年来，随着人工智能的不断发展和应用，机器人技术也得到了突飞猛进的发展。
其中，机器人视觉技术的应用越来越广泛，为机器人的智能化和自主化提供了有力支持。
而在机器人视觉技术中，测距技术是非常重要的。
机器人在进行操作或者移动的时候需要精准的距离测量数据，而机器人视觉测距技术则能够满足这个需求。
机器人视觉测距技术是指通过摄像机等视觉设备采集环境信息，利用图像处理算法计算出目标物体与机器人之间的距离。
不同于传统的传感器测距方法，机器人视觉测距技术无需安装额外的传感器设备，只需使用机器人本身搭载的摄像头等设备即可。
这种方法不仅能够有效降低机器人的成本，还可以提高机器人的自主决策能力和机动性。
目前，机器人视觉测距技术主要有两种实现方法，一种是基于单目相机的方法，另一种是基于双目相机的方法。
它们各有优劣，在不同的场景下应用效果也不同。
下面我将详细介绍这两种方法。
一、基于单目相机的机器人视觉测距技术基于单目相机的机器人视觉测距技术需要通过对图像信息进行处理，来测算出目标物体到相机的距离。
这种方法不仅具有较高的精度，而且能够适应不同角度的目标物体，具有较强的通用性。
首先，通过对目标物体拍摄得到的图像进行分析和处理，在图像中标记出目标物体的位置和大小。
然后，通过相机标定和三角测量等算法，计算出目标物体与相机之间的实际距离。
这种方法在机器人跟踪和导航等场景中得到了广泛应用。
但是，由于单目相机只能得到平面图像，所以在测量某些物体时需要进行复杂的处理，会带来一定的局限性。
二、基于双目相机的机器人视觉测距技术基于双目相机的机器人视觉测距技术是指利用两个摄像头同时拍摄同一目标物体，并通过计算两个摄像头之间的差异来检测目标物体的距离。
双目相机在安装时需要考虑摄像头之间的距离、角度等因素，以及镜头焦距的设置。
这种方法在解决单目相机的测量局限性和提高精度上具有显著优势。
不过，基于双目相机的机器人视觉测距技术需要更多的计算和处理，而且需要高精度的标定和成像系统才能得到较为准确的距离数据。
单目视觉测距在移动机器人的应用
Ａｐｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｍｏ ｎｏ ｃ ｕ ｌ ａ ｒ Ｖｉ ｓ ｉ ｏ ｎ Ｍｅ ａ ｓ ｕｒ ｅ ｍｅ ｎ ｔ ｉ ｎ Ｍｏ ｂｉ ｌ ｅ Ｒｏ ｂｏ ｔ
ＬＩ Ｘｉ ｎ， ＤＯＮＧ Ｊ ｉ ａ ｎ—ｙ ｕ ａ ｎ
（ Ｘｉ ’ ａ ｎ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ａ ｒ ｃ ｈ ｉ ｔ ｅ ｃ ｔ ｕ ｒ ｅ ｎｄ ａ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｘ ｉ ’ ｎ ａ ７ １ ０ ０ ５ ５ ， Ｃ ｈ ｉ ｎ ａ ）
ｄ ｉ ｉｏ ｔ ｎ ｌ ａ ｃ ｍ ｅ ａ ｒ ａ ｐ ｉ ｎ ｈ ｏ ｌ ｅ ｉ ｍａ ｇ ｉ ｎ ｇ ｐ ｒ ｉ ｎ ｃ ｉ ｐ ｌ ｅ ． Ｆｉ ｎ ｄ ｏ ｕ ｔ ｈｅ ｔ ｃ ｏ ｎ ｎ ｅ ｃ ｉ ｔ ｏ ｎ ｂ ｅ ｔ ｗｅ ｅ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ｐ ｉ ｘ ｅ ｌ ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｅ ｔ ｓ ｙ ｓ ｔ ｅ ｍ ａ ｎ ｄ ｔ ｈ ｅ ｗｏ ｒ ｌ ｄ ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｔ ｅ ｓ ｙ ｓ ｔ ｅ ｍ． Ａｎ ｄ ｗｉ ｔ ｈ ｈｅ ｔ ｖ ｎｉ ａ ｓ ｈ ｉ ｎ ｇ ｐ ｏ ｉ ｎ ｔ ｉ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ． ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｅ ｈｅ ｔ ｒ ｏ ｂ ｏｔ ｍｏ ｖ ｉ ｎ ｇ ｐ ａ ｈ． ｔ Ｆ ｉ ｎ ｄ ｏ ｕ ｔ ｈｅ ｔ ｒ ｏ ｂ ｏ ｔ ｐ ｒ ｅ －ｐ ａ ｓ ｓ ａ ｒ ｅ ａ ｉ ｎ ｔ ｈ ｅ ｉ ｍａ ｇ ｅ ． Ｂａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｄ ｇｅ ｅ ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈｅ ｏ ｂ ｓ ｔ ａ ｃ ｌ ｅ ｓ ， ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｅ ｗｈ ｅ ｔ ｈ ｅ ｒ ｉ ｔ ｉ ｓ ａ ｐ ｐ ｅ ａ ｒ ｅ ｄ ｉ ｎ ｈｅ ｔ ｐ ｒ ｅ — ｐ ａ ｓ ｓ ａ ｒ ｅ ａ， ｎｄ ａ ｃ ｏ ｎ ｄ ｕ ｃ ｔ ｍｏ ｎ ｏ ｃ ｕ ｌ ｒ ａ ｖ ｉ ｓ ｉ ｏ ｎ ｍｅ ｓｕ ａ ｒ ｅ ｍｅ ｎ ｔ ｆ ｏ ｒ ｈｅ ｔ ｏ ｂ ｓ ａｃ ｔ ｌ ｅ ｓ ． Ｐ ｕ ｔ ｆ ｏ ｒ ｗａ ｒｄ ａ ｋ ｉ ｎ ｄ ｏ ｆ ｉｓ ｄ ｔ ａ ｎｃ ｅ ｃ ｌｃ ａ ｕ ｌ ａ ｉｏ ｔ ｎ ｍｅ ｈｏ ｔ ｄ ｌｏｎ ａ ｇ ｈｅ ｔ ｒ ｏ ｂ ｏ ｔ ｍｏ ｖ ｉ ｎ ｇ ｄ ｉ ｒ ｅ ｃ ｉ ｔ ｏ ｎ ｒ ｅ ｌ ｉｅ ｄ． Ｅｎ ｓ ｕ ｅ ｒ ｈｅ ｔ ｒ ｏ ｂ ｏ ｔ ｄ ｏ ｅ ｓ ｎ’ ｔ ｃ ｏ ｌ ｌ ｉ ｄ ｅ ｗｉ ｈ ｔ ｏ ｂ ｓ ｔ ａ ｃ ｌ ｅ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄｓ ： ｄｇ ｅ ｅ ｄ ｅ ｔ ｅ ｃ ｉ ｔ ｏ ｎ； ｐ ａ ｈ ｔ ｅ ｓ ｉ ｔ ｍａ ｉ ｔ ｏ ｎ； ｃ ａ ｍｅ ｒ ａ ｃ ｌｉ ａ ｂ ｒ ａ ｉ ｔ ｏ ｎ
移动机器人基于三维激光测距与单目视觉的室内场景认知
硕士学位论文移动机器人基于三维激光测距与单目视觉的室内场景认知The Mobile Robot Indoor Scene Cognition Using 3D LaserScanning and Monocular Vision大连理工大学Dalian University of Technology大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。
尽我所知，除文中已经注明引用内容和致谢的地方外，本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果。
与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。
若有不实之处，本人愿意承担相关法律责任。
学位论文题目：移动机器人基于三维激光测距和单目视觉的室内场景认知作者签名：日期：年月日大连理工大学硕士学位论文摘要机器人在工作中需要实时获取环境信息，而如何实现对这些环境信息的有效理解和认知是实现其自主环境适应的关键。
激光传感器具有抗干扰能力强、受光线影响小等特点，适于三维空间几何信息的获取。
而视觉传感器是一种获取图像信息的成熟手段。
本文以激光测距仪和单目视觉作为移动机器人的外部传感器，研究移动机器人在室内三维环境中的场景认知问题。
在室内环境中，地面、墙壁等室内场景的框架具有结构化的特性，可以使用简单的平面等几何特征来表示。
平面特征的提取可以借助激光数据的存储顺序首先从中提取出线段特征，然后利用相邻线段的关系将其合并从而得到完整的平面区域。
本文使用了一种基于区域扩张的平面特征提取算法，从室内场景的激光数据中提取出平面特征。
利用平面特征的自身属性及其相互间的空间关系，完成室内场景框架的认知。
在剔除室内场景框架之后，剩余数据中物体的形状具有不确定性和不规则性，难以使用简单的几何特征来描述。
本文提出一种基于点云连续性的物体分割算法，实现室内场景中物体的有效分割。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文章编号 :1008-0570(2008)10-2-0224-02
中 文 核 心 期 刊 《 微 计 算 机 信 息 》 （ 嵌 入 式 与 Ｓ ＯＣ ）２００８ 年 第 ２４ 卷 第 １０－２ 期
基于单目视觉的移动机器人测距方法
Mobile robot distance-measuring method based on monocular vision
邮局订阅号 ：８２－９４６ ３６０ 元 ／ 年 - 225 -
图 3 单目测距模型 Fig.3 Monocular vision distance-measuring model 其中， O0 是镜头中心， 为像平面坐标系的原点； 如图 3， 有如下的几何关系： 是光轴与像平面的交点， 作 是被测点 P 在像平面的投影 。 (2) (3) (4) 联立(2)、 （3 ） 和(4)， 根据几何关系有： (5)
图 1 原始目标图像 Fig.1 Original objective picture
图 2 区域生长 Fig.2 Region rowing
技 术 创 新
3 单目测距模型
如图 3 所示， R 表示被跟随机器人，有效焦距为 的 CCD 摄像机安装在跟随机器人的顶部， 俯仰角度为 α， 距离地面的 被跟随机器人上被测点为 P， 高度为 h ； P 与镜头中心的水平距 离为 d。被测点 P 与摄像机的光学成像几bstract: Based on the tracking control during multi-robot formation, this paper proposes a method to measure the distance between two robots, using monocular vision technology. Firstly, the robot camera intrinsic parameters are calibrated and a visual mark is fixed on the back of the target robot. Then, the system obtains a single frame image of the target robot including the visual mark, prepro cesses it , recognizes the object region of the visual mark and computes the centroid coordinates of the region through the Hu ’ s moment invariants. Finally, this paper derives the distance-measuring method based on monocular vision, which can obtain the distance between the two robots according to the centroid coordinates and the other parameters. Experiment results indicate that the designed system can achieve accurate distance of the target, providing important feedback information for the tracking control. Key words: monocular vision; distance measuring; tracking; mobile robot 对于移动机器人而言， 机器人视觉系统是机器人干支局部 环境的重要 “感官” 。视觉传感器具有信息量大、 信息完整等优 点， 被认为是机器人最主要的感知能力。在多机器人协作过程 中， 能否正确 、 实时地处理视觉信息是跟踪机器人能否稳定跟 踪前方机器人的重要因素。 其中， 单目视觉模型构造简单， 易于 实现实时监控。 本文设计了一种利用单目视觉获取机器人跟踪 过程中距离信息的方法，利用两台能力风暴智能机器人 AS-R 对算法进行了实验研究， 结果证明本算法能够满足多机器人跟 踪过程中的测距需要。 机器人之间的距离。
《 Ｐ ＬＣ 技术应用 ２００ 例 》
Á Á Â Ã Ä Å Æ Ç È É È É Á Ç Ä ! " # $ Â % # & ' Á Á Â 6 7 ) 0 È É ! Ã Ä Å Æ Ç È É Ã 8 9 @ % & ' ( ! A B " # $ F G H I P Q R C D E U 1 Â V W X 2 E È É 1 Ç È Â É Å Ã Æ 2 S T 3 4 5 Æ Å Y ` Á Ä
4 实验结果
在实验室预先将跟随机器人和领航机器人放置成直线， 用 跟随机器人拍摄前方领航机器人的 JPG 图像，在 VC++环境下 滤波、 填充孔洞、 提取种子点、 区域生长、 识 对图像进行二值化、 别， 计算质心点， 然后根据单目测距模型计算跟随机器人与领 航机器人之间的距离 d。 测得摄像机高度为 h=57.2cm， 三角板质心高度为 H=22.2cm， 步 将机器人之间的距离设置为 d1=120cm, 改变俯仰角 α 的大小， 长为 1°， 分别采集 6 幅图， 测得的实验数据如表 1 所示。 表 1 d1=120cm Table 1 d1=120cm
（北京航空航天大学 ）张 一 鸣
秦世引
ＺＨＡＮＧ Ｙｉ－ｍｉｎｇ ＱＩＮ Ｓ ｈｉ－ｙｉｎ
摘要 : 本 文 针 对 多 机 器 人 编 队 过 程 中 的 跟 踪 控 制 ， 提 出 了 一 种 跟 踪 机 器 人 采 用 单 目 视 觉 技 术 获 取 前 方 被 跟 踪 机 器 人 距 离 信 息 的 方 法 。 该 方 法 首 先 对 跟 踪 机 器 人 摄 像 机 进 行 内 参 数 标 定 ，并 在 目 标 机 器 人 背 部 设 置 视 觉 标 记 。 然 后 系 统 获 取 目 标 机 器 人 的 含 有 视 觉 标 记 的 单 帧 图 像 ， 预 处 理 此 图 像 ， 并 识 别 出 图 像 中 的 视 觉 标 记 所 在 的 目 标 区 域 ， 用 Hu 氏 不 变 矩 计 算 该 区 域 形 心 。 最 后 推 导 出 单 目 测 距 算 法 ，利 用 图 像 信 息 和 其 它 参 数 可 以 计 算 出 两 机 器 人 之 间 的 距 离 。 实 验 结 果 表 明 ，所 设 计 的 单 目 测 距 系 统 能 得 到 准 确 的 距 离 ，为 跟 踪 控 制 提 供 了 重 要 的 反 馈 信 息 。 关键词 : 单目视觉 ; 测距 ; 跟踪 ; 移动机器人 文献标识码 : A 中图分类号 : TP242.6
5 结论
机器人跟踪过程中， 目标识别稳定性对整个跟踪系统的稳 定性起着至关重要的作用， 本文研究了采用单目视觉技术获取 机器人距离信息的方法。该方法采用图像处理的目标识别 、 不 变矩形状特征提取技术， 结合推导出的单目测距算法， 实现了 机器人跟踪过程中的距离测量 。实验结果表明， 采用所设计的 单目测距系统可以得到较为准确的距离信息， 能够满足机器人 跟踪控制的需要。 本文作者创新点： 1 在机器人的研究领域中，利用单目摄像机来测量距离信 息是个难点，本文深入研究了机器人单目视觉的测距原理， 得 到了良好的测距系统； 2 在用单目摄像机测距系统中，对原始图像进行有效的预 处理和特征提取是系统的关键。本文通过对机器人设置视觉标 记， 对原始图像进行一系列的图像处理， 用不变矩形状特征提 取技术最终提取出实际物理空间的距离信息。 (下转第 205 页)
- 224 - ３６０ 元 ／ 年 邮局订阅号 ：８２－９４６
您的论文得到两院院士关注
机器人技术
其中， h 和 α 已知， 满足： (6) 如果 为以像素为单位的图像坐标系的坐标， 使 摄像机光轴与像平面交点 的帧存坐标； 是 的帧存坐标。设帧存中的一个像素对应于像平面在 x 轴与 y 轴 有： 方向上的物理尺寸分别为 、 ， (7) 则 令 ， ， ， 有： ， 代入(6)得： (8) (9) 其中， 、 、 和 是摄像机的内部参数，通过离线标 定已得到。 摄像机的俯仰角度 α 可以通过直接设置云台摄像机 的参数得到， 联立式(5)和式(9)可以求得被测点 P 与摄像机之间 的距离 d： （10 ）
《 现场总线技术应用 ２００ 例 》
1 系统原理
本文设计的轮式移动机器人单目测距系统的原理主要步 骤如下： （1 ） 对机器人的云台摄像机进行标定， 获得测距所需要的 内参数信息； （2 ） 对目标机器人进行视觉标记， 然后用跟踪机器人的云 台摄像机获取前方机器人单帧图像， 对图像进行预处理； （3 ） 对预处理过的图像进行目标识别， 即通过区域生长 、 特 征提取、 目标匹配提取出前方机器人的目标区域； （4 ） 计算目标中心坐标， 推导单目测距算法计算出与前方
张一鸣 : 硕士研究生 基金项目 : 国家高技术研究发展 (863) 计划项目 (2006AA0 4Z207)( 轮 腿 式 多 足 机 器 人 群 体 系 统 技 术 研 究 与 应 用 ); 教 育部博士点基金资助项目 (20060006018)( 基于视觉 信息 的 多机器人编队避障过程协同优化控制 )
区域生长将目标生长出来。种子点在跟踪开始时， 可由手工选 取；在其后的跟踪算法研究中将根据相应算法进行搜索或预 测。生长出的目标如图 2： 2.3.2 特征提取 图像矩是广泛应用的形状特征之一，其具有稳定性好 、 易 匹配效率高等优点。 本文采用 Hu 氏矩的前 7 个计算目 于实现、 标(视觉标记)的中心坐标。 2.3.3 目标特征匹配 由于 Hu 氏矩的形状不变性只在摄像机光轴垂直二维物体 空间平面时才成立， 但本系统中光轴与地面有一夹角， 故不满 足矩不变性条件。考虑到摄像机跟踪目标的运动， 前后两帧间 因此将前一帧识别出的目标的 Hu 氏矩 Hu 氏矩的变化会很小， 作为各自本次匹配的基准。 用相对欧氏距离作为相似匹配度量 函数， 即 (1) 其中 m 为相对欧氏距离； 为前次目标的 氏 矩； 为待识别区域的不变矩。 选定相似度阈值， 当 m 小于阈值时， 认为该区域为所寻找 的目标， 否则计算并匹配邻近的下一个待识别区域 。在一帧图 像中， 待识别区域的个数可以根据实际试验确定。