一个基于全景视觉的移动机器人导航系统的设计与实现

DIOD 算法对一帧图像进行分类标注和腐蚀膨胀 后， 将具备障碍物特征色的连续像素组成基本节点， 然后在这些基本节点中寻找面积最大的连通部分， 用 DIOD 的形式标识出来， DIOD 的信息包括： 将面积最
图l Fig. l 导航系统的体系框图
大的连通部分包含在内的矩形框的上、 下、 左、 右4 个边界的坐标， 连通部分的中心坐标以及连通部分 的面积. 图 2 为一帧全景视觉图像， 白色箭头所指为 障碍物 DIOD. 利用障碍物的 DIOD 信息可以计算在像素空间中 障碍物离机器人的距离角度信息， 再通过视觉标定
i i i i i i g
（2） （ z " ij x （ ） y（ i t） = g j t）
j。NE i
（3）
图3 Fig. 3
全局坐标系和局部坐标系的变换关系 Transformation from gIoDaI to IocaI coordinates
式 （l） 中 A 为神经元 i 的负反馈系数； T = l， 2， …为进行路径规划的离散决策时刻； D（ 反映 T 时 i T） 刻神经元 i 处的障碍物信息；障碍物节点 D （ = 0， i T） 使得相邻节点的输出不 此时该节点输出被钳制在 0 ， （ = l， 使 可能通过该节点向远处传播； 其它节点 D i T） 得该节点式可以接受相邻节点的输出激励并向远处 传播. 式 （2） 中 y（ 表示神经元 i 所有 l —邻域节点 i t） （ 0， l］ ， 不要 输出的加权和对 i 的激励. 连接权 " ij 。 求对称. 把所有神经元状态集成起来， 可得到 Net 的微分 方程为： （ x t） = - Ax ' （ t）+ G （ T） （ x t）+ U 的输出就是其神经元状态 x. RNN 网路径规划机理在于通过波扩散方法在栅 格环境上建立神经元输出 x 的数值势场， 其所有障碍 （l） 物神经元输出为 0 ； 所有非障碍物神经元输出大于 0 . 在此数值势场中按最速上升法搜索， 由起始节点开 （4） 其中 U 的分量为 I 或 0 ； G （ T） 由 D（ 等确定. Net i T）
第 27 卷第 2 期 2005 年 3 月 文章编号： 1002-0446 （ 2005 ） 02-0173-05
机器人
!"#"$
Voi. 27 ，No. 2 March， 2005
一个基于全景视觉的移动机器人导航系统的设计与实现
张 尧，陈卫东
（ 上海交通大学自动化研究所，上海 200030 ）
杂
Design and Implementation of a Navigation System for Mobile Robots Based on Omni Vision
ZHANG Yao ，CHEN Wei-dong
（ Institute of Automation，Shanghai Jiaotong Uniuersity，Shanghai 200030 ，China）
1
引言 （ Introduction）
导航技术是移动机器人研究主题的核心问题，
减少系统设计的复杂性. 显然， 这是用于建立环境地 图的一种有效手段. 传统的路径规划方法如人工势场法通过由障碍 物形成虚拟排斥力、 目标形成虚拟引力实现移动机 器人的路径规划， 但通常易形成非期望的局部势阱， 面对复杂环境， 可能导致规划的失败. 而基于回归神 的规划方法具有高度并行性和丰富的 经网络 （ RNN） 动力学性质. 针对栅格地图， 其神经元节点与离散化 的机器人工作空间节点相对应， 使规划具有突出的
［ 1 ~ 3］ 环境适应性和较快的收敛速度 .文 ［4］ 对 RNN
同时也是移动机器人实现完全自主与智能化的关键 技术. 所谓导航是指移动机器人通过传感器感知环 境与自身状态， 实现在有障碍物的环境中搜索一条 最优或近似最优的无碰路径， 面向目标的自主运动. 导航技术需解决两方面的问题： （ 1 ）寻找有效实用的传感器探测手段及处理方 法， 建立环境地图模型； （ 2 ）采用快速、 有效的路径规划算法， 寻找一条 最优或近似最优的安全路径. 在诸多环境探测传感器中， 全景视觉传感器具 有信号探测范围宽、 获取信息快速完整等优点. 仅用 一台摄像机就可观察到以机器人为圆心、 一定半径 的 360 全景环境， 不仅快速获取环境信息， 而且大幅
l75
得到拟合曲线， 以表示像素空间与机器人工作空间 的映射关系. 由此， 便得出障碍物在机器人本体局部 坐标系中的位置信息.
4
基于回归神经网络的路径规划模块 （ Path planning module based on RNN）
栅格地图建立完毕后， 如何选择合适的路径规
划算法至关重要. 针对移动机器人的导航任务， 算法 需满足实时性、 有效性和路径安全性等诸方面的较 高要求. 基于回归神经网络的规划算法不啻为一种 很好的解决方案， 下面就其模型机理和两种搜索算 法进行阐述. RNN （ Recurrent NeuraI Network ） 即回归神经网 络， 其具有高度并行性和丰富的动力学特性. 针对基 于栅格地图表示的二维有界环境， RNN 网神经元与
74
［ 5］ 真实验， 表明了该方法的实用性 .
机
器
人
2005 年 3 月
ห้องสมุดไป่ตู้
机直接获取场景信息，这种方法的主要问题是视角 较小，只能获取视野有限的局部信息. 为获取大视野 场景图像，只能通过单个镜头旋转或多个普通镜头 水平组合得到全景图像， 因此系统设计复杂， 运行实 时性较差. 全景视觉技术利用光学的反射原理来扩大视觉 系统的视野. 在全景视觉系统中， 摄像器件不是直接 观看外界环境， 而是正对一面凸面镜 （ 全景取景器） ， 其一般安装在摄像器件镜头的正上方. 根据镜面反 射原理， 远处物体所发出的光线经过镜面反射后集 中通过摄像器件的镜头， 形成以机器人为圆心的一 定半径内物体的全景图像 （ 即全景视觉） . 然后便可 按照颜色范围提取图像中的感兴趣区域， 记录这些 感兴趣区域的特性 （ 如位置、 面积、 障碍物距离等） ， 以供分析使用. 因此， 只用一台摄像机就可观察到机 器人周围 360 内的全景环境， 可快速、 准确探测周围 环境信息， 同时极大减少系统设计的复杂性. 地图创建的过程如下： 首先， 视觉处理软件接受 全景视觉系统的数字图像信息后， 便进行图像处理 （ 增强、 恢复、 编码） ； 然后， 将预处理后的数据传递给 导航器的地图创建模块， 该模块采用 DIOD 算法进行 图像识别 （ 把图像分割成不同区域并进行特征抽取 和分类） ， 提取障碍物在机器人本体局部坐标系中的 位置信息； 最后， 通过坐标变换得到障碍物在全局地 图中的位置， 并转换成二值栅格地图. 3. 1 blob 算法计算障碍物的局部坐标 人在观察自然景物时会根据颜色、 纹理、 轮廓等 特征把他看到的景物粗略地分成几个较大区域，然 后再对感兴趣的区域进行仔细观察. 模仿人的这一 视觉处理过程，在图像理解时， 可对图像进行分割， 得到若干互不相交的封闭区域，然后对这些区域进 行处理. 这些互不相交的封闭区域就称为 DIOD，构成 同一 DIOD 的像素在空间上是连续的并且有相似的图
Architecture diagram Of the navigatiOn SyStem
3
基于全景视觉的地图创建 （ Environment mapping based on omni vision）
传统的视觉探测方法主要是采用常规镜头摄像
第 27 卷第 2 期
张 尧等： 一个基于全景视觉的移动机器人导航系统的设计与实现
［ 6 ~ 8］ 像特征 （ 如颜色、 纹理等） .
本文的主要工作集中在一个基于全维视觉的移 动机器人导航系统的设计与实现. 该系统具有建立 全局环境地图， 进行路径规划， 引导机器人进行导航 等功能. 其开放的结构和良好的人机界面便于软件 的扩展和系统调试， 是移动机器人导航器实用化的 重要环节. 本文首先描述导航系统的体系结构， 然后分别 从如何使用全景视觉传感器探索环境、 建立全局地 图； 基于回归神经网络的广度优先搜索和 VOrOnOi 骨 架图规划算法原理； 以及如何实现按规划路径导航 这 3 个方面进行详细阐述. 最后通过在交龙移动机 器人平台上的实验， 评估该导航系统的效能， 并对两 种规划算法进行分析、 比较和讨论.
摘 要：针对移动机器人路径规划与导航的实际应用， 设计了一个基于全景视觉的移动机器人路径规划导航 系统. 首先， 对导航系统的体系结构和功能进行描述. 然后， 分别就如何采用全景视觉传感器进行环境探索与地图创 建， 基于回归神经网络的广度优先搜索法和 Voronoi 骨架图法两种路径规划算法原理， 以及如何实现按规划路径实 结合实际机器人进行导航实验， 评估导航系统的性能和路径规划算法的 施导航这三个方面进行了详细阐述. 最后， 有效性. 关键词：全景视觉；回归神经网络；路径规划；导航 中图分类号： TP24 文献标识码： B
2
导航系统的体系结构 （ System architecture of the navigation system）
如图 l 所示， 导航系统共有 3 个核心模块： （l）
地图创建模块， 其与全景视觉传感器进行通讯， 接受 图像信息后， 便进行分析处理提取出障碍物信息， 并 在内部的全局地图上记录障碍物位置； （ 2 ）路径规 划模块， 内置基于回归神经网络的两种规划算法， 其 根据全局地图信息， 可快速寻找到一条最优或可行 路径； （ 3 ）导航模块， 其可调用路径规划模块进行离 线或在线路径规划， 然后根据路径规划模块输出的 路径节点序列， 将导航任务分解成一个顺序状态序 列， 用状态间的切换表示路径点之间的切换， 控制移 动机器人实施导航任务. 下面将 详 细 介 绍 导 航 系 统 各 模 块 的 设 计 与 实 现.
国家自然科学基金资助项目 （ 60105005 ） . 杂 基金项目： 收稿日期： 2004 - 07 - 23
模型构建、 地图抽象、 网络稳定性和路径规划完整性 等问题给出了理论分析和证明. 研究结果表明， 该方 法可以有效避免人工势场法的局部极小问题， 其环 境势场全局渐进收敛， 采用适当的搜索方法， 可以保 证快速获得优化的可达路径. 针对移动机器人的仿
图2 Fig. 2 全景视觉中的障碍物 DIoD ODstacIe DIoD in gIoDaI View
栅格一一映射. 由此， 神经元间的局部连通关系表示 栅格环境的连通性. 在本文中， 定义 RNN 网中每个神 经元与周围 8 个相邻神经元节点连接， 即构成 8 —连 通邻域. 4. 1 RNN 网动力学模型 设 Net 具有 N 个神经元； t 时刻第 i 个神经元输 ， i 的 l —邻域内神经元节点集合为 NE i ； 目 出为 x（ i t） 且仅对 C g 有外部定常输入 标点 G 对应神经元为 C g ， I > 0 . 神经元 i 状态动态方程为： '（ x i t） = Ax（ t）+ D （ T） y（ t） ，如果 i 一 C {- Ax（ t）+ D （ T） y（ t）+ I，其它
Abstract：For appiication deveiopment of path pianning and navigation technigues for mobiie robots，a navigation system based on omni vision is deveioped . Firstiy，we briefiy introduce the architecture and functionaiity of the navigation system. Secondiy，the method of environment sensing and mapping based on omni vision is proposed. Meanwhiie two path pianning aigorithms based on RNN （ recurrent neurai network）are aiso described in detaii foiiowed by the impiementation of the navigator according to the pianned path. Lastiy，the performance of navigation system and the feasibiiity of the path pianning aigorithms are evaiuated through a case study using a reai mobiie robot. Keywords：omni vision；RNN （ recurrent neurai network） ；path pianning；navigation