浅谈移动机器人视觉识别定位技术

浅谈移动机器人视觉识别定位技术
姓名：杜翼班级：机设应08-01 学号：2008543000
摘要：视觉识别定位技术是移动机器人最重要的技术之一，针
对移动机器人所处的不确定环境和自身状态的不可测性，研究与开发机器人视觉识别定位技术应用而生。

本文系统综述了移动机器人的视觉识别定位技术，对其中的仿人视觉的图像搜索与跟踪，信标匹配与优化选择
，基于视觉的多机器人协作定位等进行了较详细的原理分析。

同时对智能机器人
导航技术的发展趋势和存在的问题作了进一步的阐述．
关键词：定位技术智能机器人仿真分析需求
0 引言
定位技术是自主导航智能机器人
应具备的基本功能．是智能机器人能否实现自由导航的
基础。

理想的智能机器人应具有以下能力：当处于一个
未知的、复杂的、动态的非结构环境中，并且在没有人
干预的情况下，通过感知环境，能够到达期望的目的
地，同时应尽量减少时间或能量的消耗等。

视觉定位方法是近年来发展起来的一种先进的
定位方法. 利用摄像机摄取包含信标的图像信息, 经
图像处理提取并识别信标, 再根据信标的先验知识,
计算出传感器在环境中的位姿. 当传感器与载体的
位置关系已知时, 则载体在这个环境中的位置和方
向就可以同时计算出来. 如果这种位姿数据可以实
时在线计算, 就满足了移动状态下的自主定位.
1视觉定位识别系统与方法
机器人视觉系统正如人的眼睛一样, 是机器人感知局部环境的重要“器官”, 同时依此感知
的环境信息实现对机器人的导航. 机器人视觉信息主要指二维彩色CCD 摄像机信息, 在有些
系统中还包括三维激光雷达采集的信息。

图像
处理, 其难点在于如何保证定位系统设计功能实现
的前提下具有实时性和鲁棒性. 根据三角定位原理,
视觉信息定位导航要求视觉图像处理能够正确快速
的提取和识别图像中的信标。

视觉图像处理方法的优劣是能
否实现快速准确视觉定位计算的关键.
1.1仿人视觉的图像搜索与跟踪
人类的视觉系统在进行目标搜索和跟踪时, 具有这样一个
特性:初始阶段, 人眼对所能看见的范围进行大致的目标搜索和
识别, 然后将注意力集中到感兴趣物体的细节上, 当人所感兴趣
的目标发生运动时, 人眼注意力将完全集中到目标上, 对于目标
之外的物体, 并不注意。

因此考虑模拟人类视觉过程来运用遗传算法, 在实时动态图像中进行目标搜索和跟踪。

在机器人视觉系统对现场实时图像采样过程中, 每取
一帧图像只进行一代遗传算法搜索。

当然, 这一代搜索在初期
时, 很难正确地识别目标的位置和状态, 但是若以系统整个控
制进程作为种群进化过程来看, 随着视觉跟踪的连续进行, 整
个种群将逐步收敛到目标位置。

另一方面和上面的“一帧图像一代遗传算法搜索”相配合, 将遗传算法搜索范围进行分级。

这样做的主要原因是: 随着遗传算
法搜索的进行, 当匹配模板逐渐靠近实际目标区域时, 适应度
函数值将逐渐增大, 它的增大表示离正确的目标位置越来越
近, 此时可将搜索区域进行缩小, 只对系统感兴趣的区域进行
搜索, 对其它区域可以不再进行任何操作, 这一点和人的视觉
跟踪过程非常相似。

目前视觉信息处理的内容主要包括:
视觉信息的压缩和滤波、道路检测和障碍物检测、特定交通道路标志的识别、三维信息感知与
处理. 其中道路检测和障碍物检测是视觉信息处理中最重要的过程, 也是最困难的过程. 视觉
信息的获取是局部路径规划和导航的基础, 道路检测的成功与否决定了机器人能否正确识别
当前的道路环境, 能否正确作出局部路径规划并执行路径跟踪. 为了简化视觉信息处理, 降低
开发难度, 通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境. 结构
化道路的检测相对来说较易实现, 其检测技术一般都以边缘检测为基础, 辅以Hough 变换、模
式匹配等, 并利用最小二乘法处理对应于道路边界的线条, 得出道路的几何描述. 由于非结构
化道路的环境复杂、特征描述困难, 使得非结构化道路的检测及信息处理复杂化. 目前对非结
构化道路的检测主要采用三种方法: 边缘抽取法、阈值法和分类法.
1.2信标匹配与优化选择
路标匹配就是把识别的图像信标与实际环境中
的路标建立一一对应关系的过程. 由于图像路标相
对于传感器的方位角与实际一致, 所以我们采用角
度匹配的方法来进行路标的匹配.
由于视觉定位采用观测角定位, 属于不精确定
位. 其定位精度不仅取决于信标位置和测角精度, 更
大程度上取决于使用信标的分布和数量. 如果使用
信标分布不当, 很小的测量误差就会导致很大的位
姿(包括位置和方向)计算误差. 所以, 为提高定位精
度, 必须对测得的路标做优化选择.
当机器人上的定位传感器在随载体运动时, 各信标的观测
角在不断变化. 如果存在冗余, 则参加定位计算的路
标组合也在不断的变化. 信标组合切换时, 受绝对误
差影响, 定位结果可能是不连续的. 在冗余情况下,
通过优化组合, 可以减小使用信标变化时定位计算
产生的过大跳变. 常用的信标选择原则是, 当
识别信标冗余时, 使用4 个信标按上述优化原则组
合, 参加定位计算. 当识别信标≤4 时, 按存在的4 个
或3 个信标直接进行定位计算.
1.3基于视觉的多机器人协作定位
基于视觉的
多机器人协作物体定位立足于分布式传感器信息共
享的机制上,该机制通过融合不同机器人的观测信
息为单个机器人提供了大量的环境冗余信息,从而
提高了机器人对即时环境的感知能力。

协作过程包
含机器人间的无线通讯和数据融合。

通讯可用广播
或点对点的形式,即机器人获得环境信息后发送数
据给同伴,以更新队友构建的环境状态;也可设立服
务器负责接受和融合全队感知的环境数据,并将结
果返回给机器人,各机器人再根据自身需要更新其
构建的环境状态。

PIN-
HEIRO用分配给观测
值的时标来衡量观测概率模型之间的马氏距离
(Mahalanobis distance) ,结合贝叶斯原理融合多个观
测状态来更新物体位置的概率分布[21 ]。

Fox等应用基于样本的马尔可夫定位方法,提出了
多机器人协同定位的一种统计算法。

; Martinelli 利
用一个集中式的Kalman 滤波器融合机器人群的相
对观测信息,同时定位机器人群中的每个成员。

王玲等研究了具有不同观测能力的机器人群在未知
环境中进行合作定位的方法,在只有一个机器人具
有全局定位手段的条件下,机器人群分别利用相对方位和相对距离观测量, 结合粒子滤波器与Kalman
滤波器的优势,各自进行着自身的位置估计。

2移动机器人视觉导航技术展望
随着计算机技术、传感技术、控制技术、材料技
术的发展，特别是网络技术和图像信息处理技术的
迅猛发展，自主式移动机器人智能导航的研究已取得了丰硕的研究成果，其应用领域不断扩大，应用的
复杂程度也越来越高，因此对移动机器人导航及其
相关技术提出了许多新的要求．视觉导航具有探测范围广、目标
信息完整等
优点，仍是今后导航技术的主要发展方向．视觉导航
技术已取得了很多研究成果，但由于现有计算设备
的运算速度和存储容量的限制，其中的图像处理速
度慢始终没有得到很好解决，相信随着计算机技术
的发展以及对静态和动态图像信息的处理方法研究
的深入，这一问题最终将得到解决．
3结语
总之，移动机器人视觉识别定位技术涉及到传感器技术，电子技术，
计算机技术，控制技术以及人工智能技术等多学科多
种技术。

尽管移动机器人取得了令人鼓舞的可喜成
果，但是所述的视觉定位系统和方法在一般场合下, 仍存在稳
定性和鲁棒性问题, 还有待于进一步研究改进.。

参考文献
{1}张凯良，基于机器视觉的关节机器人的研究，农机化研究，2010/01
{2}毛慧珍，中型组足球机器人全向视觉定位技术，信息技术，2009/01
{3}高业坤，分布式视觉机器人导航中的定位算法研究，电脑知识与技术2008,
{4}张志伟，对弈机器人的视觉图像处理和识别，计算机应用与软件2008/02
{5}张晓晖，仿人视觉过程的机器人视觉伺服系统研究，计算机工程与应用2007,
{6}徐国保，智能移动机器人技术现状及展望，机器人技术与应用2007/02
{7}魏芳，用于移动机器人的视觉全局定位系统研究，机器人2001/05
{8}欧青立，室外智能移动机器人的发展及其关键技术研究，机器人2000/06
{9}戚芳，简便高精度的机器人手眼视觉标定方法，传感器与微系。