郭壯+曹冬梅+童一飛

摘 要： 為達(dá)到對(duì)運(yùn)動(dòng)磁環(huán)快速準(zhǔn)確的追蹤，實(shí)現(xiàn)機(jī)械手實(shí)時(shí)分揀抓取，分析了運(yùn)動(dòng)目標(biāo)檢測(cè)算法，基于磁環(huán)運(yùn)動(dòng)建立卡爾曼濾波狀態(tài)估計(jì)模型，對(duì)于連續(xù)采集圖像序列利用卡爾曼濾波背景估計(jì)檢測(cè)算法來(lái)確定感興趣區(qū)域，經(jīng)Halcon圖像處理，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)監(jiān)測(cè)追蹤。仿真對(duì)比驗(yàn)證了卡爾曼濾波能避免背景、光照擾動(dòng)問(wèn)題，準(zhǔn)確地估計(jì)背景提取前景，不會(huì)對(duì)運(yùn)動(dòng)物體出現(xiàn)漏檢情況，系統(tǒng)可靠性高、適用性強(qiáng)，為運(yùn)動(dòng)物體實(shí)時(shí)追蹤提供了理論依據(jù)。

關(guān)鍵詞： 運(yùn)動(dòng)磁環(huán)； 卡爾曼濾波； 背景估計(jì)； Halcon； 追蹤監(jiān)測(cè)

中圖分類號(hào)： TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）15?0014?03

Abstract： In order to track the moving magnet ring quickly and precisely， and realize the real?time sorting and scratching of manipulator， the moving object detection algorithm is analyzed. On the basis of the magnet ring motion， a state estimation model of Kalman filtering was established. The background estimation detection algorithm of Kalman filtering is used to determine the region of interest of the image sequence acquired continuously. The image sequence is performed with image processing based on Halcon to realize the real?time monitoring and tracking of the moving object. The simulation contrastive verification results show that the Kalman filtering can avoid the problems of background and illumination disturbances， estimate the background and extract the foreground precisely， won′t appear the situation of missed detection moving objects， and the system has high stability and strong applicability， which provides a theoretical basis for the real?time tracking of moving objects.

Keywords： moving magnet ring； Kalman filtering； background estimation； Halcon； tracking and monitoring

0 引 言

運(yùn)動(dòng)目標(biāo)的追蹤是利用信號(hào)和信息處理技術(shù)，綜合目標(biāo)的前一狀態(tài)估計(jì)信息和傳感器提供的在線測(cè)量信息對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)估計(jì)的過(guò)程。廣泛應(yīng)用于機(jī)器人視覺(jué)導(dǎo)航、公共場(chǎng)所安全監(jiān)控、智能交通監(jiān)測(cè)、軍事制導(dǎo)與反導(dǎo)等領(lǐng)域，因此，受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，促使運(yùn)動(dòng)目標(biāo)追蹤算法不斷發(fā)展與完善[1]。

經(jīng)過(guò)50多年的發(fā)展，運(yùn)動(dòng)目標(biāo)追蹤技術(shù)從原來(lái)的單目標(biāo)追蹤、多目標(biāo)追蹤，發(fā)展到機(jī)動(dòng)目標(biāo)追蹤及群目標(biāo)追蹤。目標(biāo)追蹤的難點(diǎn)在于模型的不確定性和量測(cè)數(shù)據(jù)的不確定性，對(duì)此，產(chǎn)生了大量的理論和技術(shù)，其中有非線性濾波理論、狀態(tài)估計(jì)及融合理論、混雜系統(tǒng)建模及估計(jì)理論、基于隨機(jī)矩陣的建模及估計(jì)理論等。早期的目標(biāo)追蹤算法大都是基于模型進(jìn)行狀態(tài)估計(jì)，卡爾曼濾波器的出現(xiàn)，使得基于狀態(tài)空間的運(yùn)動(dòng)目標(biāo)建模成為主要研究方向。新飛行器和新傳感器等運(yùn)動(dòng)也賦予目標(biāo)追蹤難點(diǎn)以新的內(nèi)涵，促使目標(biāo)追蹤理論不斷發(fā)展、完善。

1 運(yùn)動(dòng)目標(biāo)追蹤原理

1.1 運(yùn)動(dòng)目標(biāo)檢測(cè)算法原理

本文研究視覺(jué)伺服機(jī)器人動(dòng)態(tài)目標(biāo)抓取系統(tǒng)中，機(jī)械手抓取傳送帶上的運(yùn)動(dòng)磁環(huán)，分析、處理采集到的視頻圖像，需要在一段序列圖像中的每幅圖像中實(shí)時(shí)地找到運(yùn)動(dòng)目標(biāo)，從而對(duì)物體進(jìn)行追蹤定位。攝像機(jī)相對(duì)機(jī)械手的安裝位置不同，使得運(yùn)動(dòng)目標(biāo)追蹤存在靜態(tài)背景和動(dòng)態(tài)背景兩種情況[2]。

背景差分法是運(yùn)動(dòng)目標(biāo)常用的檢測(cè)算法，其主要原理是利用當(dāng)前幀測(cè)得的圖像減去上一時(shí)刻更新背景圖像來(lái)檢測(cè)運(yùn)動(dòng)物體的一種技術(shù)?？柭鼮V波背景模型的建立是整個(gè)算法的核心，將當(dāng)前測(cè)得的圖像與背景模型做差，得到的像素差值與設(shè)定值比較，當(dāng)像素差值大于設(shè)定值，則將此像素劃為運(yùn)動(dòng)目標(biāo)，否則劃為背景[3]。

1.2 卡爾曼濾波狀態(tài)估計(jì)模型

運(yùn)動(dòng)目標(biāo)追蹤算法主要有維納濾波和卡爾曼濾波。維納濾波要求被處理信號(hào)必須是穩(wěn)定、一維的，是基于頻域設(shè)計(jì)的方法，適用范圍極其有限?？柭鼮V波基于時(shí)域，是離散時(shí)間狀態(tài)空間線性系統(tǒng)模型下的最小均方誤差估計(jì)，是一種常用的遞歸濾波處理方法。利用前一時(shí)刻前景圖像的估計(jì)值和當(dāng)前時(shí)刻量測(cè)數(shù)據(jù)來(lái)估計(jì)當(dāng)前前景信號(hào)，其優(yōu)點(diǎn)是不需要過(guò)去全部的觀測(cè)數(shù)據(jù)，在時(shí)域上通過(guò)狀態(tài)方程以估計(jì)—實(shí)測(cè)—修正的遞推方法進(jìn)行估計(jì)，利用系統(tǒng)的測(cè)量值來(lái)消除隨機(jī)干擾，重構(gòu)系統(tǒng)狀態(tài)向量，所得解以估計(jì)值的形式給出，恢復(fù)被污染系統(tǒng)的本來(lái)面目[4]。

本研究系統(tǒng)以運(yùn)動(dòng)磁環(huán)的坐標(biāo)和速度建立運(yùn)動(dòng)推算關(guān)系[5]，因?yàn)榇怒h(huán)在傳送帶上勻速運(yùn)動(dòng)，所以運(yùn)動(dòng)軌跡關(guān)系式為：

用于估計(jì)離散時(shí)間過(guò)程的向前推算狀態(tài)變量：

式中：表示時(shí)刻的系統(tǒng)預(yù)測(cè)狀態(tài)變量，為一估計(jì)值；表示時(shí)刻系統(tǒng)狀態(tài)變量；表示該系統(tǒng)狀態(tài)轉(zhuǎn)移矩陣，其值決定前景、背景增益大?。槐硎鞠到y(tǒng)輸入矩陣；隨機(jī)信號(hào)表示觀測(cè)噪聲。本系統(tǒng)中，由一個(gè)四維向量構(gòu)成，分別表示運(yùn)動(dòng)磁環(huán)在二維平面軸上的位置和速度。

向前推算誤差協(xié)方差：

式中：為時(shí)刻的更新誤差協(xié)方差矩陣；為單位矩陣。

矩陣根據(jù)運(yùn)動(dòng)物體軌跡推算關(guān)系確定，根據(jù)外部觀測(cè)向量和狀態(tài)向量之間的關(guān)系確定：

卡爾曼濾波運(yùn)用反饋控制的方式達(dá)到對(duì)磁環(huán)運(yùn)動(dòng)的準(zhǔn)確估計(jì)，主要包含時(shí)間更新方程和測(cè)量更新方程兩個(gè)方面[6]，時(shí)間更新屬于預(yù)測(cè)部分，測(cè)量更新屬于修正部分，工作原理如圖1所示。

2 運(yùn)動(dòng)目標(biāo)追蹤仿真

2.1 目標(biāo)追蹤關(guān)鍵算子

Halcon是MVtec公司推出的一款專用數(shù)字圖像處理軟件，是一個(gè)機(jī)器視覺(jué)算法包集合，內(nèi)含1 000多個(gè)獨(dú)立算子，以及自己獨(dú)特的底層數(shù)據(jù)結(jié)構(gòu)。HDevelop是Halcon高級(jí)交互式編譯環(huán)境，軟件可以支持導(dǎo)出VB，C，C#，C++等多種編程語(yǔ)言，進(jìn)行混合編程并設(shè)計(jì)良好的用戶界面，同時(shí)為多種圖像采集卡和工業(yè)相機(jī)提供接口，節(jié)約了成本，縮短了開發(fā)周期[7]。內(nèi)含專用運(yùn)動(dòng)目標(biāo)追蹤算子，見(jiàn)表1。

2.2 目標(biāo)追蹤仿真

對(duì)運(yùn)動(dòng)磁環(huán)檢測(cè)及追蹤流程如圖2所示。其中，圖像縮小為原來(lái)的一半，可提高計(jì)算速度，節(jié)省程序運(yùn)行時(shí)間，保證監(jiān)測(cè)追蹤的實(shí)時(shí)性，與監(jiān)控區(qū)域求交集時(shí)，要恢復(fù)圖像原本大?。粓D像連通以后，通過(guò)面積特征選擇目標(biāo)區(qū)域。

創(chuàng)建和初始化背景估計(jì)模型時(shí)，卡爾曼系統(tǒng)矩陣參數(shù)Syspar1和Syspar2設(shè)置為0.7；AdaptMode設(shè)置為on，表示采用自適應(yīng)卡爾曼增益方式打開；Gain1表示前景增益，Gain2表示背景增益，兩者數(shù)量級(jí)要有明顯區(qū)別，且都要小于1，分別設(shè)置為0.002和0.02；前景和背景的閾值MinDiff設(shè)置為7，加上估計(jì)值偏差，用于提取前景區(qū)域；根據(jù)前6幀該像素值的統(tǒng)計(jì)學(xué)評(píng)價(jià)對(duì)每個(gè)像素增加一個(gè)偏移量到閾值；分布將決定當(dāng)背景被前景遮擋且判為前景時(shí)，背景的置信區(qū)間ConfidenceC設(shè)置為2.82，即98.0%；常數(shù)衰減時(shí)間TimerC表示用于檢測(cè)背景與前景光照變化大時(shí)計(jì)算閾值所用的時(shí)間，這使得在前景中檢測(cè)到磁環(huán)運(yùn)動(dòng)區(qū)域的閾值會(huì)增大，因此能承受的光照強(qiáng)度變化范圍也比較大。圖3為在Halcon平臺(tái)上對(duì)運(yùn)動(dòng)磁環(huán)的追蹤圖。

本文研究系統(tǒng)中，利用卡爾曼濾波可以根據(jù)磁環(huán)時(shí)刻的運(yùn)動(dòng)狀況和位置信息，預(yù)測(cè)時(shí)刻的運(yùn)動(dòng)狀況和位置信息，綜合時(shí)刻測(cè)量值，可以確定時(shí)刻磁環(huán)出現(xiàn)的范圍，以此范圍位置的中心圈定一個(gè)矩形，后續(xù)圖像處理時(shí)只需要對(duì)矩形區(qū)域內(nèi)的圖像進(jìn)行處理，不僅可以節(jié)省處理時(shí)間，并且可以降低磁環(huán)識(shí)別的錯(cuò)誤率。

2.3 算法比較

相比于另一種目標(biāo)在線追蹤方法：模板匹配，它是在圖像中尋找和模板圖像相似的區(qū)域，在時(shí)刻尋找運(yùn)動(dòng)目標(biāo)時(shí)，需要與時(shí)刻找到的目標(biāo)進(jìn)行對(duì)比，只有這樣，運(yùn)動(dòng)磁環(huán)的變化才能及時(shí)的更新。主要有基于灰度值的模板匹配、基于邊緣的模板匹配、基于形狀的模板匹配?；诨叶戎档哪０迤ヅ?，通過(guò)計(jì)算當(dāng)前測(cè)得圖像與模板圖像灰度值的相似度來(lái)實(shí)現(xiàn)，缺點(diǎn)是受光照影響比較大，抗干擾性不強(qiáng)；基于邊緣的模板匹配由于要進(jìn)行邊緣提取，只適用于光照變化非常小的情況；基于形狀的模板匹配需要建立模板，當(dāng)檢測(cè)目標(biāo)更換時(shí)，需要重新定義模板，費(fèi)時(shí)費(fèi)力[8?9]。

卡爾曼濾波中參數(shù)TimerC使得在前景中檢測(cè)到運(yùn)動(dòng)目標(biāo)的區(qū)域閾值會(huì)提高，能承受很大的光照強(qiáng)度變化，且不需要定義模板，不會(huì)出現(xiàn)跟蹤漂移，由于卡爾曼濾波縮小了檢測(cè)區(qū)域，相比于對(duì)整幅圖像進(jìn)行模板匹配，計(jì)算處理時(shí)間減少，所以實(shí)時(shí)性比較強(qiáng)。

3 應(yīng)用分析

本文研究系統(tǒng)主要應(yīng)用在磁環(huán)生產(chǎn)線上，對(duì)磁環(huán)進(jìn)行裝箱。隨著機(jī)器人技術(shù)和機(jī)器視覺(jué)的發(fā)展，越來(lái)越多的生產(chǎn)線開始使用機(jī)器視覺(jué)和機(jī)械手配合，代替?zhèn)鹘y(tǒng)的手工作業(yè)。工控機(jī)處理確定運(yùn)動(dòng)目標(biāo)質(zhì)心之后，通過(guò)攝像機(jī)標(biāo)定、手眼標(biāo)定，完成攝像機(jī)坐標(biāo)、圖像坐標(biāo)、世界坐標(biāo)之間的坐標(biāo)轉(zhuǎn)換關(guān)系，利用標(biāo)定、轉(zhuǎn)換結(jié)果可以計(jì)算出目標(biāo)物體的空間位置[10]。本系統(tǒng)采用EPSON的LS3系列SCARA機(jī)器人，上位機(jī)和機(jī)器人控制器之間采用以太網(wǎng)通信方式，上位機(jī)將Halcon與VC++混合編程得到的運(yùn)動(dòng)目標(biāo)坐標(biāo)以字符串的形式發(fā)出，控制器通過(guò)預(yù)先編譯的接收程序接收坐標(biāo)，讀取機(jī)器人當(dāng)前位姿，計(jì)算機(jī)器人四軸需要運(yùn)動(dòng)到的位置，轉(zhuǎn)換為各關(guān)節(jié)運(yùn)動(dòng)，使機(jī)械手到達(dá)期望位置。

4 結(jié) 語(yǔ)

本文針對(duì)工廠生產(chǎn)線上磁環(huán)裝箱問(wèn)題，提出了卡爾曼濾波的背景估計(jì)檢測(cè)算法，能解決背景擾動(dòng)問(wèn)題，準(zhǔn)確估計(jì)背景提取運(yùn)動(dòng)磁環(huán)位置，不會(huì)對(duì)磁環(huán)出現(xiàn)漏檢情況，為運(yùn)動(dòng)物體追蹤監(jiān)測(cè)提供了理論依據(jù)。借助于專業(yè)視覺(jué)平臺(tái)軟件Halcon，可快速實(shí)現(xiàn)卡爾曼濾波算法的仿真優(yōu)化，并能與Visual C++實(shí)現(xiàn)混合編程，開發(fā)出用戶界面良好的運(yùn)動(dòng)磁環(huán)追蹤系統(tǒng)實(shí)時(shí)監(jiān)測(cè)軟件。通過(guò)控制機(jī)械手運(yùn)動(dòng)，達(dá)到對(duì)運(yùn)動(dòng)磁環(huán)的實(shí)時(shí)、準(zhǔn)確抓取，對(duì)于提高磁環(huán)裝箱生產(chǎn)線效率具有重要意義。

參考文獻(xiàn)

[1] 劉妹琴，蘭劍.目標(biāo)跟蹤前沿理論與應(yīng)用[M].北京：科學(xué)出版社，2015.

[2] 徐德，譚民，李原.機(jī)器人視覺(jué)測(cè)量與控制[M].北京：國(guó)防工業(yè)出版社，2016.

[3] 馮志新.卡爾曼濾波在主動(dòng)懸架中的仿真應(yīng)用[J].煤礦機(jī)械，2013，34（10）：68?69.

[4] 劉松，侯力，張建權(quán)，等.基于卡爾曼濾波的液壓伺服系統(tǒng)PID控制[J].煤礦機(jī)械，2011，32（2）：208?210.

[5] 文韜，洪添勝，李立君，等.基于卡爾曼濾波的橘小實(shí)蠅成蟲運(yùn)動(dòng)軌跡優(yōu)化跟蹤[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30（15）：197?205.

[6] 孫明.數(shù)字圖像理解與智能技術(shù)[M].北京：電子工業(yè)出版社，2015.

[7] 邱新華，謝云.卡爾曼濾波的安瓿針劑雜質(zhì)檢測(cè)算法研究[J].計(jì)算機(jī)仿真，2014，31（1）：220?223.

[8] 陶鵬.基于視覺(jué)的機(jī)器人障礙物識(shí)別與目標(biāo)追蹤[D].南京：南京師范大學(xué)，2013.

[9] 張正濤，徐德.基于智能攝像機(jī)的高速視覺(jué)系統(tǒng)機(jī)器目標(biāo)跟蹤算法研究[J].機(jī)器人，2009，31（3）：229?334.

[10] 孫新領(lǐng)，譚志偉，楊觀賜.雙目立體視覺(jué)在人形機(jī)器人三維重建中的應(yīng)用[J].現(xiàn)代電子技術(shù)，2016，39（8）：80?84.