鄭爭光，任小洪，2，程亞軍，常政威

1.四川理工學(xué)院 自動化與信息工程學(xué)院，四川 自貢 643000

2.人工智能四川省重點實驗室，四川 自貢 643000

3.四川電力科學(xué)研究院，成都 610072

1 引言

隨著單目視覺在自主移動機(jī)器人上的廣泛應(yīng)用，對單目視覺測量和感知能力的提高，有助于提升移動機(jī)器人智能化水平。因此對單目視覺的研究和應(yīng)用不斷增多[1-12]，文獻(xiàn)[1]給出了一種基于單目視覺的避障算法，通過邊緣算子檢測圖像中的障礙物與地面交線邊緣，并提取圖像中垂線和中間水平線的邊緣像素位置，輸入自適應(yīng)的模糊推理系統(tǒng)訓(xùn)練，輸出控制機(jī)器人進(jìn)行避障；算法僅用中垂線和中間水平線的邊緣像素位置代替障礙物，信息量有限，不易規(guī)劃最優(yōu)路徑。文獻(xiàn)[2-4]中的單目視覺的移動機(jī)器人避障導(dǎo)航方法，通過圖像空間變換、邊緣檢測和坐標(biāo)變換，利用模糊邏輯得出控制參數(shù)；但它們的單目測量方法中相機(jī)安裝不夠合理，視野覆蓋到地平面以上，而地平面以上的圖像，無法通過幾何映射求取距離，不利于圖像信息的有效利用；另外其計算方法不夠精確，誤差相對較大。文獻(xiàn)[5]利用運動的單目相機(jī)中的圖像序列，進(jìn)行特征匹配，求解障礙物距離，從而實現(xiàn)避障和導(dǎo)航；然而圖像的清晰度會受到運動相機(jī)的影響，這會對機(jī)器人通過圖像特征匹配求解距離產(chǎn)生不利影響；而且圖像序列特征匹配計算量比較大。文獻(xiàn)[6]介紹了單目視覺的基本場景并改進(jìn)了的人工勢場算法，解決了傳統(tǒng)人工勢場法中目標(biāo)點不可到達(dá)的問題，但沒有給出二者結(jié)合應(yīng)用的算法。

針對以上應(yīng)用中的問題，通過改進(jìn)測距映射計算方法，提高計算精度；并通過改進(jìn)的單目測距方法繪制局部地圖，再由改進(jìn)的人工勢場法實現(xiàn)局部路徑規(guī)劃，以便讓機(jī)器人能夠在未知環(huán)境中順利到達(dá)目標(biāo)點。

2 測距與局部地圖繪建

2.1 障礙物及其輪廓檢測

假設(shè)環(huán)境約束條件[7]：（1）機(jī)器人初始位置處沒有障礙物；（2）地面平整；（3）沒有懸掛障礙物；這些假設(shè)對于普通室內(nèi)的未知環(huán)境是普遍存在的。

采集實驗室環(huán)境圖像，由于受到影響和干擾，需對圖像進(jìn)行預(yù)處理。主要涉及圖像濾波，閾值分割，開運算和閉運算，區(qū)域生長等，以實現(xiàn)未知環(huán)境中障礙物及其邊線的準(zhǔn)確提取[8]。

首先對采集的彩色圖像進(jìn)行灰度化，既不失圖像細(xì)節(jié)特征還加快了運算速度。之后對灰度圖像中值濾波，在盡量保留圖像細(xì)節(jié)特征的條件下對目標(biāo)圖像的噪聲進(jìn)行抑制。其功能是讓與周圍像素灰度差較大的像素改變，并取與周圍像素相近的值，消除孤立點；該方法既能去除脈沖噪聲和椒鹽噪聲又能保留圖像的邊緣細(xì)節(jié)。采集的彩色圖像如圖1，灰度圖像中值濾波如圖2。

圖1 原圖

圖2 灰度圖像中值濾波

在目標(biāo)灰度圖像濾波后，采用最大類間方差法進(jìn)行閾值分割，以得到環(huán)境的二值圖像。最大類間方差法是根據(jù)圖像灰度特性，計算以每個灰度值為閾值分割的類間方差，類間方差最大的分割即意味著錯分概率最小，且類間方差的最大值即為閾值，自適應(yīng)閾值分割結(jié)果如圖3所示。

圖3 自適應(yīng)閾值分割

再通過開運算和閉運算，減少地板紋理的干擾，且可以平滑目標(biāo)物邊界同時不明顯改變其面積，處理結(jié)果如圖4所示。通過選擇合適種子點對地面進(jìn)行區(qū)域生長[8]，可以減少不必要的連通區(qū)域及其邊緣線的干擾，區(qū)域生長如圖5所示。

圖4 開運算、閉運算結(jié)果

圖5 區(qū)域生長

對圖5提取邊緣，邊緣圖像中的獨立連通域代表障礙物，輪廓線的外圍和上方區(qū)域表示不可行駛區(qū)域，輪廓線內(nèi)側(cè)和下方表示可行駛區(qū)域。為了能夠方便地在地圖中表示障礙物，從邊緣曲線中提取角點，處理結(jié)果如圖6所示。這樣可以減少地圖創(chuàng)建的數(shù)據(jù)量又具有足夠的環(huán)境特征，方便進(jìn)行路徑規(guī)劃。

圖6 障礙物輪廓中的角點提取

2.2 單目視覺測距方法改進(jìn)

常用的單目視覺距離測量方法有：標(biāo)定相機(jī)對已知物體的測距[9]，基于動態(tài)單目視覺的測距[5]，相機(jī)焦距與圖像銳度關(guān)系的測距，基于空間幾何約束的單目視覺測距[10-11]。標(biāo)定的相機(jī)焦距固定，視野清晰范圍有限，且只對已知尺寸的物體有效。動態(tài)單目視覺測距依據(jù)同一特征點在兩幅圖像中成像位置的變化，結(jié)合CCD自身運動參數(shù)，可算出機(jī)器人與目標(biāo)之間的距離，但存在計算復(fù)雜，精確匹配難度大等缺點。利用相機(jī)焦距與圖像銳度關(guān)系測距，由于常用單目相機(jī)焦距很難實時求解，因此該方法還不易廣泛應(yīng)用。應(yīng)用最多的是空間幾何約束單目視覺測距方法，該方法運算量小、實時性好，但不夠精確簡潔，誤差較大。

為減小單目測距系統(tǒng)誤差和計算復(fù)雜度，實現(xiàn)圖像像素坐標(biāo)與視野平面準(zhǔn)確映射。對空間幾何約束單目視覺測距方法作如下改進(jìn)，CCD安裝如圖7所示，保證了全部視野與地平面相交，以提高圖像的應(yīng)用效率。定義b為相機(jī)安裝俯視角，且tanb=Y1/H，2a表示相機(jī)Y軸方向上的視野角，且，Y1和Y2為相機(jī)Y軸方向上的最近點和最遠(yuǎn)點，可由實驗求得。Sy為圖片Y軸方向上的像素總數(shù)，Sx為圖片X軸方向上的像素總數(shù)。目標(biāo)點P在圖像中的成像點P'的像素坐標(biāo)(PX,PY)，這樣可以由圖像坐標(biāo)直接進(jìn)行變換，不需要在圖像中重新定義坐標(biāo)原點。

圖7 單目視覺測距方法正視圖

根據(jù)相機(jī)的成像原理及Y軸方向的像素與α角的一一對應(yīng)關(guān)系，在直角ΔABP'中，∠BAP'=θ，θ隨點P'變化而變化的關(guān)系為：

上式較文獻(xiàn)[4]更精確表示了θ隨像素變化的關(guān)系，dy表示單位像素所占的實際尺寸，將式（1）比式（2）得如下關(guān)系：

Ly則是所求目標(biāo)點與機(jī)器人行駛方向上的距離。

γ是攝像機(jī)最大水平視角在地面上的投影與光軸投影的夾角（通過實驗測量可以得到），β表示OP與光軸投影OY的水平夾角，而Lx則是所求障礙物與機(jī)器人之間X軸方向的距離。

Lx為障礙物在垂直于機(jī)器人前進(jìn)方向上的距離，在圖8表示為上正下負(fù)。

圖8 單目視覺距離測量方法俯視圖

2.3 局部地圖繪建

在機(jī)器人坐標(biāo)系中，障礙物特征角點坐標(biāo)為(Lx,Ly)；為方便路徑規(guī)劃，將所有點平移至X正半軸，選擇世界坐標(biāo)系繪制了視覺場景中的二維地圖，比例尺度為1∶40（cm），局部地圖如圖9所示。

圖9 視覺場景中的地圖創(chuàng)建

3 改進(jìn)人工勢場的路徑規(guī)劃

人工勢場法的主要思想[7，12]為：在機(jī)器人所在的環(huán)境中創(chuàng)建一個目標(biāo)點引力場和障礙物斥力場共同作用的人工勢場，通過搜索勢函數(shù)的下降方向來確定可行路徑。首先在機(jī)器人的運動環(huán)境中創(chuàng)建一個人工勢場，包括兩部分：引力場，目標(biāo)點對機(jī)器人產(chǎn)生一定的引力，引力的方向指向目標(biāo)點，nrg表示其單位矢量；斥力場，室內(nèi)障礙物對機(jī)器人產(chǎn)生一定的斥力，斥力指向遠(yuǎn)離障礙物方向，nor表示其單位矢量。機(jī)器人通過這種合力來控制運動，沿著合成的人工勢場力方向，避開障礙物，直至運動到目標(biāo)點。它既可用于環(huán)境己知的全局路徑規(guī)劃，也可用于環(huán)境未知的局部路徑規(guī)劃。與柵格法相比，它不需要對環(huán)境進(jìn)行復(fù)雜的建模，在簡單的直角坐標(biāo)系下就可應(yīng)用。其不足在于存在局部最優(yōu)解，因而可能使移動機(jī)器人在到達(dá)目標(biāo)點之前就停留在局部最優(yōu)點。

把移動機(jī)器人簡化為一定比例的圓圈，它的運動空間為二維的。機(jī)器人在運動空間中任意位置t=[x,y]T，目標(biāo)位置tg=[xg,yg]T。機(jī)器人的移動方向由障礙物的斥力場和目標(biāo)點的引力場共同合成的總場強(qiáng)的方向指定。其中引力勢場函數(shù)為：

該力隨機(jī)器人趨近目標(biāo)而呈線性趨近于零。經(jīng)常使用的斥力場函數(shù)：

α為斥力增益系數(shù)，Φo為障礙物表面的斥力的影響距離，to為距離機(jī)器人最近的障礙物的坐標(biāo)，Φ( )t,to為當(dāng)前機(jī)器人位置t到障礙物表面最近的距離。

根據(jù)存在的問題，對人工勢場法中的斥力場函數(shù)進(jìn)行改進(jìn)[13-15]，當(dāng)機(jī)器人接近目的地附近時，引力場的引力變得越來越小，若目標(biāo)物附近存在障礙物，人工勢場中目標(biāo)附近的斥力增大，不利于機(jī)器人達(dá)到目標(biāo)處。對斥力進(jìn)行改進(jìn)，人工勢場斥力函數(shù)表達(dá)式為：

即使目標(biāo)在障礙物的斥力影響范圍內(nèi)，能夠根據(jù)機(jī)器人相對障礙物和目標(biāo)的距離，使斥力隨機(jī)器人到目標(biāo)的距離而減小，使機(jī)器人可以到達(dá)目標(biāo)處，斥力分量fr1和fr2的大小表示如下。

人工勢場三維示意圖如圖10。

圖10 人工勢場三維示意圖

通過MATLAB仿真實驗，證明這種方法可以解決機(jī)器人最終目標(biāo)路徑規(guī)劃問題。假設(shè)機(jī)器人在地圖中的坐標(biāo)，起始點（4.3，0），目標(biāo)點（5.5，7）；引力增益系數(shù)ξ=25，斥力增益系數(shù)α=6，實際的斥力影響半徑Φo=0.2 m，規(guī)劃路徑距離：D=2.92 m，如圖11。

圖11 局部路徑規(guī)劃

4 結(jié)束語

通過對室內(nèi)未知環(huán)境特征分析，實現(xiàn)了障礙物及其輪廓的檢測，應(yīng)用改進(jìn)的距離測量方法繪建局部地圖，及改進(jìn)的人工勢場路徑規(guī)劃算法規(guī)劃路徑。通過仿真實驗證明，該算法可以用于單目移動機(jī)器人在室內(nèi)未知靜態(tài)環(huán)境下的局部路徑規(guī)劃。但算法并不能對環(huán)境中動態(tài)障礙物位置進(jìn)行精確預(yù)測，且障礙物的上部輪廓同樣會被映射到地圖中，被機(jī)器人誤認(rèn)為存在障礙物，對路徑規(guī)劃產(chǎn)生一定影響。為進(jìn)一步完善算法，將會繼續(xù)研究和分析障礙物特征，以便應(yīng)用于全局地圖繪建和導(dǎo)航。

[1]Mon Y J.Vision-based obstacle avoidance controller design for mobile robot by using single camera[J].International Journal of Computer Science Issues，2013.

[2]李慶，鄭力新，潘書萬，等.使用單目視覺的移動機(jī)器人導(dǎo)航方法[J].計算機(jī)工程與應(yīng)用，2017，53（4）：223-227.

[3]王偉，熊慶宇，王楷.面向室內(nèi)未知環(huán)境的無障礙物區(qū)域單目視覺檢測算法研究[C]//中國電子學(xué)會、中國振動工程學(xué)會.2010振動與噪聲測試峰會論文集，2010：5.

[4]戰(zhàn)強(qiáng)，吳佳.未知環(huán)境下移動機(jī)器人單目視覺導(dǎo)航算法[J].北京航空航天大學(xué)學(xué)報，2008，34（6）：613-617.

[5]Lee T J L，Yi D H，Cho D I.A monocular vision sensorbased obstacle detection algorithm for autonomous robots[J].Sensors，2016，16（3）：311.

[6]陳祥章.基于單目視覺的機(jī)器人人工勢場法路徑規(guī)劃研究[J].南京師大學(xué)報：自然科學(xué)版，2014，37（1）：61-65.

[7]Siegwart R，Nourbakhsh I R.自主移動機(jī)器人導(dǎo)論[M].2版.李人厚，宋青松，譯.西安：西安交通大學(xué)出版社，2013.

[8]陳易婷.基于單目視覺的移動智能機(jī)器人的導(dǎo)航定位技術(shù)的研究和應(yīng)用[D].成都：電子科技大學(xué)，2016.

[9]林劍冰，蘇成悅，鄭俊波，等.機(jī)器視覺導(dǎo)引的室內(nèi)自動運輸車定位系統(tǒng)[J].機(jī)械科學(xué)與技術(shù)，2015，34（11）：1675-1681.

[10]李惠光，李金超，李國友，等.雙向型單目視覺自動導(dǎo)引車路徑識別及測量[J].計算機(jī)工程與應(yīng)用，2015，51（8）：260-265.

[11]吳剛，唐振民.單目式自主機(jī)器人視覺導(dǎo)航中的測距研究[J].機(jī)器人，2010，32（6）：828-832.

[12]單寶明，周培培.基于改進(jìn)人工勢場法的機(jī)器人路徑規(guī)劃研究[J].信息技術(shù)，2014（1）：170-173.

[13]王超，朱大奇.基于人工勢場與速度合成的AUV路徑規(guī)劃[J].控制工程，2015，22（3）：418-424.

[14]Luo Nengqiang，Liu Li，Gong Dongying，et al.Study on robot path planning based on an improved artificial potential field method[J].通訊和計算機(jī)：中英文版，2013（10）：1360-1363.

[15]Ni Tianwei，Jiang Hong，Lin Jinzhu，et al.An anti-collision path planning algorithm based on improved artificial potential field method for mobile robot[J].Journal of Changzhou University：Natural Science Edition，2016（5）.