（信号与信息处理专业论文）室内移动机器人视觉导航方法研究.pdf

。毫“一； 学位论文主要创新点 一、本文针对室内工作环境的特点，把视觉传感器安装在室内的天花板上， 实时获取整个房间的俯视图像，提出一种室内移动机器人视觉导航方法。 二、在假定拍摄的室内俯视图像中地面区域所占比例最大前提下，提出一种 基于聚类算法的地面区域自适应分割方法，利用栅格法为机器人建立了导航地 图，并研究了基于栅格法的路径规划算法。 摘要 随着科学技术的飞速发展，室内移动机器人的自动化和智能化程度也在不断 的提高。导航技术作为移动机器人的核心技术之一对系统的移动性、工作效率以 及实用性都具有十分重要的作用。视觉导航以其引导柔性，信息量大等优点，已 成为一个主要的导航技术发展方向。 为了能给内室移动机器人提供更多的导航选择，本文针对室内工作环境的特 点，设计了一种把视觉传感器固定到房间天花板上的室内机器人视觉导航方法。 首先介绍了该导航方法的基本原理，并分析了该视觉导航方法的特点。在假设室 内俯视图像中地面区域所占比例最大的前提下，提出了基于聚类算法的地面区域 自适应分割算法，同时研究了消除图像中阴影影响的方法。并通过实验对算法的 性能进行了分析。在得到室内地面图像的分割结果以后，使用栅格法为机器人建 立了室内导航地图。然后，结合本导航方法的特点，提出了一种路径规划算法。 该算法在已知起始点和终止点的情况下，可以自动生成最短的行走路径，同时能 够保证机器人在行走过程中自动避让障碍物区域。并通过仿真实验证明该路径规 划算法可以适用于从简单到复杂，从单个到若干个障碍物同时出现的各种情况。 为了实时跟踪机器人的位置，论文还研究了适用于本导航方法的目标跟踪算法。 最后论文完成了采用该导航方法的室内机器人原型系统的设计方法，并实现了导 航系统的无线指令通信模块，通过实验确定了无线指令通信模块在实际工作环境 中的有效通信距离。实验结果也表明，该无线指令通信模块可以实时完成控制指 令的收发功能。 关键词：视觉导航，导航地图，跟踪算法，路径规划，无线指令 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g y , t h ei n d o o rm o b i l er o b o t i st r e n dt ob em o r ea u t o m a t i ca n di n t e l l i g e n t t h en a v i g a t i o nt e c h n o l o g yo fi n d o o r m o b i l er o b o tp l a y sav e r yi m p o r t a n tp a r ti nt h ew h o l ep e r f o r m a n c eo ft h em o b i l e r o b o t a sa ni m p o r t a n tw a yo fn a v i g a t i o n ，i ta f f e c tt h em o b i l i t y a n dw o r k i n g e f f i c i e n c yo ft h em o b i l er o b o td i r e c t l y t h ev i s i o n - b a s e dn a v i g a t i o nt e c h n o l o g yw i t h g u i d i n gf l e x i b i l i t ya n de n o r m o u si n f o r m a t i o nh a sb e c a m ea ni m p o r t a n td e v e l o p m e n t d i r e c t i o no fn a v i g a t i o nt e c h n o l o g y i no r d e rt op r o v i d em o r en a v i g a t i o nw a y sf o rt h ei n d o o rm o b i l er o b o t w ed e s i g n av i s i o n - b a s e dn a v i g a t i o ns y s t e mw h i c hh a st oi n s t a l lt h ev i s u a ls e n o ro nt h ec e i l i n g t h eb a s i ct h e o r yo ft h i sd e s i g nw a sf i r s ti n t r o d u c e da n da n a l y z e d i nt h er e q u i s i t e c o n d i t i o n st h a tt h eg r o u n ds u r f a c ef o r mt h el a r g e s tp r o p o r t i o no ft h ei n d o o rs u r f a c e ，a s e l f - a d a p t i v eg r o u n ds u r f a c es e g m e n ta l g o r i t h mw a sp r e s e n t e dw h i c hb a s e d o n e l u s t e r i n ga l g o r i t h m w ea l s o c o n v e r s ec o l o rs p a c et oy c b c rt ol i m i tt h eb a d i n f l u e n c eo ft h es h a d o w ag r o u po fe x p e r i m e n t sr e s u l t sw e r ea n a l y z e di nd i f f e r e n t i n d o o rc o n d i t i o n a f t e rg e t t i n gt h es e g m e n tr e s u l to ft h eg l o b a li m a g e ，w eu s eg r i d m e t h o dt ob u i l dn a v i g a t i o nm a pf o rt h er o b o t t h e nap a t hp l a n n i n ga l g o r i t h mw a s p r e s e n t e d a f t e rg e t t i n gt h ep o s i t i o no ft h ei n i t i a lp o i n ta n de n d i n gp o i n t ，i t c a n g e n e r a t ea s h o r t e s tp a t hb e t w e e nt h et w op o i n t sw h i c hc a na l s oa v o i da l lt h ea b s t a c l e s b e t w e e nt h e m as e r i e so fs i m u l a t i o nr e s u l t ss h o w st h a tt h i sn e wp a t hp l a n n i n g a l g o r i t h mi ss u i t a b l ef o ra l lk i n d so fo b s t a c l ec o n d i t i o n s at a r g e tt r a c k i n ga l g o r i t h mi s d e s i g nt ot r a c et h ep o s i t i o no ft h em o b i l er o b o t a tt h ee n do ft h ed i s s e r t a t i o n ，a p r o t o t y p es y s t e mb a s e do nt h i sv i s i o n b a s e dn a v i g a t i o nd e s i g nm e t h o dw a sp r e s e n t e d t h e nt h ew i r e l e s si n s t r u c t i o n ss e n d i n gs y s t e mi sa c c o m p l i s ha n dt e s t e d k e y w o r d s ：v i s u a ln a v i g a t i o n ，n a v i g a t i o nm a p ，t r a c k i n ga l g o r i t h m ，p a t hp l a n n i n g ， w i r e l e s si n s t r u c t i o n s 目录 第一章绪论1 1 1 课题背景及研究意义1 1 1 1 室内移动机器人介绍一1 1 1 2 室内移动机器人导航技术的重要性3 1 2 室内机器人视觉导航的研究现状3 1 3 本文的主要研究内容6 第二章视觉导航方法的设计7 2 1 导航与视觉导航方法分类7 2 1 1 导航和视觉导航7 2 1 2 视觉导航方法分类7 2 2 室内机器人视觉导航方法8 2 2 1 利用踢脚线特征的视觉导航方法8 2 2 2 利用地面特征的视觉导航方法9 2 2 3 利用屋项路标特征的视觉导航方法1 0 2 3 视觉导航方法的原理l o 2 4 新导航方法的特点1 1 第三章导航地图的建立1 3 3 1 导航地图建立的基本原理1 3 3 2 地面区域自适应分割算法1 3 3 2 1 图像的特征提取1 4 3 2 2 聚类算法l5 3 2 3 地面区域分割1 6 3 2 4 分割结果1 6 3 3 地面区域自适应分割的改进算法l7 3 3 1 色彩空间转换的应用18 3 3 2 分割结果及实验分析l8 3 4 导航地图生成2 7 3 4 1 导航地图分类2 7 3 4 2 栅格导航地图建立2 8 第四章路径规划与跟踪算法31 4 1 路径规划的算法设计3 1 4 1 1 基于栅格地图的路径规划3 1 4 1 2 本设计中的路径规划算法3 4 4 1 3 路径生成算法3 5 4 1 4 路径修正3 6 4 1 5 仿真结果3 7 4 2 跟踪算法3 9 4 2 1 运动物体跟踪方法分析3 9 4 2 2 基于背景差分的跟踪算法设计与实现4 0 4 2 3 基于s i f t 的跟踪算法4 3 第五章室内机器人视觉导航原型系统设计4 7 5 1 系统的总体方法设计4 7 5 2 导航系统的工作过程设计4 8 5 3 无线指令通信模块的设计与测试4 9 5 3 1 无线指令通信模块硬件组成4 9 5 3 2 无线指令模块的软件设计5 4 5 3 3 通信模块的调试与测试5 9 第六章工作的总结与展望6 3 6 1 工作总结6 3 6 2 工作展望6 3 参考文献6 5 发表论文和参加科研情况6 7 致谢6 9 第一章绪论 第一章绪论 1 1 课题背景及研究意义 机器人是2 0 世纪人类最伟大的发明之一。自从6 0 年代第一个机器人问世 以来，机器人技术已经过了4 0 多年的发展【2 j 。随着计算机和机器人技术的发展， 现代机器人不仅在工业制造方面，而且在军事、民用、科学研究的许多方面得到 了广泛的应用【3 ，4 】。它们的工作环境包括天空、地下、水下、地面等。其中地面 是人类活动的主要场所，所以地面移动机器人的研究从很早开始就得到了广泛的 应用。地面移动机器人的工作环境基本可以分成室内和室外两类。室内最常见的 是结构化的环境，它们共同的特征是平整的地板、垂直的墙壁、规范的门厅和走 廊等；室外常见的是非结构化的环境，地面崎岖不平、地形特点较为复杂，而且 随时问、天气、季节、地理位置等变化较大。 近年来，人类生活节奏不断加快，人们迫切需要从令人烦恼枯燥的重复性工 作中解放出来，如家务劳动、照料病人等等。因此，在室内工作的机器人代替人 完成家务劳动成为一项有良好应用前景的高技术行业。直接服务于人类日常生活 的室内移动机器人技术也得到了更加广泛的重视1 5 ，6 7 j 。 1 1 1 室内移动机器人介绍 目前，国外在室内机器人方面的研究很多，而且已经开发出一些商业化产品， 如智能吸尘器等【8 】。在西方发达国家，室内移动式自主机器人已经开始应用于医 疗福利服务、商场超市服务、家庭服务等领域p j 。 ( 1 ) 用于医疗福利服务的机器人 用于医疗服务的机器人是指在医院等医疗场所提供服务帮助的室内移动机 器人。其中具有代表性的有美国运输研究会( t r c ) 研制的称为h e l p m a t e 的机器 人。h e l p m a t e 是一个自主式运送机器人，主要完成送饭、传递医疗记录、诊断 样品和其它物品的工作。其目的是通过机器人的服务来减小护士和其他医务人员 的工作负担。h e l p m a t e 的导航系统是基于建筑物的a u t o c a d 地图模型识别法和 测距法相结合的传感器融合系统，它比仅由观察天花板的氖灯和机器人旁边的墙 来定位的系统，具有更高的准确性【l0 1 。该机器人也能在无线调制解调器的帮助下 天津工业人学硕十学位论文 开门和乘电梯。除此之外，用于医疗福利服务类的室内移动机器人还有由日本机 械技术研究所( m e l ) 开发的m e lk o n g 护理机器人等j 。 ( 2 ) 用于商场超市的机器人 荷兰的一些零售连锁超级市场已经开始使用机器人来清洁地板，播放音乐并 向购物者传递商品销售信息。这种机器人名叫“s c h r o b b i e ”，它由德国的西门子 电子公司和荷兰的清洁设备制造商r t b 公司联合开发，可以在营业时间以智能 方式在超市内移动，一边走一边擦洗地板。s c h r o b b i e 装备了特殊的导航系统， 可以躲开障碍物，一旦遇到顾客，会礼貌地请顾客避让机器人。s c h r o b b i e 十分 灵敏，它会识别墙角和货架的准确位置，既不碰撞，也不会遗漏需要清扫的地面 第一章绪论 红外线就能提示r o o m b a 改变行进路线。r o o m b a 机器人可以自动完成室内地面 清洁工作，并具有自动清理垃圾和自动返回出发点充电的功能。在整个的清洁过 程中，完全不需要人提供指令1 5 , 1 6 , 1 刀。 1 1 2 室内移动机器人导航技术的重要性 首先导航技术本身就是室内移动机器人的核心技术之一，对机器人系统的移 动性、工作效率以及实用性都具有十分重要的作用。目前应用于这些室内机器人 的导航方式主要有两种：一种是通过视觉方式的导航，另外一种是通过非视觉传 感器组合的导航系统【l8 1 。非视觉传感器的导航方式，主要获取点和线的信息，因 此结构和算法相对简单【19 1 。最为常见的是装有红外传感器和加速度传感器的机器 人【2 0 1 。 其次室内移动机器人采用的导航方法直接影响了机器人的应用范围，例如采 用触碰式感应器的室内移动器人( 比如r o o m b a 等) 。了只有与障碍物发生碰撞以 后，它才对障碍物作出反应，重新选择前进路径。因此在一些摆放易倒、易碎物 品的房间里，这种导航方式就不再适用。 近年来，在诸多导航方式中基于视觉的导航方式被认为是最具发展潜力的一 种。这种导航方式能够使机器人在距离障碍物一定距离的时候，就做出预先的判 断，从而避免了机器人与障碍物的直接碰撞【2 。 本文主要研究一种在室内环境结构化环境下的移动机器人视觉导航方法，为 设计室内移动机器人导航系统提供更多选择。 1 2 室内机器人视觉导航的研究现状 对于移动机器人而言，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“感官”。能否正确、实时地处理视觉信息直接关系到机器人行驶 速度、跟踪效果以及对障碍物的避碰【2 2 1 。视觉导航方法对系统的实时性和鲁棒性 具有决定性作用，其处理技术是移动机器人研究中最关键的技术之一。由于视觉 传感器具有信号探测范围宽、获取信息完整等优点，使得通过视觉导航成为移动 机器人的主要发展方向之一 2 3 2 4 2 5 】。 过去，由于图像采集及处理的硬件设备运行速度低，利用视觉系统感知环境 引导机器人进行跟踪受到了很大限制。近年来，随着科学技术的发展，视频设备 及计算机硬件运行速度得到了很大提高，越来越多的研究者们投入到视觉导航领 域中。机器人视觉及其导航系统的研究已成为机器人研究领域最新的，也是最热 3 道路上障碍物。和简单的运动检测相似，这种算法将连续的彩色图像相减来检测 障碍物。 t r a h a n i a s 提出的视觉导航方法是利用视觉探测陆标来完成机器人导航，其 中陆标不是事先定义的人工陆标，而是在学习阶段自动抽取的自然坐标。s t a n l e y 4 第一章绪论 提出了基于神经网络的机器人视觉导航技术。 从国内的研究情况来看，国内也研究了一些利用视觉进行导航的室内机器 人。例如上海大学研制了“导购机器人”，哈尔滨工业大学研制出了“导游机器 入”以及正在丌发各种服务于室内的移动机器人。 给移动机器人提供一个能适应不同环境，且可适用于不同任务的视觉系统， 是一项比较困难的工作。因此，室内移动机器人的很多具体应用都是要求能实时 的对特定的环境条件作出反应瞄先州j 。 ，r 目前，在设计工作于室内环境中的移动机器人的视觉导航系统时，室内一些 特有特征，例如地板，灯具、踢脚线等，往往被用来简化视觉系统导航过程设计。 日本u e c 大学的t a k a y u k i 基于单目主动视觉，在走廊上同时探测到三个以 上位置己知的消防灯或顶灯，结合三角定位法，完成定位来引导机器人移动美国 c m u 大学的s t h r u n 等人研制的第二代博物馆导游机器人m i n e r v a ，基于双目主 动视觉通过搜索并识别室内天花板上的吊顶来实现室内导航。2 0 0 0 年，加拿大 u b c 大学的s t e p h e n 和d a v i d 通过s i f t ( s c a l ei n v a r i a n tf e a t u r et r a n s f o r m ) 特征的 跟踪来实现基于三目主动视觉的定位与地图构造。在国内，北京理工大学的江泽 民、杨毅等在2 0 0 7 年提出了一种基于平行线的摄像机内外参数标定和自主移动 平台室内视觉导航算法，在视觉导航时，视走廊左右踢脚线为一组平行线，由其 在视平面上的投影直线的斜率、消失点坐标，控制自主移动平台行驶的方向距离 和航向角，实现平台的室内视觉导航【3 1 】。武汉理工大学的杜鹃、李文峰通过边缘 检测的方法，获得瓷砖的四个角点。并利用瓷砖之间的间隙和瓷砖的四个角点这 两个特征，把瓷砖之间的间隙作为机器人的行走路径，把瓷砖的四个角点作为跟 踪控制参数，从而使机器人完成导航的任务【3 2 1 。台湾交通大学的吴智仁，提出了 一种利用安装在车体上的全景摄像头来捕捉放置在屋顶上的圆形地标来对机器 人的导航方法【3 3 】。随着机器人的移动，椭圆的形状也会产生相应的变化。机器人 以此为依据，通过计算得出自己的相对位置。并通过捕捉圆形地表在房项上的位 置来实现导航。 分析现有机器视觉导航方法，我们认为对有些机器人的视觉导航方法的设 计，不必要完成高层识别，而只需获得对环境或其中的某些特征一个足够好的理 解。通过对于视觉方法设计的改进，能够简化算法，提高机器人的导航能力。 本文设计的室内移动机器人的视觉导航的方法，是在建立导航地图的过程中 利用室内地面区域与障碍物区域的颜色特征来简化障碍物识别方法的设计。同 时，文中提出的利用顶装视觉传感器向下俯视的设计方式，能够直观的获取机器 人在整个场景中的位置，这也简化了跟踪算法和路径规划的难度。 天津：i ：业人学硕十学位论文 1 3 本文的主要研究内容 本文提出一种视觉导航方法，并对其中的如下理论问题进行研究：( 1 ) 室内 移动机器人导航地图自动生成方法。( 2 ) 基于室内导航地图的路径规划算法。( 3 ) 机器人位置实时跟踪算法。 为了验证该导航方法的可行性，本文还完成了采用该导航方法的室内机器人 导航原型系统的设计，并实现了导航系统的无线指令通信。 本文的组织结构如下： 第一章：绪论。介绍本课题研究领域的背景及意义、发展过程、本论文的研 究内容和论文结构。 第二章：视觉导航方法的设计。首先阐述了该导航新方法的设计思想，然后 介绍了采用该方法的导航系统的整体结构设计并对视觉导航方法的特点进行了 分析。 第三章：导航地图的建立。为了保证机器人行走的安全性，利用室内俯视图 像的特点，假设图像中地面区域所占比例最大的情况下，设计了基于聚类算法的 地面区域自动提取算法，提取图像中的地面区域作为允许机器人行走的区域。并 研究了消除图像中阴影影响的方法，为机器人建立了导航地图。为了验证地面区 域自动分割算法的性能，本文采集十组不同地面情况，并对分割结果做出了分析。 第四章：路径规划与跟踪算法。在导航地图建立以后，本文设计了一种路径 规划算法。 在己知起始点和终止点的情况下，算法可以自动生成从起点到终点的最短路 径，并保证机器人从行走的过程中自动避让障碍物区域。为了验证算法的一般性， 进行了一组仿真实验。实验结果表明，该路径规划算法适用于障碍物从简单到复 杂的各种室内环境情况。 同时，为了实时了解机器人当前位置，论文还讨论了适用于本导航方法的目 标跟踪算法。 第五章：室内机器人视觉导航原型系统设计。完成了采用该导航方法的室内 机器人原型系统的设计方法，并实现了导航系统的无线指令通信。调试结果表明， 该无线指令通信模块可以实时完成控制指令的收发功能。并通过在走廊内的通信 距离实验，测试了本设计中使用的通信模块的实际有效通信距离。 第六章：全文总结及展望，总结全文，并指出自己所作的工作和成果，以及 系统需要进一步改进的地方。 6 第一：章视觉导航方法的设计 第二章视觉导航方法的设计 2 1 导航与视觉导航方法分类 2 1 1 导航和视觉导航 根据维基百科对导航的定义，导航指的是引导和控制机器人从一个位置移动 到另一个位置的过程。“导航 一词源于拉丁文，译为按照命令行进的意思。 对于导航方法的研究主要有三个基本的部分组成：( 1 ) 机器人的定位。( 2 ) 路径规划。( 3 ) 导航地图的建立和表示。 机器人的定位指的是机器人确定自己在场景中位置。路径规划指，在具有障 碍物的环境中，按照一定的评价标准，寻找一条从起始状态到目标状态的无碰撞 路径。建立导航地图指的是将真实场景信息转换给机器人可以使用时的一种表达 方式。基于地图导航的机器人，在室内环境下主要有两种环境特征表达形式：几 何地图和拓扑地图。几何地图又分为几何特征地图和栅格地图。 视觉导航，是指在视觉系统的指导下，找到引导路径，结合其他传感器信息， 一 调整行走系统，改变机器人的航向，控制行走距离，最终到达目标点。视觉导航 模仿了人类的视觉感知能力，允许对环境做非接接触式的测量。具有信号探测范 围广，获取信息化完整等优点，是移动机器人导航的一个主要发展方向。 2 1 2 视觉导航方法分类 视觉导航方式有很多种。陆新华等人提出根据环境信息的完整程度、导航指 示信号类型等因素的不同，可以将视觉导航分为3 大类拉7 】：基于地图的导航、 基于创建地图的导航、无地图的导航。 基于地图的导航是完全依靠在机器人内部保存的由用户创建的关于环境的 几何模型或拓扑地图等完整信息，并在预先规划出的一条全局路线的基础上，采 用路径跟踪和避障技术，实现机器人导航。 基于创建地图的导航是利用传感器来创建关于当前环境的几何或拓扑模型 地图，然后利用这些模型来实现导航。 天津：i ：业人学硕十学何论文 基于地图的导航是机器人预先存入导航地图，在导航过程中一般不再对导航 地图进行修改。而基于创建地图的导航是需要实时的生成行的导航地图，可以实 时的修正地图。 无地图的导航是在环境信息完全未知的情况下，可通过摄像机或其他传感器 对周围环境进行探测，利用对探测的物体进行识别或跟踪来实现机器人导航。当 机器人对周围环境并潍皖全了解时，则可采用基于陆标的导航策略，也就是将环 境中具有明显特征的景物存储在机器人内部，机器人通过对陆标的探测来确定自 己的位置，并将全局路线分解成陆标与陆标之间的片段，再通过一连串的陆标探 测和陆标制导来完成导航任务。实际上在相对规整的环境中，还可以在路面或路 边画出一条明显的路径标志线，机器人在行走的过程中利用传感器不断的对标志 线进行探测并调整行进路线与标志线的偏差，当遇到障碍时或是停下等待或是绕 开障碍，避障后再根据标志线的指引回到原来的路线上去，最终在标志线的指引 下到达指定的目的地。 本文所研究的视觉导航方法就是一种基于创建地图的导航。本方法利用摄像 头采集图像，通过图像处理模块分析图像并建立栅格地图，然后利用地图模型实 现导航。 2 2 室内机器人视党导航方法 目前，室内机器人使用的视觉导航方法的都有会利用一些有特征的物体作为 导航路标。在设计工作在室内环境中的视觉导航系统时，室内的一些特有特征， 例如地板，灯具、踢脚线等，往往被用来简化导航过程设计。这里我们对于具有 代表性的三种室内导航方法进行介绍。 2 2 1 利用踢脚线特征的视觉导航方法 北京理工大学的江泽民、杨毅等。根据一组空间直线上的无穷远线素集在视 平面上所形成的消失点对直线的平移具有稳定性的特点，提出了基于平行线的摄 像机参数标定和自主移动平台室内视觉导航算法。在对摄像机进行标定时，将摄 像机模型简化成关于移动平台航向角和x 方向距离的线性模型，并利用走廊左 右踢脚线在视平面上的投影直线的斜率、消失点坐标来标定摄像机的内、外参数。 ( 踢脚线，顾名思义就是脚踢得着的墙面区域，如图2 1 中所示墙面下方的黑色 部分就是走廊内的踢脚线。) 在视觉导航时，视走廊左右踢脚线为一组平行线， 由其在视平面上的投影直线的斜率、消失点坐标，控制自主移动平台行驶的x 第二章视觉导航方法的设计 方向距离和航向角，实现平台的室内视觉导航。他们采用y i q 彩色模型分割楼 道图像，由h o u g h 变挣与最小二乘法相结合的方法提取楼道踢脚线。 图2 一l 走廊内的踢脚线 2 2 2 利用地面特征的视党导航方法 武汉理工大学的杜鹃、李文峰提出了一种基于地面特征识别的室内机器人视 觉导航系统的研究方法。他们认为现在的室内环境中一般都铺设有地板瓷砖，所 以就以地板瓷砖作为导航的陆标。地板瓷砖具有比较多的特征，如颜色、规则的 四边形、瓷砖之间的间隙、四边形的四个角点等。利用颜色不能很容易地完成机 器人的定位，并且彩色图像处理复杂，所以他们先不考虑颜色。由于摄像机是安 装在机器人上随着机器人一起移动，摄像机拍摄到的瓷砖的形状和角度在不断变 化，所以瓷砖的四边形这个特征不在考虑之列。如图2 2 中所示，通过边缘检测 的方法，能够获得瓷砖的四个角点。 图2 2 角点检测 其导航方法主要利用瓷砖之间的间隙和瓷砖的四个角点这两个特征，把瓷砖 之间的间隙作为机器人的行走路径，把瓷砖的四个角点作为跟踪控制参数，从而 使机器人完成导航的任务。这种方法通过利用角点信息作为路标，实现了导航， 简化了导航过程的设计。 9 天津。r 业人学硕十学位论文 2 2 3 利用屋顶路标特征的视觉导航方法 上面介绍的方法都是利用地面上的路标特征，实现了导航方法的设计。但是， 这种地面上的路标存在着容易被障碍物和移动物体所阻挡的问题。台湾交通大学 的吴智仁，提出了一种利用安装在车体上的全景摄像头来捕捉放置在屋顶上的圆 形地标来对机器人的导航方法。其设计思想如图2 3 中所示，地面上的机器人顶 部装有摄像头，采集屋顶图像。屋顶上装有特殊的原型标记物作为路标。由于摄 像头与圆形标存在一定的角度，所以在采集到的图像中呈现为椭圆形。随着机器 人的移动，椭圆的形状也会产生相应的变化。机器人以此为依据，通过计算得出 自己的相对位置。并通过捕捉圆形地表在房顶上的位置来实现导航。 第二章视觉导航方法的设计 环境的某些固有特征，例如脚踢线、地板等。在设计本文提出的导航算法时，同 样利用了一些室内环境具备的特征，本文导航算法适用的前提假定条件为：( 1 ) 室内环境允许在天花板上安装视觉传感器。与上文中吴智仁提出的在天花板上设 置路标的条件类似，室内的天花板上很容易安装灯具、路标、视觉传感器等设备， 大部分的室内环境可以满足这一条件。( 2 ) 室内地面区域是允许机器人自由行走 的区域。与第一章中提到的清扫机器人r o o m b a 需要的条件类似，即机器人可以 在裸露出的室内地板上行走，这一条件在大部分的室内环境下也能得到满足。( 3 ) 可以设计算法获取室内的地面区域。本设计中所使用的地面区域提取算法，要求 地面的颜色特征一致。对于同一间室内装修的地面，一般都会铺设一样的地板， 这一条件也很容易满足。 本设计方法采用视觉传感器和机器人车体分离的设计方式。其方法的示意图 如图2 4 所示。 天花板 机器人 图2 4 导航模型相对位置示意图 在本文提出的室内环境中视觉导航方法中，视觉传感器被在安装在室内的天 花板上，可以拍摄到整个房间的俯视图像，要求限制机器人在视觉传感器的视野 内活动。在本导航方法中图像采集设备和机器人不再一起运动，也就是说，当机 器人运动时，图像采集设备相对于地面静止，因此环境中相对于地面静止的物体 在所采集的图像序列中也呈静止状态，这可以在很大程度上简化导航地图建立、 机器人位置定位等算法设计。 2 4 新导航方法的特点 本文研究的视觉导航方法采用了视觉传感器与机器人相分离的设计方法，与 其它图 ( 只能采 取室内 ( 问题就 机器人 位置信 ( 室内环 航方法 1 2 第二章导航地图的建立 第三章导航地图的建立 3 1 导航地图建立的基本原理 为了引导机器人在室内环境中移动，完成指定的行走任务，本文利用对室内 环境的俯视图像实时创建导航地图。 在本文提出的导航方法中，视觉传感器安装在天花板上，其视野能够覆盖允 许机器人行走的所有区域。我们假定如果机器人在室内环境中的地面区域移动， 其行走过程是安全的。基于这一假设点，我们首先从图像当中提出了地面区域， 并限定这些区域作为机器人可行走的区域，建立栅格导航地图，从而实现机器人 对障碍物的自动躲避。 在导航地图建立的过程中，本设计需要解决以下几个问题：( 1 ) 要实现对地 面可行走区域的自动分割。( 2 ) 由于室内光照条件经常变化( 白天主要靠自然光， 晚上主要靠灯光照明) ，所以要求本设计的地面区域提取算法能够消除由于阴影 而产生的负面影响。( 3 ) 对分割图像进行后期处理，以得到界限更加清晰的地面 可行走区域的图像。 3 2 地面区域自适应分割算法 首先假定，室内环境的俯视图像中，地面区域所占的比例最大，而且具有一 致的颜色特征。 如图3 1 中所示。在同一房间内地板区域一般选用的建筑材料较为一致，具 有几乎相同的颜色和纹理特征；但不同的房间内，地面颜色和纹理特征将会有很 大的差异。因此要设计一种无监督的算法，使该算法可以自动的适应不同的房间 里的地面情况。本文利用聚类算法来解决这一问题。根据聚类算法的特点，在这 些被统计出来的具有相同颜色特征的像素点的所有分组中，像素点数目最多的那 一组对应地面区域。 天津一i ：业人学硕十学位论文 图3 1 顶装视觉传感器拍摄的图像 地面区域自适应分割算法的设计思路如图3 2 中所示，将原始图像首先进行 特征提取，然后进行聚类分析，把特征样本点分为n 类。然后，分析这些类别中 样本点的个数，把含有样本点最多的那一类确定为地面区域。 地面 特聚 可行 征类 走区 提分 取类 域分 割 图3 2 地面区域自适应分割算法原理图 下面，将对地面区域自适应分割算法的设计加以详细的介绍。 3 2 1 图像的特征提取 在图像特征提取的过程中，原始图像首先要进行分块处理。这是因为直接使 用每一个像素点的特征值来进行图像的处理有三点不足：( 1 ) 每个像素点都参与 运算，会使得运算量过于庞大，严重影响聚类运算的速度，从而影响到整个系统 的实时性。( 2 ) 像素点过于分散，造成聚类结果出现许多小的，不连通的区域， 严重影响导航地图的生成。( 3 ) 图像处理过程中受噪声影响比较大。 为此，本设计使用了图像分块处理的方法。本设计将相邻的像素以一个小矩 形块为单位。用矩形块内所有像素点的平均值代表每一个矩形块的像素值。然后， 把每一个小的矩形块作为一个像素点，来参加聚类运算。 地面区域有很多可以利用的特征，例如颜色、纹理等。由于本设计利用的是 颜色信息进行聚类运算。所以，在进行聚类运算以前提取n x n 像素点的平均颜色 1 4 第二章导航地图的建立 值作为特征值参与聚类运算。 3 2 2 聚类算法 聚类算法是本设计分离地面区域过程中运用到的主要算法。聚类分析是数据 挖掘过程中的重要工具和手段，它可以发现隐含在数据中的簇，并且标志处数据 的分布模式。通过聚类，可以将一组对象划分成若干个集中的簇，使每个簇都具 有尽可能大的相似性，不同的簇之间又有最大可能的相异性。本设计的地面区域 自动获取算法就是利用聚类算法的这一特点，图像的像素集进行分类，然后根据 像素点的分类将图像分割。 常见的聚类算法有：k 均值聚类、模糊c 均值、分层聚类等方法。本设计需 要利用聚类算法将地面可行走区域作为最主要的一类提取出来，并不关心其他类 别像素点分布的情况。k 均值聚类、模糊c 均值聚类等聚类算法，都需要人为 指定聚类中心，因而在运算过程中，不能实现自动操作。所以，本设计采用了最 大最小距离的聚类方法。它能够自动生成聚类中心，符合我们的设计要求。 移 最大最小距离聚类算法是另一种简单的试探法，以类间距离最大作为选取新 的聚类中心的条件。以最小距离原则进行样本归类。这种算法通常采用欧式距离， 算法具体步骤如下： ( 1 ) 选取任意一个样本作为第一个聚类中心z 1 。 ( 2 ) 选取距离z ，的最远样本作为第二类聚类中心z ，。 量 ( 3 ) 计算所有未作为聚类中心的样本与z 。、z ：的距离巧。，d i ：，并设 4 = m i n ( d i l ，d i 2 ) ，若存在d l = m a x d i ) 臼c l ( z l ，z 2 ) ，则建立第三类 聚类中心z 3 ，且z 3 = x t 。其中：d ( 毛，z ：) 为z ，与乞之间的距离；目可用 试探法取为一固定分数，例如，0 = 0 5 。 ( 4 ) 假定已有m 个聚类中心z l ，z ：，z m ，计算尚未作为聚类中心的个样 本薯到m 类中心z j ( j = 1 ，2 ，m ) 的距离以，并计算 以= m i n ( d j l ，d j 2 ，) = m a x m i n ( d i l ，d i 2 ，d i ，) ) 如果d s 乡d ( z l ，z 2 ) ，则建立第m + 1 个聚类中心z 。+ l ，且z 。+ l = ， 并转( 4 ) ；否则转下一步。 ( 5 ) 将全部样本按最近距离原则划分到各类中。 天津 ：业人学硕 ：学位论文 ( 6 ) 按照某种聚类准则评价聚类结果，如果不满意，则重新选取第一个聚 类中心和秒值，返回( 2 ) ；如果满意，则算法结束。 3 2 3 地面区域分割 使用最大最小距离聚类算法得到可行走区域的图像处理步骤如图3 3 中所 示。蛰 图3 3 聚类算法提取地面可行走区域的步骤图 那一类为第一 聚类中心的那 其他各类一律 中的位置，将 为了能够引起 区域后得到的 第二章导航地图的建立 图3 5 直接运用聚类算法处理的结果图 通过两幅图像的比较分析，我们发现利用聚类算法已经可以分割出大部分的 地面区域，不管室内障碍物如何摆放，地板颜色如何，只要地板区域面积相对最 大的情况下，均可实现地面区域的自动提取。 同时，我们也发现室内障碍物边缘的阴影部分( 如图3 4 中文字提示读者注 意的部分) 也被当成障碍物的一分部被检测出来，聚类效果并不理想。而且，图馏 像处理过程中产生的一些小的不连通的区域没有任何实际意义，但却会影响我们 生成导航地图的质量。于是，我们考虑采用一些辅助的图像处理的算法，消除由 于光线产生的阴影对提取效果的不良影响和这些小的没有实际意义的不连通区 域，从而能够取得更加精确的分离结果。 3 3 地面区域自适应分割的改进算法 为了解决上述的问题，本文对地面区域的自适应分割算法进行了改进，比起 先前单一使用聚类算法提取地面区域的算法，改进以后的算法可以去除障碍物边 缘阴影的影响，适用于光线角度不断变化的环境，具有较好的鲁棒性。而且，通 过对于分离后的图像的后期处理，能够得到效果更好的地面区可行走域图像。算 法的设计步骤如图3 - 6 中所示。 原 始 图 像 1 耋囊 h ：；蓬h 毳h 攀h | | 蕈 最 后 结 果 先前介绍过的步骤，这里不再冗述，接下来将主要介绍色彩空间变换的应用 和对于地面区域分割以后的图像处理方法。 1 7 天津一i ：业人学硕十学位论文 3 3 1 色彩空间转换的应用 为了解决阴影对于地面可行走区域提取过程中的影响问题，本设计考虑使用 一种变换方法使得参与聚类运算的特征值只含有色度信息，而能够忽略亮度信息 的影响。 为此，本文采甩了基于y c b c r 颜色空间色度畸变和方法。采用色彩空间色 度畸变是考虑到：；i c b c r 空间具有将色度与亮度分离的特点，它的亮度信号y 与色度信号c b 、c r 是相互独立的。在y c b c r 的色彩空间中，由于亮度信息被独 立出来。在聚类算法中只需考虑颜色分量，使得地面颜色的聚类特性更好，能较 好地限制地面颜色分布区域，并且有利于更广泛的使用与不同颜色的地面和不同 光照条件。 接下来需要完成图像从r g b 色彩空间到y c b c r 色彩空间的转换。其转换为 公式( 3 1 ) 。 彩 消 消 为 当 为了验证地面区域自适应算法对于不同地面的分割能力和正确率，我们选取 了十种不同的地面环境，并在每种地面环境条件下根据障碍物不同情况拍摄十副 图像。十组不同地面条件的采集区域为：( a ) 走廊内，灰色花岗岩地面。( b ) 5 走廊转弯处，深红色，形状规则的地板砖。( c ) 在洗手间内，地面背景为乳白 色，形状规则的地板砖。( d ) 办公室内拍摄，地面背景为淡黄色。( e ) 食堂内， 地面为细碎花大理石地板。( f ) 图书馆内，灰色石地面。( g ) 图书馆内，白色， 形状规则地板砖。( h ) 办公楼内，淡绿色地毯地面。( i ) 餐厅内，黑色大理石地 面。( j ) 实验楼内，淡黄色大理石地面。 下图中为十组地面情况下，如图3 - 9 中所示，为每组中所选取的一张示例图 片的在a 到j 图中展示。图像拍摄的分辨率为1 6 0 0 x1 2 0 0 。对这些图像进行分 块处理时，选取每块的大小为1 6 x1 6 像素点。 1 9 天津i ：业人学硕十学位论文 第三章导航地图的建立 ( 1 ) 第九组 图3 - 9 十组示例图片 ( j ) 第十组 首先使用地面区域自适应算法得到分割结果，然后将分割结果与手工分割结 果( 作为理论上的正确结果) 做比较，得到其正确分割率。这罩需要说明，手工 分割结果指的是用人眼