第25届DAAAM国际研讨会智能制造与自动化

第25届DAAAM国际研讨会智能制造与自动化，DAAAM2014年计算机图像在地面移动机器人的应用尼古拉Gryaznov*，亚历山大Lopota俄罗斯国家科学中心机器人与技术控制（RTC），Tikhoretsky前景21，圣彼得堡194064，俄罗斯摘要自主移动机器人需要得到地面起伏和障碍物位置的可靠信息。一个移动地面机器人规划的路线可视为一块可视面积的测绘，并将它分成好或有条件通过的能力，不通，和无限期的区域。它需要识别标准对象（标志，交通标志）和地面的类型（雪，沙或水），作为明显或隐藏的障碍源。3D计算需要大量的计算机资源并导致延误，限制了速度。边界轮廓简化图像分解为对象并定义了映射的关键任务，如图像矢量化和识别物体。在硬件水平上，它必须被划分为在算法，多个序列程序运行的想法导致在多个处理器上数据过程的分离。随着障碍物的矢量分析它会导致3D更新时间激进切割，保证了数据供应机器人的高速运动。关键字：机器人；图像；可移动的；障碍；分解1.问题的声明移动机器人车辆几乎或部分自主操作必须提供计算机图像设备和算法以及视频信息分析装置。运动处于一种不确定的形式，在3D环境研究的基础上定位和导航任务需要解决。坐标测量是计算机视觉系统的高优先级的功能。在实践中，这意味着自主移动机器人车辆需要地面起伏和地面障碍物位置的可靠信息。计算机系统运行的特性是由于数据采集的动态在一个移动机器人的板上这导致相机视点的连续变化。这种情况收紧了需求在3D图像数据收集的更新速度和限制了扫描系统应用的可能性。移动地面的机器人计划的路线需要一块可视面积的测绘并将它分成好或有条件通过和不通的区域。有条件通过的区域是将底层的面积，运动可能仅受速度和方向的限制。从一个角度看3D图像的测量并不能让我们获得全面协调的信息。正在研究的对象不是透明的。因此它们双方之间只能看到面向观察者的信息。如果对象的高度是能比得上或者超过传感器位置的水平则区域后面的对象屏蔽。随着上述可视区域地图的列出，有必要引入外延不安的区域。在主要图像重建的情况下，它们可被记录为条件不通的区域。视点3D图像配准引线的特性造成这样的事实，即甚至在使用一个脉冲飞行时间（时间的飞行）技术，这种技术是坐标数据采集最直接的方法，所需的数据（映射可视面积）时间间隔处理变得明显为零。对于计算机视觉系统和方法的比较，这里合理的引入两个参数：3D可视区域图像重建所需时间的限制的上限和下限。上限对应于一个“冷启动”模式，当一个传感器存储器不包括环境信息，并且所述的下限对应于一个无改变图像的更新模式中。尽管变化不存在最后一种情况下，但任何计算机视觉系统具有执行多项长期的操作：数据采集，坐标信息的计算，为揭示动力学引用于施加的坐标并与先前测量的结果比较。让我们定义上限的范围作为三维分析的时间，并用下限作为3D更新时间。最后一个参数确定一个机器人车辆处于运动中的限制可能性。在任何情况下，有必要记住较高动力学在一个3D可视区域图像导致低的机器速度是由于其控制系统可能性的限制。如果运动的形式是完全不确定的，通过能力的区域建议的分类可能不足。例如，可移动对象的存在造成无通过能力的动力区域和不安全运动的区域。此外，在这种情况下有必要结合坐标数据采集与设备的可视化信息记录，甚至识别和下垫面的覆盖类型（雪、草、沙、水），它可能是运动明显或隐藏的障碍物。2、视觉技术概述获得三维坐标信息最简单的方法是2D角的分布测量范围的透明性区域边界与线性坐标的连续计算机【1】。被动的方法是基于三角测量【2】需要大量的计算并且不保证可靠的通信结果。光学定位系统有两个坐标的扫描【3】也很难适用于解决移动机器人的任务由于数据采集的时间延长，例如。数据采集的最大速度可以被提供通过飞行时间技术【4】的范围测量和一个特殊的阵列检测器同时计算传播时间的延迟【5】。不幸的是，毫无疑问最后一种方法是昂贵的因为阵列TOF传感器制造的复杂性，因为，它几乎不可能广泛的用于移动机器人。目前，最有前景的方向之一是促进TOF技术将移动机器人与数据采集的并行于串行方法组合连接，提供一个机会去提供高速度的信息更新和从根本上降低传感器制造的技术要求和成本。最简单的方法是三角形方法的应用以结构化激光照明和普通的应用程序电视阵列信息传感器【6】为基础。这种技术是最主要的问题是大量的额外计算需要来自照度分布的二维分布范围的重建。减少在照明责任因素导致照明角度的确定性的下降，并增加了错误的可能性。上涨的占空因数导致分辨率缩减。最后一种情况是通常在设备的比较方面认为是一个不利因素，但是不作为主要参数时是快速的。估计表明即使对于一个理想的激光雷达，范围测量最简单的算法是通过确定飞行时间，3D图像重建从2D范围的过程需要相当长的时间间隔并导致更新速度的重要局限性。3.生物和技术视角的比较双眼视觉典型为哺乳动物的分析展示物体距离的估计不是生物立体感的主要功能。双眼视觉最主要的功能是卷映像的形成通过在点的角度微不足道的裱花，这导致远景图像的视差更靠近物体的边界。边界轮廓显著简化了物体图像的分解以及通过已知的整体尺寸和角度观察大小进行随后的识别和距离评估。从范围的单位为米开始，通过已知物体的角度大小进行物体距离准确性的确定是几乎相同的与以人类视角为典型参数为基础的三角测量技术的准确度。当距离被延长，错误线性增加的角度技术与子平方定律三角测量。因此，该仿生方法设轮廓对象作为在视觉信息分析的第一步，图像分解作为第二步。图1显示双眼视觉功能的数据示意加工图。不幸的是，仿生方法的应用为解决当地导航子系统被现代技术计算的差异和生物神经网络的限制传感器设备的问题。然而，机器人导航的主要任务也是图形信息的矢量（分解对象）和他们的识别（识别）。在生物系统中，这两个任务实际上并行地决定同样的神经网络，这里非常低效的技术系统，由于处理器计算结果的特性。用于增强技术系统额快速性，它是有必要的去提供一个有效的并行数据处理。首先，它意味着量化和识别任务的分离不仅是在算法而且在硬件水平上。此外，用于释放从集中功能任务的过量程序的中央处理器，在这两个信道的初步处理是方便的执行通过单独的处理器如图2所示。发展并行处理数据的概念，这是合理的从屋里轮廓处理器器传送信息在三个方向。物体的封闭轮廓去识别通道为对象分配区和向量化信道处理器，这是负责定义位置和障碍物的角度大小。从物理的区域坐标信息也是设计到该处理器。第三方向是向量通道的另一处理器的输入，对象的自由区接收坐标信息为了下垫面倾斜度的计算和良好通过能力区域的定义。在识别通道，分别，它也是合理的去分成两个处理器，其中一个确定物体的识别和其他基础面的分析为了揭示有条件通过能力的区域（沙、雪和水）。所考虑的方法是相当普通的因为它不依赖于大量的障碍和一个特定的导航任务。另一种方法加快环境分析的过程是将远程“意义上的触摸系统”（坐标数据采集）分为静态和动态的子程序。导航移动机器人需要障碍物的最小信息（信息、外形尺寸）和下垫面的最多信息（倾角、小缺陷的存在以及坚韧和坚定性的参数）。当一个机器人车辆是静止的（运动开始前）“触觉”系统必须具有最大的分辨率为3D图像的重建并计划路线的初始部分。该子系统必须包含用于监控倾斜和表面的小缺陷的普通设备。最简单的方法实现该设备是用结构照明源以激光线的形式，这是倾斜于下垫面和期待沿运动方向及上方的相机源。这样运作的车辆运动像一个扫描系统。激光束入角可射到的下垫面可以被平滑地改变与加速。在这种情况下，线曲率的分析可能是强烈最小化。该区域，其中线斜率或当地缺陷超过可接受预定（由车辆通过能力）的价值，被标记为不通的区域。动态子系统也必须最小限度地减少物体的分析，其看起来像处于运动中的障碍物。为在一帧中的每个对象，子系统估计其距离和它的角大小。通过与以前信息的结果相比较，它定义了障碍物的类型（静态或移动的物体，稳定或可变形状）。此定义旨在揭示物体在机器人运动的安全性和碰撞的可能性排除的影响。4.结论所建议的方法允许我们减少3D更新的时间和确保在不确定的形式下移动机器人高速运动安全性提供的信息。形式分析过程的算法和硬件的分离允许被转变从精确计算到估计开辟新的可能性提高移动机器人的动态。同时，面对对象的感知环境为认知和自我培养机器人系统【8】的发展创造了有利条件。为了达到特定的目标，我们必须确定数据的格式，3D传感器信息和中央处理器之间的交换。此外，它是必要的创建一个图像分解算法以揭示物体不通区的标准。在这种情况下，所建议的组合的主动和被动系统组合系统的方法，计算机视觉与简化的障碍物估计距离能够保证动态情况分析的实时性。这样的组合为自主移动机器人的设计打开了新的前景。参考[1]H.Baltzakis，AArgyros，和P.Trahanias，“激光和视觉数据的机器人运动规划和避免碰撞融合”，机远景和应用，卷。12，第431-441，2003。[2]H.Borouchaki，S.H.罗。快速Delaunay三角在三维计算机//方法在应用力学与工程系，爱思唯尔，卷。128，分压153-167，1995。[3]D。理发，J。米尔斯和S.史密斯Voysey“陆基移动激光扫描系统的几何验证”，的ISPRS杂志摄影测量与遥感，第一卷。63，没有。1，第14.2008年。[4]P.加西亚，JPAnthes，JT皮尔斯，光伏Dressendorfer，IK埃文斯，BD布拉德利，JTSackos，和MMLeCavalier，“Nonscanned论文集SPIE，第一卷激光雷达成像和应用“。1936年，第11-22，1993年10月。[5]十毛，井上D.，S.加藤和M.加加美，调幅Laser在车内应用雷达的范围和速度测量，ITS（13），第1，第408-413，2012年3月。[6]N.Gryaznov，结构化的激光照明3D图像的环境，第15届IST