七章机器人传感器

机

器

人

传

感

器第

七

章机

器

人

传

感

器第一节

机器人传感器功能与分类第二节

机器人视觉传感器1、人眼与视觉2、机器人视觉方法3、机器人图像处理技术4、机器人立体视觉第三节

机器人触觉传感器1、接触觉传感器2、压觉传感器3、力觉传感器4、滑觉传感器5、仿生皮肤第四节

机器人接近觉传感器1、电磁式接近觉传感器2、光电式接近觉传感器

3、超声波接近觉传感器第一节

机器人传感器分类PrinciplesandApplicationsofNovelSensorsDepartmentofElectronicScienceandEngineering,NanjingUniversity机器人分类机器人传感器的特点传感器的信号获取与处理过程机器人传感器的分类第一节

机器人传感器功能与分类机器人是由计算机控制的能模拟人的感觉、手工操纵和具有自动行走能力而又足以完成有效工作的装置。机器人分类：第一代机器人：进行程式化操作的机器，完成一系列预置动作。未采用传感器，不能适应外界环境的变化。第二代机器人：采用传感器，具有初步感觉和反馈控制能力，能进行识别、选取和判断。具有初步智能。第三代机器人：更高一级智能机器，“电脑化”是其重要标志。Robot是捷克语“奴工”的意思，捷克剧作家卡鲁·卡帕克1920年一部剧本中的“人物”，一种具有人类特征的机器。对敏感材料的柔性和功能有特定要求。机器人传感器的特点获取的信息实时地用于控制，用以决定机器人的行动。有别于其它种类的传感器，机器人传感器信息收集能力强：既能获取信息，又紧随环境状态进行大幅度变化。机器人传感器既包括传感器本身，也包含传感器的信号处理。它由获取信息和处理信息两部分有机地构成。传感器的信号获取与处理过程信号获取→信号处理→信号提取→数据解释等几个层次。并非所有传感器的信号处理都要经过这四个全过程。如视觉和高密度压觉传感器一般需经过③和④的的过程。位置、接近觉和压觉等传感器仅经过②过程。接触觉传感器多半是经过①过程。内部检测传感器传感器的分类：以机器人本身的坐标轴来确定其位置，用来感知运动学参数。通过内部检测传感器，机器人可以了解自己的工作状态，调整和控制自己按照一定的位置、速度、加速度、压力和轨迹等进行工作。外部检测传感器用于获取周围环境或者目标物状态特征的信息，是机器人与周围进行交互工作的信息通道。其功能是让机器人对环境有自校正和自适应能力，很好地执行工作。接近觉、视觉、听觉、嗅觉、味觉等传感器。机器人传感器的分类及应用PrinciplesandApplicationsofNovelSensorsDepartmentofElectronicScienceandEngineering,NanjingUniversity第二节

机器人视觉传感器机器人视觉方法人眼与视觉机器人图像处理技术机器人立体视觉一、人眼与视觉

人的80%以上的外界信息通过视觉所获取。对于机器人来说，视觉传感器也是最重要的传感器。人眼视觉是立体的，就是说能将视场中的物体区别出远近。第二节

机器人视觉传感器1、人眼的结构眼球壁

外层（角膜、巩膜）

中层（虹膜、睫状体、脉络膜）

内层（视网膜）屈光系统感光系统

角膜晶状体

房水睫状肌视网膜视神经视中枢黄斑黄斑Maculalutea(直径约2mm)双眼注视无穷远的点，无穷远点与双目的夹角θ=0，无穷远的点经水晶体成的像都落在左右眼的黄斑处；

=0天空远景，处于无穷远双眼成像视网膜上视觉最敏锐的部位视乳头(视盘)(直径约1．5mm)没有视细胞，在视野中是生理盲点人的双眼从不同的方位获取同一景物的信息，各自得到关于景物的二维图像，这左右两幅图像有着微小的区别，这种区别就叫做视差。人脑通过对左右两幅图像视差的分析和处理，可以得到关于景物的光亮度、形状、色彩、空间分布等等信息。双眼注视有限距离点B，B在视网膜上的像也落在左右眼的黄斑位置B1和Br。2、人眼的立体视觉B点相对于左右眼的两视线的夹角O1BOr称作视差角，用θb表示。为了观看物点B，眼睛将偏转一定量的会聚角φ。B相对于人眼的距离Zb为：

Zb=b/tgφ A点的像分别为A1和Ar，设线视差分别为Δl、Δr。θb=2φ根据A点的线视差计算得：线视差是描述物点在空间中位置的重要参数，在机器人立体视觉中，视差也是一个十分重要的判定景物空间分布的因素之一。1、激光扫描法二、机器人视觉方法在OlenA’D中综合上式计算得tgα=x/Lf在AOlenM’中OM=(Z+Ll)

×tgα=x×(Z+Ll)/Lf在AOlaserM中MOlaser=Z×ctgβOM+MOlaser=b另外A点的另外两个坐标值Z=(bLf–xLl)/(x+Lftgβ)X=x(btgβ+Ll)/(xtgβ+Lf)Y=y(btgβ+Ll)/(xtgβ+Lf)机械扫描装置把激光光束投向景物空间，按照一定的顺序对景物空间进行二维扫描，即可得到景物空间各点的距离信息。如果用扇形光束代替点光束，只需进行一维扫瞄，就能快速测定CCD图像画面内全部点的距离信息。2、立体摄影法物点A和B两视线的夹角O1AO2称作视差角：点A和B视差角的差值Δθab称作立体视差：Δθab=θa-θbθa=2b/Za 2b——CCD摄像机光轴间的距离视差角的大小表征了物点的远近，

图中：θa>θb，物点A较B近。立体视差Δθab的正负也能表征物点的远近。在CCD成像面上，物体的角视差实际上是以线视差来表现的。设坐标

A点的线视差ΔXaAl(Xal、Yal、Zal)Ar(Xar、Yar、Zar)Bl(Xal、Yal、Zal)Br(Xar、Yar、Zar)A、B两

点的线视差ΔXa、ΔXb物点A和物点B之间的相对线视差ΔXab为由二维图像中的线视差和相对线视差，可以推算出空间物点的三维信息。三、机器人图像处理技术机器人图像第一步是初级处理，内容主要有：从灰度图中寻找图像边缘和分割图像通过图像的分割，机器人可以区分出所关心的特定的对象（即整个画面中的一部分图像）。为了识别特征物体，常用具有标准姿势的物体图像与所拍摄的物体图像相比较。

同样出于对姿态调整的考虑，需要计算图像两个垂直的主惯性轴的方向。简单的图像分割方法有阈值处理和边缘检测两种。求取图像重心位置提取图像的两个垂直的主惯性轴视觉获取的任意姿态物体图像，需要进行姿态调整，其第一步就是计算出物体的重心点坐标。对图像的初级处理，可以识别物体的形状特征、区分出物体在背景中所处的的位置。具有图像初级处理能力的机器人往往能满足在工业应用中的要求。数字图像的基本概念1、图像的分割算法根据适当的灰度阈值

th将图像的转变成二值化图像，便于图像分割。1）阈值处理法阈值的获得途径：二维图像函数f（x，y），假设其二值化之后的图像函数为：

ft（x，y），则：1）由图像灰度分布概率，用最小二乘法准确计算2）实验法双峰值特性的图像物体背景

1(

1)

2(

2)

——期望值

——协方差假定其灰度分布服从正态分布，其概率密度函数联合概率密度：P1、P2为两个峰下面的面积，且：P1+P2

=1以阈值

th分割图像thE1(th)E2(th)背景当物体的概率：物体当背景的概率：物体背景总误差概率：

E(th

)=P2E1

(th)+P1

E2(th

)p2(t)p1(t)关于

t

微分，取

dE(t)

/dt=0，得：P2p2

(th

)=P1p1(th)若P1=P2

，则最佳阈值

t为：将

p2(t)

和p1(t)

代入上式，得：Ath

2

+Bth+C=0A=σ12+σ22B=2(μ1σ22-μ2σ12)C=μ22σ12

-μ12σ22

+2σ12σ22

ln(σ2P1/σ1P2)如果σ12

=σ22

=σ2

，则：2）微分边缘检测法：2）微分边缘检测法：xxx2）微分边缘检测法：设图像f（x，y）原坐标（x，y）

旋转θ角

，新坐标为（x’，y’）两者的关系：

x=x'cosθ–y'sinθy=x'sinθ–y'cosθ图像函数f（x，y）沿

x、y和x’、y’方向的灰度变化率为：上式对θ微分，并令其为0梯度的大小灰度变化最陡的方向在数字图像中，用差分代替微分图像的梯度矢量的大小：图像的梯度矢量的方向：例如Sobel算子121000-1-2-1-101-202-101x方向y方向惯性矩：

定义：平面图形中任一微面积dA对z轴、y轴的惯性矩分别为：y2dA和z2dA；则整个图形（面积为A)对z轴、y轴的惯性矩分别为：惯性矩单位：m4或mm4；惯性矩恒为正值。2、重心点及惯性矩计算图像的惯性矩Ix、Iy、Ixyx(i)y(j)f(i，j)xc、yc若截面形心坐标为zc、yc，将面积视为平行力（即看作等厚、均质薄板的重力），由合力矩定理可得：当Sz=0或Sy=0时，必有yc=0或zc=0，可知截面对某轴的静矩为零时，该轴必通过截面形心；反之，若某轴通过形心，则截面对该轴的静矩为零。对于组合图形：形心公式：对于简单的、规则的图形，其形心位置可以直接判断。

对于组合图形：图像灰度函数

f(i，j)的重心坐标

xc、ycm——象素最大列数n——象素最大行数图像灰度值总和x(i)y(j)xc、ycf(i，j)转轴定理：研究坐标轴绕原点转动时，图形对这些坐标轴的惯性矩和惯性积的变化规律。

根据转轴时的坐标变换

：z1=zcosα

+ysinαy1=ycosα

–

zsinα新坐标轴z1、y1的惯性矩分别为：dAAyzy1z1总可以找到一角度α0以及相应的x0、y0轴，图形对于这一对坐标轴的惯性积等于零，即：将积分记号内各项展开，得:由此解得图像的主惯性矩I’x、I’y、I