智能移动机器人控制与感知系统

摘要随着机器人的应用范围的不断拓宽，机器人所面临的工作环境也越来越复杂，往往是未知的、动态的、非结构化的，所以，要在这种环境下实时地完成各种任务，就对机器人的控制提出了新的挑战。本文的主要工作和创新点包括：对移动机器人的硬件模块进行了分析。详细研究了移动机器人的感知系统，包括超声波传感器和视觉传感器两大模块。移动机器人采用了两款超声波传感器组合使用，用于探测更为全面的障碍物特征信息。通过对基于行为控制技术的论述，设计了一种用于移动机器人完成多目标任务的基于行为控制系统。另外机器人采用了SonyEVI-D31PTZ摄像头，成功地实现了计算机串口控制，大大的扩展了机器人的视觉功能，可以更多的获取外界信息。关键词：移动机器人、硬件模块、行为控制。AbstractWiththedevelopmentofappliedrange,theworkconditionfacedbyrobotismorecomplex,whichalwaysisunknown,dynamicandunstructured.Sothecontrolofrobottofulfillamissioninrealtimeunderthisenvironmenthasanewchallenge.Themainworkandinnovativeideasinclude.ThestructureofRIRA-Mobilerobotisintroduced.Furthermore,thedrivingmodelandpowermodelareanalyzed.TheperceptionsystemofRIRA-Mobilerobotisdemonstratedparticularly,whichincludestwomodelsofvisionandultrasonicsensor.RIRA-Mobilerobotusestwotypesultrasonicsensorssoastodetectthegeneralobstacles’information.Inaddition,SonyEVI-D31PTZcameraisalsoused,whichcandecontrolledbycomputerserialsthatthevisionfunctionofrobotisextendedgreatlytogetmoreenvironmentinformation.Throughexploringthebehavior-basedcontroltechnology,abehavior-basedcontrolsystemhasbeendesignedformobilerobotfulfillingmultipleobjectivemissions.KEYWORDS:mobilerobot;hardwaremodules;behaviorcontrol.目录第一章绪论1〔一〕移动机器人研究现状11、移动机器人的控制系统12、导航方式53、传感器及多传感器融合技术6〔二〕移动机器人的关键技术71、基于行为的控制技术72、移动机器人的主动视觉技8〔三〕研究意义和主要内容10第二章移动机器人的硬件结构11〔一〕移动机器人驱动模块111、驱动模块的硬件选取112、驱动模块的控制12〔二〕移动机器人无线通讯模块131、计算机与机器人间的图像无线通信142、计算机与机器人间的无线数据通信14〔三〕移动机器人控制系统的设计151、反响式控制结构152、移动机器人基于行为的控制系统的原那么173、基于行为的控制系统的行为选择机制18第三章移动机器人感知系统研究19〔一〕移动机器人的超声波传感器感知模块191、超声波传感器192、超声波传感器的根本原理203、移动机器人超声波传感器的应用20〔二〕移动机器人的视觉感知模块231、视觉系统的硬件结构252、视觉系统的软件结构27结论32致谢34第一章绪论〔一〕移动机器人研究现状移动机器人的研究始于20世纪60年代末期，目的是研究人工智能技术及在复杂环境下机器人系统的自主推理和规划能力。70年代末，随着计算机技术和传感技术的开展，世界上一批著名公司开始研究移动机器人平台，这些移动机器人平台主要作为大学实验室及研究机构的移动机器人实验平台。近年来，自主式移动机器人〔AutonomousMobileRobot〕技术在工业、农业、医学及社会效劳业等领域显示了越来越广泛的应用前景，因而成为国际机器人学术界研究的热点问题。国外移动机器人的开展比拟迅速，80年代，美国国防高级研究方案局〔DARPA〕，制定了地面天人作战平台的战略方案。从此，在全世界掀开了全面研究室外移动机器人的序幕，如DARPA的“战略计算机”方案中的自主地面车辆〔ALV〕方案〔1983－1990〕，能源部制订的为期10年的机器人和智能系统方案〔RIPS1986－1995〕，以及后来的空间机器人方案，日本通产省组织的极限环境下作业的机器人方案，欧洲尤里卡中的机器人方案，还有由美国NASA资助研制的“丹蒂Ⅱ”八足行走机器人，美国NASA研制的火星探测机器人索杰那等。国内在移动机器人的研究起步较晚，大多数研究尚处于某个单项研究阶段，主要的研究工作有：清华大学智能移动机器人于1994年通过鉴定；香港城市大学智能设计、自动化及制造研究中心的自动导。1、移动机器人的控制系统对于移动机器人的智能控制来讲有两种不同的观点：一是基于“环境建模－规划－控制”的纵向体系观点，即基于模型的智能控制模拟了人的深思熟虑的行为；二是基于“感知－行动”的横向体系观点，模拟了一种反射行为以及对复杂环境的迅速反响和适应能力。移动机器人的控制结构通常有下面几种：1.分级递阶结构：图1.1所示的分级递阶结构是由Albus提出的[1-4]，把各种模块分成假设干层，位于高层的模块负责复杂的推理、判决，较低的层次用于与外界的交互。这种体系结构遵循“感知—思维—行动”的根本规律，层次向上智能增加，精度降低，层次向下，智能降低，精度增加，较好地解决了智能和控制精度的问题。其缺点是反响性差，虽然低层有一定的实时处理能力，但仅限于局部的非智能反响，失去了高度智能性的实时反响能力,另外，由于各模块串行连接，其中任何一个模块的故障直接影响整个系统的功能。传感器传感器感知建模规划任务执行运行控制执行器图1.1分级递阶结构2.包容结构：包容式体系结构是美国MIT的R.Brooks提出的[5]，采用“感知—动作”结构〔图1.2〕，也称基于行为的结构。包容式体系结构在处理动态环境中不确定和模仿动物的低级反射行为方面具有很多优点，适合快速的反射性行为，如移动机器人的目标识别与路径规划，漫游与避障等。但是它强调单元的独立、并行工作，缺少全局的指导和协调。传感器传感器目标行为推理改变环境规划避障识别目标建立地图漫游执行器图1.2包容结构3.组织－协调－执行结构：这种结构是由Saridis等人提出来的〔图1.3〕组织级组织级协调级执行级机器人识别用户命令图1.3组织－协调－执行结构4.反响式结构：即根据移动机器人的行为功能构造控制体系结构〔图1.4〕。建立地图建立地图自动避障漫游感知环境动作图1.4反响式机器人控制结构它将机器人行为的感知、规划、任务执行等过程封装成一个行为模块，例如将机器人的行为分为停车、跟踪、漫游、避障等行为功能模块，每一行为实现传感器信息与机器人动作间的一种映射。某一时刻，只有一种行为控制车体。反响式从下向上的方法改变了机器人的控制策略，它是在小状态下搜索一系列的可编程的条件——动作对。纯粹的反响式系统不使用任何的环境信息内部描述，不执行任何的规划，机器人只是对传感器的信息直接进行反响，从而产生动作。这种控制方法是基于“刺激-反响”〔stimulus-response〕的原理。这样就使机器人能够快速地对时变的、非人为构造的环境进行反响。5.混合式结构可分为：漫游层、趋向总目标层、规划层或趋向子目标层、应急避障层和解死锁层，从下到上的各层中，越是高层，优先级越高，各层具体功能如下：漫游层：低优先级层，在无任务情况下，机器人根据传感器选择无障碍物方向随机动作。目的是在多机器人环境下，暂时无任务的机器人同样需要保持清醒的意识和一定的机动性，防止冲突。趋向总目标层：机器人通过通讯方式得到任务，比方一个最终目的地，机器人在本层内不断比拟当前位置和目标位置，产生并输出一个指向目标位置的下一步动作。如果本层有输出，那么说明机器人有新的任务，停止漫游活动，开始趋向目标运动。规划层：本层又叫子目标层，主要任务是机器人利用超声波传感器、已有地图及通讯方式得到较远处的环境信息，使机器人有足够的时间对环境做出推理判断，对路径做出阶段性规划。规划结果以子目标的形式输出。应急避障层：机器人在运动过程中，如果红外线传感器测得避障区有障碍物存在，那么机器人暂时停止趋向子目标运动，实施应急避障行为，之后重新规划子目标。解死锁层：没有一种算法既具有良好的避障行为，又可以排除所有的死锁行为，本算法也不例外。因此，本层的作用是判断机器人是否进入死锁状态，如果是，采用Follow-wall行为，逃离死锁状态。系统死锁判断方法：一是系统在Time时间段内速度为0，二是机器人运动方向与机器人当前目标〔总目标或子目标〕方向夹角大于90°[6]。死锁判断死锁判断漫游层趋向总目标趋向于目标应急避障Follow-wall规划模块地图通讯传感器执行图1.5混合型控制结构除此五种之外，还有Albus提出的三脊梯结构，席裕庚、田华等提出的环递阶结构，美国国家标准局〔NBS〕制造工程中心自动制造研究实验室提出的NBS分级感觉与控制结构和融合控制结构。随着机器人控制技术的开展，开发“具有开放式结构的模块化、标准化机器人控制结构”是当前机器人控制结构的一个开展方向。近几年，日本、美国和欧洲一些国家都在开发具有开放式结构的机器人控制器，如日本安川公司基于PC开发的具有开放式结构、网络功能的机器人控制结构。我国863方案智能机器人主题也已对这方面的研究立项。新型的机器人控制器应有以下特色：〔1〕开放式系统结构，采用开放式软件、硬件结构，可以根据需要方便的扩充功能，使其适用于不同类型机器人或机器人化自动生产线。〔2〕合理的模块化设计对硬件来说，根据系统要求和电气特性，按模块化设计，这不仅方便安装和维护，而且提高了系统的可靠性，系统结构也更为紧凑。〔3〕有效的任务划分，不同的子任务由不同的功能模块实现，以利于修改、添加、配置功能。〔4〕实时性、多任务，要求机器人控制器必须能在确定的时间内完成对外部中断的处理，并且可以使多个任务同时进行。〔5〕网络通讯功能，利用网络通讯的功能，以便于实现资源共享或多台机器人协同工作。〔6〕形象直观的人机接口。2、导航方式移动机器人的导航方式可分为：基于环境信息的地图模型匹配导航、基于各种导航信号-PAGE5-的陆标导航、视觉导航和味觉导航等。环境地图模型匹配导航[7]是机器人通过自身的各种传感器，探测周围环境，利用感知到的局部环境信息进行局部地图构造，并与其内部事先存储的完整地图进行匹配。如两模型相互匹配，机器人可确定自身的位置，并根据预先规划的一条全局路线，采用路径跟踪和避障技术，实现导航。它涉及环境地图模型建造和模型匹配两大问题。陆标导航是事先将环境中的一些特殊景物作为陆标，机器人在知道这些陆标在环境中的坐标、形状等特征的前提下，通过对陆标的探测来确定自身的位置。同时将全局路线分解成为陆标与陆标间的片段，不断地对陆标探测来完成导航。根据陆标的不同，可分为人工陆标导航和自然陆标导航。人工陆标导航是机器人通过对人为放置的特殊标志的识别实现导航，虽然比拟容易实现，但它人为地改变了机器人工作的环境。自然陆标导航不改变工作环境，是机器人通过对工作环境中的自然特征的识别完成导航，但陆标探测的稳定性和鲁棒性是研究的主要问题[8]。视觉导航主要完成障碍物和陆标的探测及识别。Trahanias[9]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陆标。视觉导航中边缘锐化、特征提取等图像处理方法计算量大，实时性差始终是一个瓶颈问题。解决该问题的关键在于设计一种快速的图像处理方法。Stanley[10]提出了基于神经网络的机器人视觉导航技术。该技术中估算逆雅可比矩阵是基于视觉导航的一个关键问题。它将图像特征的变化与机器人的位置变化对应起来，通过神经网络训练来近似特征雅可比矩阵的逆阵。该技术，通过提取几何特征、平均压缩、向量量化和主成分提取来简化图像处理，实现实时视觉导航。味觉导航[11,12]。是通过机器人配备的化学传感器感知气味的浓度，根据气味的浓度和气流的方向来控制机器人的运动。由于气味传感器具有灵敏度高、机器视觉技术的优越性响应速度快以及鲁棒性好等优点，近年来许多研究人员在气味导航技术上做了许多研究工作。但该项技术能够真正应用到实际环境中的却很少，仍处于试验研究阶段。FigaroEngineeringlnc.公司研制的氧化锡气味传感器，被广泛用于气味导航试验。石英晶体微平衡气味传感器、导电聚合物气味传感器和一种模仿哺乳动物鼻子功能的电子鼻等用于移动机器人味觉导航的传感器都处于试验阶段。目前的味觉导航试验多采用将机器人起始点和目标点之间用特殊的化学药品，如酒精和樟脑九等，引导出一条无碰气味路径，机器人根据不同的道路跟踪算法，用气味传感器感知气味的浓谈和气味源的方向进行机器人导航试验。味觉导航的研究具有很好的研究价值，该种移动机器人可用来寻找化学药品泄露源。3、传感器及多传感器融合技术传感技术自80年代以来获得了迅猛的开展，它已经越来越多的被应用于各种监测系统。移动机器人的传感技术用于对车体自身及外部环境信息的检测和处理。移动机器人所用传感器主要分为两类——内传感器和外传感器。〔1〕内传感器：用于测定机器人自身的参数位置和方向。常用的有计程仪、差分计程仪、磁罗盘和陀螺罗盘等。〔2〕外传感器：用于检测和处理外部环境信息。其中，用于移动机器人测距的外传感器通常为非接触型传感器，包括声学、光学和电磁波三类。目前常采用超声、激光、视觉等传感器。超声传感器的优点是硬件结构简单，价格低廉，容易操作；缺点是速度慢，存在较大的波束角，且对光滑外表存在镜面反射。激光传感器的优点是发散小或没有发散，并对大多数物体无镜面反射现象，缺点是存在潜在的平安问题〔首先是人眼平安问题〕，且不适用于透明物质。视觉传感器通常采用CCD敏感元件，优点是获取信息量大，缺点是计算复杂，对环境光线有一定要求。另外，移动机器人上还有触觉、压觉、滑觉等接触型传感器。移动机器人所用传感器主要分为两类——内传感器和外传感器。〔1〕内传感器：用于测定机器人自身的参数——位置和方向。常用的有计程仪、差分计程仪、磁罗盘和陀螺罗盘等。〔2〕外传感器：用于检测和处理外部环境信息。其中，用于移动机器人测距的外传感器通常为非接触型传感器，包括声学、光学和电磁波三类。目前常采用超声、激光、视觉等传感器。超声传感器的优点是硬件结构简单，价格低廉，容易操作；缺点是速度慢，存在较大的波束角，且对光滑外表存在镜面反射。激光传感器的优点是发散小或没有发散，并对大多数物体无镜面反射现象，缺点是存在潜在的平安问题〔首先是人眼平安问题〕，且不适用于透明物质。视觉传感器通常采用CCD敏感元件，优点是获取信息量大，缺点是计算复杂，对环境光线有一定要求。另外，移动机器人上还有触觉、压觉、滑觉等接触型传感器。多传感器信息融合技术是指将经过集成处理的多传感器信息进行合成，形成对外部环境某一特征的一种表达方式。在未知环境中，信息的表现形式是多种多样的，信息容量以及对处理速度的要求已大大超出人脑的信息综合处理能力，信息融合这一崭新的数据处理技术便应运而生。经过融合的信息具有冗余性、互补性、实时性和低本钱性。多传感器信息融合根本原理和出发点就是充分利用多个传感器的资源，通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在空间和时间上的冗余或互补信息，依据某种准那么进行组合，以获得被测对象的一致性解释或描述，使该系统由此获得比它的各组成局部更优异的性能和更可靠的决策。可以证明：应用优理论融合来自多个传感器的信息总能得到比单个传感器信息更好的对象状态估计。用于移动机器人的多传感器信息融合方法的研究从本世纪80年代中期开始起步，至今已有10余年的历史。由于移动机器人应用领域很广，因此确定多传感器信息融合的通用方法很难。融合的常用方法有：加权平均法、贝叶斯估计、卡尔曼滤波、统计决策理论、D—S证据推理、神经网络和模糊推理法以及带置信因子的产生式规那么。其中加权平均法是最简单也最直观的方法，一般用于对动态低水平的数据进行处理，但结果不是统计上的最优估计；贝叶斯估计是融合静态环境中多传感器低层数据的常用方法，适用于具有高斯白噪声的不确定性传感信息融合；对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波(KF)来融合动态低层次冗余传感信息，对于非线性系统模型采用扩展卡尔曼滤波(EKF)或者分散卡尔曼滤波(DKF)；统计决策理论用于融合多个传感器的同一种数据，常用于图像观测数据；D—S证据推理是贝叶斯估计法的扩展，它将局部成立的前提与全局成立的前提别离开来，以处理前提条件不完整的信息融合；基于神经网络法根据系统要求和融合形式，选择网络拓扑结构，通过网络学习确定网络连接权值，对各传感器的输入信息进行融合。系统具有很强的容错性和鲁棒性；模糊推理法首先对多传感器输出进行模糊化，将所测得的距离等信息分级，表示成相应的模糊子集，并确定模糊子集的隶属度函数，通过融合算法对隶属度函数综合处理，再将模糊融合结果清晰化，求出融合值；带置信因子的产生式规那么主要用于符号水平层表达传感器信息，结合专家系统对多传感信息进行融合。迄今为止,许多研究人员对信息融合技术的研究做出了很大的奉献。邬永革[13]等对多传感器信息融合的概念、方法及实现等问题作了探讨。SHouzelle和GGiraudon[14]提出了要从多传感器融合信息中获取更多潜在的优势，必须对增长的数据流、知识模型和推理决策进行控制，同时通过使用香农〔Shannon〕信息理论提出了各种传感器之间的冗余性及互补性的定量测量。JKHackett和MShah[15]将多传感器信息融合的应用分为六大类，即场景分割、表达、3-D形状、传感器建模、自主机器人和目标识别。袁军等也对多传感器信息融合的方法进行了归纳，同时也回忆了融合中的控制结构、传感器选择及环境建模等问题。多传感器融合技术在自主车导航中的作用越来越受到重视。如Hilare移动机器人将触觉、听觉、两维视觉、激光测距等传感器结合起来，使之能在未知环境中操作。Stanford移动机器人将触觉、立体视觉和超声波传感器用于非结构化人为环境中的机器人导航。Carnegie-Mellon机器人中心研制的CMU自主陆地车具有彩色TV摄像机、激光测距仪和声纳传感器。〔二〕移动机器人的关键技术1、基于行为的控制技术基于行为控制方法是反响式系统的扩展，它介于纯粹的反响式和极端的慎思型之间。在文献中基于行为方法和反响式方法常常被混淆，尽管两者在内部状态上没有本质的不同，但是基于行为策略要比纯粹的反响式方法优越的多.“基于行为机器人〔BBR〕建立了人工智能、工程和认知科学之间的桥梁。基于行为的方法是设计自主智能体和机器人的方法论，是智能体结构的一种形式。正是这种结构提供了框架并且施加了某些约束，从而使机器人的控制问题得以解决。基于行为的方法论利用了一种普遍的、生物学上的灵感，从下而上的哲学体系，并且允许了在解释、描述上的一定的自由。基于行为的方法论的目标就是开展控制智能系统〔通常是指机器人系统，也包括一些仿真机器人和其他的自主的软件智能体〕的方法，使用机器人来构造模型从而更好的理解生物系统〔通常是指动物，从昆虫到人类〕。”现有的移动机器人存在的主要问题是缺乏灵活性和自主性，大多数机器人只能在预先定义的地图中或者是高度结构化的环境中执行预先规定的动作。在陌生的环境下，机器人不能很好的完成任务，主要原因在于对环境情况的预先知识的了解是不全面的、不确定的和近似的；由于传感器自身的限制，感知信息存在不同程度的不确定性，直接使用感知信息很难得到准确的环境模型；控制作用并非完全可靠，如出现打滑等，基于行为的控制结构解决了这些问题，使机器人能够克服环境的不确定性，可靠的完成复杂任务，且效率高、鲁棒性好。对于移动机器人的自主导航来说，所具备的行为包括紧急行为、避障行为、任务行为〔包括障碍物识别及环境探索〕，每种行为有不同的优先级，其中紧急行为优先级最高，避障行为次之，任务行为优先级最低，整个体系结构如图1.6所示障碍物识别障碍物识别环境探测避障避险传感器电机任务图1.6基于行为的控制结构2、移动机器人的主动视觉技1.主动视觉的定义：主动视觉(ActiveVision)是当今计算机视觉和机器视觉研究领域中的一个热门课题。主动视觉强调的是视觉系统与其所处环境之间的交互作用能力。具体地说，主动视觉系统应具有根据自己在当前环境中所处的状态,如几何位置、姿态，摄像机的成像光学条件等,调整自身各局部的状态参数,使其能够到达一个佳成像状态，从而使系统能够方便地完成特定的视觉任务,如动态地跟踪物体的运动。由此可见，主动视觉系统就是能够支持主动视觉功能的实验演示系统,又称为图像采集平台(multi-DOFimagegrabplatform)。通过视觉信息进行导航控制是随着计算设备运算速度和存储容量的快速开展、图像技术的进步而提出来的。视觉系统在导航中主要起到环境探测和辨识的作用。环境的探测包括障碍探测和陆标探测，而辨识主要是路标和目标物体的识别。其目的是为移动机器人提供相关的环境信息如障碍物相对机器人的位置信息，机器人在全局坐标下的位置信息，甚至运动物体的速度、方向、距离信息，以及目标的分类等。视觉导航的优点在于其探测的范围广，取得的信息丰富，其难点在于机器人导航使用的视频图像信号数据量很大，要求较高的实时数据处理能力，同时从图像中提取对导航有价值的信息也是一个富有挑战性的工作。2.视觉系统的组成机器人视觉系统从功能上看可分成图1.7所示三局部。其中摄像头的作用是摄取环境中的情况，产生连续帧(或场)的视频图像。这些视频图像通过A/D转换，生成相应的数字图像，然后再由图像识别算法对这些数字图像进行辨识，得到所需数据。机器人视觉系统就其实现方案而言，可分为三类[27]：第一类是所谓的软件法，该法是指图中的A/D功能由专门的图像采集卡实现，而图像识别算法那么由装入主计算机的程序完成。因为单纯实现A/D功能的图像采集卡结构简单，通用性强，在市场上较普遍，而在PC机上开发软件算法也较方便，因此软件法是比拟容易实现的方法。但是由于主机要完成大量的数字图像信息的处理，工作量很大，所以实时处理的速度是此类方法的开发重点和难点；第二类是硬件法，它将图中A/D和图像识别算法固化在一块数据采集处理板上，图像采集板完成图像的数字化转换、图像压缩、分析和处理的功能，向主机传送图像处理后的结果。由于大量的图像处理、分析动作都由图像采集板完成，减轻了主机的负担，是提高系统的实时处理速度的有利手段。由于问题的具体性,采用此法需独立开发出一块数据采集板，所以通用性不强，设计周期长，本钱高；第三类是软、硬件结合法，在这种方法中，数据采集处理板可实现A/D功能和局部简单但量大的图像辨识任务，然后将中间辨识结果传给计算机，在计算机上完成剩余的量小但复杂的辨识计算任务。这种方式下，图像的通用性强，开发周期短。显然采用软硬件结合法，要比采用硬件法开发数据采集处理板的难度小，但是该方法所需的采集卡价格贵，费用也较高。3.视觉系统的工作原理：无论采用哪种方式，机器人视觉子系统一般都具有如下的功能模块：图像采集、图像分割、目标识别和目标跟踪。(a)图像采集、通过摄像头将环境中的现实情况采集到计算机内存，供视觉处理软件分析。主要用摄像头、图像采集卡等硬件设备来完成。(b)图像分割也就是图像的二值化，是将彩色图像中各像素区分成不同对象的子类。经过像素分类处理后，彩色图像变为二值图像〔感兴趣的目标点为1或255，背景点为0，也可以根据算法实现的需要设置其它值〕。在二值图中，别离出各个独立的目标区域。图像分割是在颜色分割的根底上进行的，对图像进行颜色分割后，就可以获得多个二值化图像结果，这些二值化图像实际上是从同一幅图像中获得的。因此，对于多目标图像处理需要获得多重二值化图像结果。这样就完成了多目标的分割。(c)目标识别此模块是通过独立目标区域的特征量来确定目标特性，如通过目标矩心、目标周长、面积和方向等，最终确定出目标的中心位置和运动方向，为决策子系统提供信息。目标识别的过程是计算机认识图像的过程。就机器人视觉系统来说，它对机器人视觉系统的实时性影响最大，是系统的研究重点和难点，同时也是目前广阔学者研究的热点，提出了许多算法。(d)目标跟踪在机器人小车运动的同时，视觉子系统连续摄取环境中的一帧一帧的彩色图像，及时处理帧图像，使机器人小车能够进行连续的运动。在机器人视觉系统中搜索目标的方法有两种：一种实现方法是对所采集的每一帧图像进行全帧识别处理；另一实现方法是利用上帧所识别出来的目标信息，根据它的速度及运动方向，对它在下帧中的大致位置进行预测估计，从而只需在一帧图像的局部区域进行搜索和识别。处理，这一方法便是实际的目标跟踪。目标跟踪大大地减少了系统处理的数据量，从而很容易实现实时性要求，也可以提供较多的时间进行其它处理。〔三〕研究意义和主要内容近几十年来，机器人技术不断得到开展，其应用领域也越来越广泛，尤其是在军事、月球探索、效劳等领域愈发得到了更加重要的应用。但是在不断提高机器人智能化的同时，它所面临的环境也开始变得越来越复杂，往往是未知的、动态变化的，机器人要完成的任务也越来越复杂。所以就要求机器人必须有一个更好的体系结构，从而能更好的代替人类的劳动、工作。本文对移动机器人的行为控制较为系统的研究，提出了基于行为的模糊控制技术方法。本文的主要工作和创新点包括：第一局部详细论述了移动机器人及其控制技术的现状，对当前的国内外移动机器人的开展进行了分析和展望。第二局部对自行研制开发的RIRA移动机器人进行了阐述，并对RIRA移动机器人的硬件模块进行了详细分析。第三局部进行了RIRA型移动机器人的感知系统的设计，包括超声波传感器和视觉传感器两大局部。RIRA移动机器人采用了多路超声波传感器组合，还使用了两款可测距超声波传感器，用于探测不同距离的障碍物，保证对外界环境的尽可能多的检测。另外RIRA移动机器人采用了SonyEVID3-PTZ摄像头，成功地实现了计算机串口控制，大大的扩展了机器人的视觉功能，可以更多的获取外界信息。第二章移动机器人的硬件结构〔一〕移动机器人驱动模块1、驱动模块的硬件选取1.硬件的选取根据实际环境的需要，RIRAII移动机器人的驱动部件选取的是交流伺服电机，交流伺服电机选用日本松下电机，它的额定功率为0.75kW，额定转矩为2.4Nm，最高转速为4500rpm，额定转速为3000rpm，选用的编码器是增量式编码器。这种电机有三种控制模式：位置控制模式、速度控制模式和转矩控制模式。运动控制的原理：由运动控制模块发出控制信号，如脉冲信号和模拟电压量等，这两种控制信号分别对应位置控制模式和速度控制模式，伺服电机在相应的模式下接收到控制信号，于是便能按照预定的方式运动。在位置控制模式下，根据输入电机的脉冲频率，控制驱动电机转速，随着控制频率的增大，位置控制模式的线性度略有下降，这是由于累积误差引起的。因此，移动机器人的运动控制，一般不采用位置控制方式，而选用速度控制模式。交流伺服电机工作原理伺服电机在控制系统中用作执行元件，将电信号转换为轴上的转角或转速，以驱动控制对象。伺服电机有交流和直流两种，它们的最大特点是可控。在有控制信号输入时，伺服电机就转动；没有控制信号输入时，那么停止转动；改变控制电压的大小和相位〔或极性〕就可以改变伺服电机的转速和转向，它是控制系统中的原动机。伺服电机控制方法有三种：①幅值控制；②相位控制；③幅值-相位控制。生产中多用幅值控制。交流伺服电机与普通电机相比具有如下特点：〔1)调速范围宽广，伺服电机的转速随着控制电压改变，能在宽广的范围内连续调节；调速范围宽广，伺服电机的转速随着控制电压改变，能在宽广的范围内连续调节；调速范围宽广，伺服电机的转速随着控制电压改变，能在宽广的范围内连续调；转子的惯性小，能实现迅速的启动，转动；控制功率小，过载能力强，可靠性好。由于伺服电机的特点，它的应用非常广泛。例如，雷达系统中扫描天线的旋转，流量和温度控制中阀门的开启。另外，数控机床中刀具运动、舰船方向舵和机器人的驱动都是采用伺服电机来完成的。2、驱动模块的控制本研究主要采用单片机来控制驱动模块，单片机以其体积小、价格低、抗干扰性好等特点，在现代控制系统中常用在操作现场进行数据采集，以及实现现场控制。其程序流程图如图2.1所示。开始伺服状态设置左电机零速箱位有效右电机零速箱位有效开始伺服状态设置左电机零速箱位有效右电机零速箱位有效速度设置通过井口接收电机动作标志位右电机零速箱位无效左电机零速箱位无效左电机动作右电机动作结束单片机输入的脉冲信号通过D/A转换，把数字信号转换成模拟信号，电机的转速和转向主要是通过电压的变化来控制的，电机需要的电压范围为-10V～+10V，其速度控制图，如图2.2示，阴影的局部表示斜率可以变化的范围，通过调节伺服控制器的参数可以调节斜率，速度的正轴代表正转，负轴代表负转。交流伺服电机控制器有五种模式选项，包括：监视器模式、参数设定模式、EEPROM写入模式、自动增益调整模式、辅助模式。在交流伺服电机运转之前，还需要对控制器的参数进行设置，选择控制器的参数设定模式，对其参数进行设置，其参数设置如表2.2所示，调节表2.1参数也可以改变电机的转速和方向。在交流伺服电机运行的时候，选择控制器的监视器模式以监视电机的转速，确保电机的转速与指令给定的一致。移动机器人运动方式为履带式车辆运动方式，即左边两个轮子的转速一致，右边两个轮子的转速一致。因此该移动机器人可简化成以前后轮中心线为轴线的两轮移动平台。可以通过控制左右轮的速度来控制移动机器人作相应的动作。移动机器人的动作主要包括前进、后退、前进左拐、前进右拐、后退左拐、后退右拐、停止等动作。图2.2速度控制示意图表2.1伺服电机参数设置参数号参数描述值Pr02控制方式选择1Pr04驱动禁止输入无效1Pr06零速箱位输入选择1Pr50速度指令输入增益按需要设定Pr51速度指令输入取反Pr58加速度时间设定Pr59减速度时间设定Pr5AS形加速，减速时间设定〔二〕移动机器人无线通讯模块如何提高自主式移动机器人对各种传感器信息的处理能力是一个关键技术问题。在移动机器人自身负重能力有限的情况下，通过无线通信方式，借助外部计算机处理传感器信息成为一种可行方案在轮式移动机器人控制平台上，成功地实现了自主式移动机器人的无线控制。无线通讯模块的功能主要有：图像的无线传输和数据的无线传输。1、计算机与机器人间的图像无线通信图像的无线传输采用了1K－1200SR无线影音发射器和接受器。摄像头连接发射器，位于移动机器人的车体之上；接收器放位于上位机〔图像处理计算机〕处，和彩色数字图像采集卡连接，传输距离可达百米。2、计算机与机器人间的无线数据通信考虑到移动机器人的特点，无线通信是较为理想的通信方式。试验中，无线收发模块采用TX315A全晶振式射频无线收发模块，模块由TX315A－T01发射组件和TX315A－R01接受组件两局部组成。该无线收发模块主要有以下特性：〔1〕体积小，发射和接受模块均为12*22*32mm。〔2〕其频率绝对一致，故在使用的时候可随意增加发射和接受组件，以组成所需要的功能系统。〔3〕发射模块的输入信号可以使用VD5026，PT2262，HT12E等等编码器，或是PIC16，Z80，51系列的单片机，电路含有一只47KΩ的限流电阻，信号可以直接由芯片输出，传输速率为，10K。〔4〕接受模块内含有一整套超外差晶振接受和数据处理电路，输出可直接传给VD5027，PT2272，HT12D译码器或PIV16，Z80，51单片机。发射模块与主机的连接见图2.3，接收模块与单片机的连接见图2.6。图2.3发射模块与计算机的连接图计算机与单片机8951间的无线通信试验中,发射和接受两个模块用于计算机串口与单片机8951之间进行无线通信。单片机8951支持串口通信功能,性价比高,是计算机控制机器人的理想中介。TX315-T01模块与计算机串口的连接中,由于模块不支持TTL电平,计算机串口的TXD线需要经过电平转换后与发射模块的信号输入端相连。接受模块与单片机8951的连接如图2.4所示,无线接受模块的信号端与单片机的RXD连接。单片机8951可直接通过一个引脚的上下电平将无线收发模块置于始终发射或接收状态。由于试验中计算机采用的是VisualBasic6.0的开发环境,可通过设置Mscomm控件的属性来实现计算机串口对无线收发模块收发状态转换的控制。计算机与单片机的通信速率约定为9600bs,为了获得精确的波特率,8951选用11.0592MHz的晶振。所对应的单片机接受程序，局部如下：GET:CLRRINOPNOPG1：JBCRI,G10AGMPGIG10：MOVA,SBUFMOV30HALCALLDISPLAYSJMPGET图2.4接收模块与单片机的连接图机器人无线控制是基于上述计算机与单片机之间的无线通信而实现的，设计机器人无线通讯的总体框架如图2.5所示。计算机计算机电平转换无线接收模块无线发射模块机器人单片机图2.5机器人的无线通讯模块示意图〔三〕移动机器人控制系统的设计1、反响式控制结构随着人们对于移动机器人的性能的要求不断提高，例如要求其能够在复杂的区域中〔如在真实环境中〕进行有目的的自主移动，这样就需要在它们的控制系统中具有一定的实时反响能力，针对这种情况，MIT的Brooks等人提出了一种被称为包容系统〔Subsumption〕的反响控制结构，反响结构目前已经得到了很大的开展，各国研究人员提出了各种控制系统，反响结构目前已经广泛的应用于机器人控制系统。反响式控制结构是把复杂的任务分解成很多简单的可以并发执行的行为，这些行为直接将传感器和驱动器耦合在一起，对传感器的输入实时的做出反响，给驱动器发出控制命令，从而实现了实时控制，因此这种结构也被称为基于行为的控制结构〔Behavior-BasedControlArchitecture〕。多个行为相互松耦合构成层次模型，它们通过相互竞争与仲裁，产生抑制和激活信息来协调彼此的行为，因此外部观察者看来具有一种有序的动作方式，表现出某种形式的智能行为，如避障、跟踪等。这种方法的优点主要在于每个行为的功能比拟简单，因而可以通过简单的传感器及其快速信息处理过程获得比拟好的运行效果。高层行为建立在底层行为之上，但下层可以单独运行，由上而下具有功能继承性，且实时性好。反响系统中的一个关键问题是如何协调各种不同的行为，目前的行为协调一般分成两种模式：合作〔cooperative〕模式和竞争〔competitive〕模式。合作模式〔如图2.6所示〕提供了同时使用一个或者多个行为的输出的能力，因为这些行为是通过一组权值组合在一起，所以它的输出可以平滑传感器的噪声。然而，因为在不同的行为之间可能存在冲突，因此这种模式可能会产生小陷阱或者死循环的情况，合作模式中比拟典型的代表是，Arkin提出的Motor规那么控制结构。传感器行为一行为二行为三行为死∑融合图2.6合作模式在竞争模式〔如图2.7所示〕中，将不同的行为分成不同的等级，当有多个行为同时发生时，只是选择其中优先级高的行为来作为后的输出，它以不能平滑传感器噪声为代价避开了小陷阱问题，但是也存在极限环问题，Brooks的包含控制系统所采用的就是竞争模式。传感传感器行为一行为二行为三行为四SSSS选择2、移动机器人基于行为的控制系统的原那么本课题基于Brooks提出的包容体系结构实现移动机器人的根本运动控制，通过采用分布决策模式来取代传统的中心决策模式设计控制器，采用基于感知的反响式行为模式，大大提高了移动机器人的机动能力、鲁棒性以及快速响应能力，简化了控制系统的设计，进而保证了代码的易实现性和最小的扩展代价。为了使自主机器人系统能够适应环境的变化，研究人员一直在追求更好的硬件、更复杂的程序、更精确的传感器等等，以求得到更高级的机器人行为。但是，我们总会受到某些条件的制约。实践经验说明：在多数情况下，越精确、越高级的机器人系统就越难控制。因此在实际应用中要遵循一定的设计原那么，使自主机器人系统的设计切实可靠。目前，已有许多基于行为模式设计的机器人系统能够满足人类的许多方面的要求，这些系统的成功主要归功于三个原那么：简单性原那么、无残留状态原那么和高冗余性原那么。简单化设计原那么能够带来使调试和改良更容易、更快捷，执行系统的效率更高、适应性更强的优点，因此它越来越多地被采用。Donald等人给出了关于简单化设计方法的总的观点；无须理解的灵巧操作、无须静态稳定性的行走、无须传感器或鼓励器的运动和基于行为主义的控制系统。无残留状态被定义为一个系统的大量反响的局部规那么，是对系统内部所保存状态的一种度量。我们设计时必须使系统的内部状态与外在环境保持同步，这就要求所保存的状态不能在系统内部长时间的起作用。无残留状态特性是一种感觉的消退，即在一短暂时段内保存感觉到的某种信息局部数据，这有点类似于视网膜对残留影像的保存过程。感觉消退的设计允许将所得的信号直接参加到系统中而无须改变先前的方法或代码：允许在实际的环境下对智能系统进行训练和调试。高冗余性是能使系统与不确定因素共存，而不是去消除不确定因素。它的实现是通过尽量减少对精确度的需求来到达实际的要求。高冗余性原那么已经在上述的简单性原那么、无残留状态原那么中被充分运用，例如，运用快速反响取代精确计算。但在利用高冗余性原那么时，研究人员必须要确保获得完成任务所需的最低限度信息量。3、基于行为的控制系统的行为选择机制基于行为的包容式框架结构，如图2.7和2.8所示，将机器人的任务分成几个独立模块，每个模块响应一个非常有限的行为；模块的作用是固定的，这些模块并行完成各自的工作。由于此结构可以任意添加不同优先级的模块，因此，采用这种结构构造一个相对复杂的系统成为了可能。但是在这么多无限增加的行为模块中，哪一个或几个模块的行为被执行，是同步执行还是异步执行，这些问题就涉及到了层与层之间的行为协调。图2.8包容关系示意图图2.10给出了包容结构模块关系示意图，图中X1是优先级低的行为的输出，X2是优先级高的行为的输出，Xout是实际输出到执行机构的值。当X2存在有意义的输出，即优先级高的行为处于激活状态时，即使X1也处于激活状态，它也将抑制X1的输出，此时的实际输出值等于X2，X1不起作用。只有当优先级高的行为不在激活状态时，优先级低的行为才取得控制权，实际输出才等于X1。第三章移动机器人感知系统研究〔一〕移动机器人的超声波传感器感知模块1、超声波传感器超声波是指频率在2000Hz以上，不能引起正常人听觉反响的机械振动波。其波长很短，可以集成狭小的发射线束，呈束状直线传播，传播具有一定的方向性。同时超声波作为一种非接触的检测方式，和红外、激光及无线电测距相比，不受光线、被测对象的颜色等的影响，在恶劣的环境中(如含粉尘时)具有一定的适应能力，比激光测距更容易获得近距离信息，并且具有结构简单、本钱低等优点。为了研究和利用超声波，人们已经设计和制成了许多超声波发生器。总体上讲，超声波发生器可以分为两大类：一类是用电气方式产生超声波，一类是用机械方式产生超声波。电气方式包括压电型、磁致伸缩型和电动型等；机械方式有加尔统笛、液哨和气流旋笛等。它们所产生的超声波的频率、功率和声波特性各不相同，因而用途也各不相同。目前较为常用的是压电式超声波发生器。压电式超声波发生器实际上是利用压电晶体的谐振来工作的。超声波发生器内部结构如图3.1所示，它有两个压电晶片和一个共振板。当它的两极外加脉冲信号，其频率等于压电晶片的固有振荡频率时，压电晶片将会发生共振，并带动共振板振动，便产生超声波。反之，如果两电极间未外加电压，当共振板接收到超声波时，将压迫压电晶片作振动，将机械能转换为电信号，这时它就成为超声波接收器了。常见的小型超声波传感器有以下三种形式：透射型：超声波在发射器和接收器之间通过，由于超声波穿透物体，发射波束衰减或被截断，适于遥控器、防盗报警器、接近开关等。反射型〔一体型〕：传感器发射超声波，在待测物体外表发射，再返回传感器。一个超声传感器既发射又接收，多用于材料探伤、测厚等。反射型〔别离型〕：发射和接收分别是两个探头，形成一对，用于测距、液位和料位等。图3.1超声波传感器结构2、超声波传感器的根本原理超声波测距原理很简单，一般采用渡越时间法(TimeofFlight,TOF)检测超声波往返距离的时间，由于所用的时间与超声波通过距离成正比，当超声波发射极发出一个短暂的脉冲时，计时开始，当超声波接收器接收到第一个返回脉冲后，计时立即停止。此时，记录得到的时间值为D/=CT/2其中D为机器人与被测物之间的距离，C为声波在介质中的传播速度C=3314*√1+273M/S，t为摄氏温度)，T为超声发射到返回的时间间隔。超声波在空气中的传播速度为340m/s，但其传播速度随介质温度的上升而加快，气温增高10℃，速度加快0.6m/s。图3.1给出了超声波传感器的构成原理图。3、移动机器人超声波传感器的应用机器人采用两款超声波传感器，分别是固定在机器人前方的三个远距离超声波传感器，测量值为A1,A2，A3，测量范围为36MM-5M三个在相同位置上的近距离超声波传感器，测量值为a1,a2,a3,测量范围13m-3m近距离超声波传感器近距离超声波传感器的电路如图3.2所示图电路板面在工作的时候，测距单片机首先输出一组40KHz的脉冲串，每组12个脉冲，经过三极管及变压器驱动超声波发射传感器T40发射。同时内部计时器开始计时。当发射出去的超声波脉冲信号遇到障碍物反射回来并被超声波接收器R40接受后，接受放大电路对信号选频放大，然后送至单片机进行判断。假设信号有效，那么芯片停止计时并将时间换算为距离。距离数值有LED数码管直接显示，最大显示距离为3m，误差≤0.01米，盲区为0.13米。测距单片机芯片的10脚是串行输出，端口与总控单片机直接相连，每测量一次，串口输出一组数据，由总控单片机进行判断。远距离超声波传感器机器人选用了美国宝利来公司生产的6500系列超声测距模块，见图3.3。该模块包括一个发射-接收一体的超声波传感器及其驱动模块，超声波频率为49.4KHz。每个传感器模块既作为超声发射器又作为超声接受器，因此不能同时发射超声和接受超声，在发射超声后必须经过一段时间才能处理返回的声波。如果障碍物距离太近那么传感器收不到返回的声波，所以该传感器存在一定的测量盲区，所以RIRA将近距离传感器和远距离传感器交叉使用，只要将近距离感器靠近机器人中心安装就可以抵消测量盲区的影响。本模块最远测量距离可以到达10m，精度到达士l%。超声波束的最大强度范围一般是在15-20度之间。该套超声波模块己经被成功地应用于了移动机器人系统。3超声测距模块在移动机器人中的应用超声波传感器由于具有本钱低、结构简单、计算量小、体积小和重量轻等优点被广泛用于移动机器人系统，但也存在一些问题。Silva.C认为超声波传感器很难检测到近距离障碍物，而且是测距范围越远，盲区越大。RIRA使用了两种测距范围的超声波传感器的目的就是为了消除盲区。另外由于受环境温度以及超声波固有宽波束角等因素的影响，超声波传感器所测量的值与实际值总有一些误差。本超声波测距系统采用曲线拟合的最小二乘法对测量数据进行拟合，使其精度到达士1cm。测距误差主要来源于以下几个方面:(1)超声波束对探测目标的入射角的影响。〔2〕超声波回波声强与待测距离的远近有直接关系，所以实际测量时，不一定是第一个回波的过零点触发。(3)超声波传播速度对测距的影响。稳定准确的超声波传播速度是保证测量精度的必要条件，波的传播速度取决于传播媒质的特性。传播媒质的温度、压力、密度对声速都将产生直接的影响。因此需对声速加以修正。对于测距而言，引起声速变化的主要原因是媒质温度的变化。本文采用声速预置和媒质温度测量结合的方法对声速进行修正，可有效地消除温度变化对精度的影响[50]。图3.3远距离超声波传感器图在移动机器人中，为了对环境有充分的了解，获取足够的环境信息，单个传感器缺乏以完成机器人对环境的感知，必须采用多个传感器组成机器人的感知系统。因此，在不同的方位间隔配置了超声波传感器，这样就可以得到较为全面的信息。机器人用了6个超声传感器，在机器人的前进方向按照左前、正前、右前间隔配置，覆盖前方的区域。图3.4为超声波测距流程图。在使用多个超声传感器的时候，就会增加测量时的噪声，主要是因为两个原因:一个来自于其它超声波传感器外界环境噪声，这种情况主要是出现在移动机器人的操作环境中有其它移动机器人的情况下。另一个原因是同一个移动机器人上的超声传感器之间的相互干扰，也就是信息交叉的问题。传感器Y接收到的超声反射除了由传感器Y发射的以外还有传感器X所发射的，这样对传感器Y而言就产生了交叉信息干扰。如果每个超声波传感器的发射频率是10Hz，那么，配有9个超声传感器的机器人每秒钟就会得到90个超声波传感器的数据，同样会产生信息交叉的问题。对这种干扰，必须采用一定措施加以消除。我们采取了轮流探测的方法，采取交错启动原理，控制相邻传感器的启动时间的方法，即当传感器X以一固定时间间隔触发时，使传感器Y前后两次启动时间间隔大于一门限值，即可使干扰信号以变化的时间出现，而被识别并舍去。图3.4超声测距流程图〔二〕移动机器人的视觉感知模块每个人都能体会到，眼睛对人来说是多么重要。可以说人类从外界获得的信息，大多数都是从眼睛得到的。有研究结果说明，视觉获得的感知信息占人对外界感知信息的80％。人类视觉细胞数量的数量级大约为108，是听觉细胞的300多倍．是皮肤感觉细胞的100多倍。从这个角度也可以看出视觉系统的重要性，至于机器视觉的应用范围，可以说是包罗万象。随着大规模、超大规模集成电路技术的开展，计算机内存的体积不断缩小，价格急剧下降，速度不断提高，视觉系统也走向了实用化。进入20世纪80年代后，由于计算机的飞速开展，使用的视觉系统已经进入各个领域，其中机器人视觉系统的数量也很多。对于机器人视觉感知，我们的主要任务是为机器人建造视觉系统。如同人类视觉系统的作用一样。机器人视觉系统将赋予机器人一种高级感觉机构，使得机器人能以智能和灵活的方式对其周围的环境做出反响。由于对机器人系统应用领域不断提出更高的要求，机器人视觉将越来越复杂，研究者也越来越多。机器人视觉可以看作从三维环境的图像中抽取、描述和解释信息的过程，它可以划分为六个主要局部：①感觉；②预处理；③分类；④描述；⑤识别；⑥解释。再根据实现上述各种过程所涉及的方法相技术的复杂性将它们归类，可分为三个处理层次：低层视觉处理、中层视觉处理和高层视觉处理。虽然各层次间没有明确的界限，但是这种划分对于将机器人视觉系统的固有处理过程加以分类提供了一种有用的结构。移动机器人的视觉系统的总体结构如图3.5所示，系统由两大局部组成，即硬件和软件两部份。硬件由下述几个局部组成：1)视觉传感器，即CCD摄像头；2)视频信号数字化设备，即图像采集卡，它的任务是把CCD摄像头输出的全电视信号转化成计算方便使用的数字信号；3)计算机及外设，根据系统的需要可以选用不同的计算机及其外设，来满足机器人视觉信息处理及机器人控制的需机器人视觉系统机器人视觉系统硬件局部软件局部视觉传感器数字图像采集卡图像处理计算机及其外设与机器人无线通讯模块计算机软件图像处理算法与机器人相联的控制软件图3.5移动机器人的视觉系统的结构图软件由下述几个局部组成1.计算机系统软件，选用不同类型的计算机，就有不同的操作系统和它所支撑的各种语言等；2.机器人视觉信息处理算法，主要包括图像采集、图像处理、图像匹配、目标位置计算等模块。其中：在视觉系统的初始化局部，进行硬件设备〔CCD摄像头和图像采集卡〕的初始化及各种初始信息的输入调整；图像采集模块采集数字图像到计算机显存和内存；图像处理模块主要是对所获取的图像进行分割，优化图像质量，获得视野中物体数目并对它做出标记；图像匹配模块是根据目标物体的信息对当前图像中的物体逐个进行比拟，找出目标并计算它在机器人视野中的位置；摄像头控制模块把上一步得到的目标位置信息转化成摄像头的控制命令送到摄像头。1、视觉系统的硬件结构视觉系统中视频采集的硬件局部主要包括计算机、视觉传感器和视频信号数字化设备，即CCD摄像头和图像采集卡计算机是图像处理的核心，用于控制图像的输入和输出设备，最重要的是对图像进行加工和变换，生产最终需要的图像。如果没有特殊需要，目前的个人计算机可以来进行一般的图像处理。做图像处理的计算机的主要技术指标有主频、内存、显存和硬盘等。图像卡的图像采集、显示格式依赖于主机显示卡的显示模式，所以在使用图像卡之前应通过WindowsSetup中的DisplaySetup来设置显示卡相应的模式。即：显示卡可根据需要设置为256色〔8位〕，32768色〔15位，对应图像卡图像格式的RGB555〕，65535色〔16位，对应图像卡图像格式的RGB565〕，16mil色〔24位，对应图像卡图像格式的RGB888〕,真彩色(32位,对应图像卡图像格式RGB8888)。由于使用的是彩色CCD摄像机，所以在运行用户程序之前要把应用图像显示的计算机设置成增强色16位图像格式。要得到数字图像需把CCD摄像机的视频输出送到数字化器中，这通常在计算机中插专门的硬件卡来实现。近年来，人们设计了各种与工业标准总线兼容的可以插入微机或工作站的图像采集卡，这些图像采集卡可用于图像数字化和临时存储。在基于PC机的机器视觉系统中，图像采集卡是控制摄像机拍照，完成图像采集与数字化，协调整个系统的重要设备。它一般应该具有以下功能模块：图像信号的接收与A／D转换模块，负责图像信号的放大与数字化。采集精度到达8Bit或10Bit。摄像机控制输入输出接口，主要负责协调摄像机进行同步或实现异步重置采集、定时采集等。总线接口，负责通过PC机内部总线高速输出数字数据，一般是PCI接口，传输速率一般能高达13Mbps，能胜任高精度图像的实时传输，且占用较少的CPU时间。基于这些要求，我们选用了北京大恒图像视觉设计的、基PCI总线的DH-VRT-CG40O，输入的彩色视频信号经数字解码器、模/数转换器、比例缩放、裁剪、色空变换等处理，通过PCI总线传到VGA卡实时显示或传到计算机内存实时存储。数据的传送过程是由图像卡控制的，无需CPU参与，瞬间传输速度可达132MB/S。该采集卡如图3.5所示。六路复合视频输入或3路Y/C输入或者是两者组合经多路开关，软件选择其中一路或一组Y/C作为当前输入，送入数字解码器。数字解码器将输入的彩色信号变成亮度信号Y和色差信号UV，输出到A/D进行模/数变换。数字化后的信号格式为YUV4:2:2。数字化的图像信号经各种图像处理，如色空变换、比例缩放、裁剪、位屏蔽后，利用PCI总线，传到VGA卡显示或计算机内存存储。图像采集卡主要技术性能及指标如下所示：支持六路复合视频输入，三路S-VIDEO〔Y/C〕输入或一路YCbCr分量输入，软件切换。支持PAL，NTSC彩色/黑白视频输入。图像分辨率᳔高：PAL制：768×576×24位可编程调整亮度、比照度、色度、色饱和度支持YUV422、RGB8888、RGB888、RGB565、RGB555及Y8模式。图像数据数值范围，亮度：0-255或16-235可选；色度：0-255或16-240可选。支持计算机内容与图像同屏显示，图形覆盖功能。支持裁剪与比例压缩模式支持单场、单帧、连续场、连续帧的采集方式硬件支持图像的水平、垂直镜像。3.6DH-VRT-CG400图像采集卡在本系统中，摄像头采用的是日本SANY公司的EVI-D31彩色摄像机，如图3.6所示。它的内部联接有高质量的1／3英寸CCD。它有先进的全景拍摄和转动根底，摄像头的转动范围见图3.7所示。并且它有理想的录像传送和总体监控装置。摄像机的控制是通过使用RS-232C或使用提供的红外线远程控制器来完成的。两种智能化装备特征--自动跟踪〔AT〕和移动探测〔MD〕使这种摄像机区别于其它许多现在正使用的其他摄像机。自动跟踪方式〔AT〕自动跟踪方式最初是为会议录像而特别设计的。当会议场景中的物体一有移动，自动跟踪系统会通过控制器来限定一个摄像画面区域，此区域包含了此移动物体。然后区域会被自动跟踪系统分析以找出颜色与亮度与该物体相似的像素。这个信息可应用在两方面。一个是它通过全景拍摄和转动功能控制云台，使摄像机自动跟随该移动物体。此信息还可用在自动变焦功能上，控制镜头的变焦包括变焦范围的限制和该物体的大小来保持连续性。自动跟踪方式也可利用底片和先进的背光补偿系统来保证物体尽可能连续保持原有的亮度水平，甚至是刺眼的背光条件下。因为物体的位置是确定的，所以可将拍摄出的亮度与那些在相同背景下拍摄的做出比拟。这种摄像机可在白光的环境下进行自动补偿。移动探测〔MD〕移动探测方式探测运动是在两个被控制器限定场景的地区。不像普通的移动探测技术依靠这亮度的转换，EVI-D31使用了亮度和颜色两种信息去探测移动。这就使得甚至是物体与背景处在同一亮度水平下探测仍很有效。亮度与颜色探测装置都可被调校，当移动在一个窗口被探测到时，一种警报信号会被输出。现在，我们根据这款摄像头的特性，把它成功地用于了RIRA移动机器人。2、视觉系统的软件结构1.图像处理技术概论所谓数字图像处理，就是利用数字计算机或其他数字硬件，对从图像信息转换而来的电信号进行某些数学运算，以提高图像的实用性，从而到达人们所要求的某些预期的结果。用计算机进行数字处理，可通过编制程序自由地进行各种图像处理，有很高的灵活性和再现性，适用面宽。图像处理的重要分支“计算机视觉”，那么为机器人提供了“视觉”。即通过计算机，对安装在机器人头部的摄像机输入的二维图像进行处理和目标识别，可以确定物体的位置、方向、属性以及其他状态等。从而使机器人不但能完成普通的材料搬运、产品组装、部件装配、生产过程自动监测，还可以在人不宜进入的环境里进行作业等等。移动机器人数字图像处理可以划分为以下几个主要局部：图像分割、图像平滑、空穴检测、图像分析、目标识别等等。图像分割图像分割就是把图像分成假设干个有意义的区域(局部)的处理技术。这里的“有意义”泛指“与目标对应”或“所研究的问题的函数”。图像分割的根底是象素间的相似性和跳变性。所谓“相似性”是指在某个区域内象素具有某种相似的特性，如灰度一样，纹理相同；所谓“跳变性”是指特性的不连续，如灰度值突变等。图像分割的方法很多，主要分为两大类。一类是边界方法，这种方法的假设是图像分割结果的某个子区域在原来图像中一定会有边缘存在；一类是区域方法，这种方法的假设是图像分割结果的某个子区域一定会有相同的性质，而不同性质的像素那么没有共同的性质。近年涌现了一些新的分割方法，如小波变换基边缘检测、模糊边缘检测、形态学处理，基于彩色分量分割、纹理图像分割等新的图像分割方法。图像平滑图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了抑制噪声改善图像质量，必须对图像进行平滑处理，这可在空域或频域中进行。在平滑噪声时应尽量不损害图像中边沿和各种细节。对于滤除图像中的噪声，人们已经提出了很多的方法。通常，将数字图像的平滑技术划分为两类。一类是全局处理，即对噪声图像的整体或大的块进行校正以得到平滑的图像。例如在变换域中使用Wiener滤波、最小二乘滤波等。使用这些技术需要知道信号和噪声的统计模型。但对于大多数图像而言，人们不知道或不可能用简单的随机过程精确地描述统计模型，而且，这些技术计算量也相当大。另一类平滑技术是对噪声图像使用局部算子。当对某一像素进行平滑处理时，仅对它的局部小邻域的一些像素加以运算，其优点是计算效率高，而且可以多个像素并行处理。因此可实现实时处理。开始开始设定图像采集卡状态申请静态内存设定图像输出窗口大小设定图像卡采集显示模式设定图像卡输出的数据格式动态分配图像数据处理缓冲区采集图像到内存并显示在屏幕把图像数据从静态内存读到目标缓冲区对采集图像进行处理输出处理结果到屏幕解锁静态内存图3.7图像实时采集、处理、显示流程图〔3〕空穴检测因为实际环境的信息非常复杂，其图像经过分割、去噪以后的还有一些比噪声大但对后续的目标识别没有用处的区域，并且还会使后续工作的处理速度下降。针对这种情况，实验中用到了图像的空穴检出算法。空穴是由白色背景区域包围起来的一个黑区域。通常空穴检出的对象是只有黑色和白色两种颜色的二值图像。算法的思想如下：将所有的白色像素〔背景〕赋0，所有黑色像素〔空穴所在〕赋-1，空穴数置0。2〕寻找一个空穴的开始像素〔值为-1〕，并将其值改为当前空穴数，存储，空穴数增加1。3〕所有像素的正向搜索。找到值为-1的像素〔表示没有被搜索过〕，正向搜索其周围有没有值为当前空穴数的像素。如果有，将当前像素值赋以空穴数的值。4〕所有像素的反向搜索。找到值为-1的像素〔表示没有被搜索过〕，反向搜索其周围有没有值为当前空穴数的像素。如果有，将当前像素值赋以空穴数的值。5〕如果正向和反向都没有像素，表示当前空穴所有像素已被遍历，转步骤26〕如果步骤2中没有寻找到开始像素，表示所有的空穴已被遍历。利用空穴检出的算法来实现对二值图像进行小面积区域的消除。编程思想：首先进行空穴检出，然后检查每个空穴的面积，如果小于阈值，就将当前空穴所有的像素赋予背景值，进行消去。其处理效果如图3.8所示，很好的消去了一些小面积区域。将图像从RGB颜色模型转换到HSV模型将图像从RGB颜色模型转换到HSV模型将图像从HSV颜色模型转换回RGB型选取阀值对图像进行分割对图像进行曾强处理对图像进行数学形态学运算消去小于閥值面积区域处理完成的物体进行标记计算物体个数S对每个物体求矩并写出与标准矩差值最小的物体i计算此物体中心及其到屏幕中心的距离目标为值信息送往中心控制系统发出信息“视野中没有任何物体”发出信息“所找目标不在视野内”S≠0S=0i＞＝给定的閥值图3.8图像处理局部流程图〔4〕图像分析采集系统输出的离散图像在经过边缘提取和图像分割后，得到的是假设干区域和边界。但这时图像仍是灰度阵列，仍不能为计算机所理解。对人的视觉系统来说，物体的形状是一个赖以分辨和识别的重要特征。任何一个物体的形状特征均可以由其几何属性如长短、面积、距离、凸凹等，统计属性如投影和拓扑属性如连通、欧拉数进行描述。图像分析旨在对图像进行描述，即用计算机所能提供的一组数字与符号来表征图像中目标区的特征、性质和相互间的关系，让计算机识别这些目标。描述方法可分为两大类——边界描述和区域描述〔5〕目标识别认知是一个把未知和联系起来的过程，感知是把视觉输入与事前已有表达结合的过程，而识别也需要建立或发现各种内部表达式之间的联系。匹配就示建立这些联系的技术和过程，即根据已有图像模式从另一幅图像中寻找相同图像模式的过程。由于目标可用不同方法表达，所以对目标的匹配也可以采用多种方法，例如：模板匹配、目标匹配、动态模式匹配、特征内容匹配等。2.图像处理算法实现〔1〕图像实时采集、处理、显示流程图〔2〕图像处理局部流程图图像处理局部包括颜色模型的转换，对图像的分割，图像质量的优化，目标的匹配，所寻找目标的位置等。流程图如图3.8所示3.摄像头单片机控制技术及程序实现EVI-D31的一个很大的特点就是能够通过RS-232C通过VISCA〔VideoSystemControlArchitecture〕进行串口控制。VISCA是视频系统控制系统，它是为了与各种各样的采集到计算机的视频交互而设计的一种网络协议。使用VISCA，在一台控制器上通过RS-232C最多可以控制7台EVI-D31摄像头。控制器与摄像头的连结方法有两种，见图3.9所示。本视觉系统只采用了一台摄像头，选用了第一种，其中规定的RS232C参数如下：波特率－9600bps，开始位－1字节，数据长度－8字节，停止位－1字节，奇偶位－0字节。EVI-D31与通用的九针RS232串口连接如图3.11所示3.9