基于人工路标和立体视觉的移动机器人自定位

基于人工路标和立体视觉的移动机器人自定位
刘振宇;姜楠;张令涛
【摘要】针对室内移动机器人的自定位问题,提出一种基于人工路标和双目视觉的室内移动机器人自定位方法.首先设计了一种可扩展的彩色人工路标,并给出路标的编码方法;然后利用色彩空间变换,直线交比不变性以及自适应窗口实现路标检测与识别;最后在分析双目立体视觉模型的基础上建立起基于路标的双目立体视觉定位模型,实现移动机器人的准确定位.实验结果表明,路标对光照和视觉传感器的采集位置具有较强的鲁棒性,定位精度能够满足室内移动机器人的定位要求.
【期刊名称】《计算机工程与应用》
【年(卷),期】2010(046)009
【总页数】4页(P190-192,211)
【关键词】视觉定位;人工路标;立体视觉;移动机器人
【作者】刘振宇;姜楠;张令涛
【作者单位】沈阳工业大学,信息科学与工程学院,沈阳,110178;沈阳工业大学,信息科学与工程学院,沈阳,110178;中国科学院,沈阳自动化研究所,沈阳,110016
【正文语种】中文
【中图分类】TP242.6~(+2)
1 前言
室内移动机器人作为家务和办公助手正逐渐走进人们的生活。

在室内移动机器人导
航中，实现机器人自身的准确定位是移动机器人具有自主性的先决条件之一，因此研究机器人的实时可靠定位有着非常重要的意义。

视觉因其获得信息量大，价格低廉逐渐成为移动机器人定位的首选工具。

从大量的文献和统计资料来看，目前基于视觉的室内移动机器人的定位主要通过不同类型的视觉传感器获取环境中具有明显特征的特殊物体进行定位[1-3]，其具体的定位方法主要有两种。

第一种方法通过单视觉传感器识别出具有明显特征的物体进行定位。

与自然路标相比，人工路标受环境不确定性影响小，且易于识别。

而单视觉传感器的可视范围小，易受距离和可视化角度的限制。

第二种方法是采用双目视觉，利用图像特征匹配产生的视差图进行定位[4]。

双目视觉可以解决单目视觉测距问题，然而复杂的图像
匹配和视差计算，很难满足移动机器人实时定位的要求，并且易受环境不确定性的影响。

通过分析以上两种室内移动机器人的定位方法的优缺点，针对室内移动机器人的定位问题，提出了一种基于人工路标和双目立体视觉的室内移动机器人定位方法。

利用人工路标在复杂环境中易识别，易判断以及较强的抗干扰性来对机器人进行定位参考。

再依据双目立体视觉模型获得机器人与路标的相对位置关系，从而定位出机器人的全局位置。

2 人工路标设计
人工路标的设计应主要从路标识别的准确性、实时性以及在大型复杂环境中的可扩展性三方面考虑，而以往的路标方案大都以2维条码或数字作为路标图案[5-7]。

这些方案虽然都具有一定的扩展性，但受噪声和拍摄角度的影响较大。

因此，综合考虑人工路标的设计要求和已提出的多种路标方案，设计了如图1所示的人工路标。

路标主要由红色边框，内部深蓝色背景，可扩展图案（内部白色圆环1～8处缺口情况）以及摆放方向提示符（中心处三角形）4部分组成。

图1 人工路标设计图
选择红色作为边框颜色，一方面是因为工作环境中红色相对较少，红色矩形框结构就更少，令一方面则由于红色纯度高，明度低，散射强度小，有利于保证在不同距离下的准确识别。

内部的蓝色背景和白色路标图案形成强烈的明暗对比，有助于检测路标的缺口情况。

中心处三角形用于指明路标的摆放方向，以防止因摆放方向颠倒造成的定位错误。

路标通过对内部同心圆环1～8处的缺口情况按规则进行顺序编码（有则为1，没有则为0），以提供路标在全局坐标系下的坐标信息，最多可有256种情况，而且根据工作环境的不同，可以改变内部同心圆环的数量以满足实际需求。

（实验所用路标均采用边长为18 cm的正方形结构，其中红色边框宽1 cm，内外圆环宽1 cm）。

3 人工路标识别
3.1 人工路标区域检测
根据第2章中分析的人工路标的红色矩形边框特点，可以利用颜色分割和结构轮廓进行路标区域检测。

颜色分割方法采用HSV色彩空间转换方法，即把原RGB 色彩空间转换为HSV色彩空间。

由于HSV色彩空间对颜色变换的敏感性，以及对光照变化的鲁棒性，所以通过对H、S、V分量设定阈值可以对图像中的红色区域进行二值化，即当图像中某点的HSV象素值满足－40°＜H＜40°，S＞0.3，S ＞0.2 时，这点就置为白色，否则为黑色。

观察图2（b）可知，经红色分割后处理后的图像，除路标外，还可能存在一些其他的红色干扰区域，因此根据路标的内外矩形边框的特点，可以通过求矩形度，判断处理后红色区域的内外边界轮廓是否为矩形，来检测出人工路标区域，如图2（c）所示。

图2 人工路标检测示意图
3.2 人工路标缺口点位置定位
在第2章中分析到，路标所表达的全局坐标信息是通过其内部1～8处的缺口编码
提供的，因此在检测到人工路标后，还必须确定其8个缺口位置，通过判断此位置的缺口情况，来获得路标的全局坐标信息。

观察图2（c）可知，在检测到人工路标的时候，很容易就可以得到路标的4个顶点，而在对路标的缺口进行设计的时候，其位置正好在路标的对角线上，因此可以根据直线交比不变性原理，通过比较实际路标与采集图像中的路标对应点之间的比例关系，定位出采集图像中的路标缺口点位置[8－9]。

具体步骤如下：
（1）通过直线逼近获得图像中路标的4个顶点坐标，如图3（a）所示，白色的“+”表示路标的顶点位置；
图3 定位路标缺口点示意图
（2）根据仿射不变性原理，利用步骤（1）获得的4个顶点，定位路标中心点，如图3（b）所示，红色的“+”表示路标的中心点；
（3）根据直线交比不变性原理，利用步骤（1），（2）所得的位置和实际路标尺寸，定位图像中路标的缺口点。

如图3（c）所示，绿色的“+”表示路标的缺口点位置。

3.3 自适应窗口检测缺口
在2章中分析到，两个同心圆环区域处的亮度值高于路标的背景亮度值的（同心圆环为白色，路标圆环背景是深蓝色），因此可以通过判断定位出的缺口点位置处的象素值的大小，来判断此处是否有缺口。

由于机器人的不断的移动，造成采集图像中的路标形状和尺寸的不断变化，因此很难用固定阈值来判断缺口情况。

为了保证对缺口情况的正确判别，提出基于自适应窗口的缺口检测方法。

如图4所示，通过比较窗口内低亮度值象素所占的比例来进行判断是否有缺口，即当窗口内低亮度值的象素达到一定比例时，判断为有缺口，否则判断为无缺口。

图4 自适应窗口检测缺口示意图
自适应窗口检测方法不但能够正确判断是否有缺口，而且能够消除缺口点位置定位
不精确的缺点。

自适应窗口大小可以根据路标的4个坐标顶点所围的矩形面积，来调整窗口大小。

在对缺口进行判断后，可以通过2章中的编码规则对缺口进行编码，以获得路标的全局坐标（xLW，yLW，θLW）。

4 双目立体视觉定位
4.1 双目立体视觉
双目立体视觉理论建立在对人类视觉系统研究的基础上，利用双目视觉传感器采集图像中的匹配点对，可以计算出该点在世界坐标系下的三维坐标。

因此，当给定双目视觉传感器获得的图像时，如果能找到对应于真实场景中某点的匹配点对，那么就可以确定此点在真实场景中的三维坐标。

在对同一路标图像进行采集时，可以对每个视觉传感器所获得的路标信息进行匹配，以确保两个视觉传感器获得的是同一个路标图像。

图5是双目立体视觉模型，设左视觉传感器的坐标系为ol-xlylzl，图像坐标系为Ol-XlYl，有效焦距为fl；右视觉传感器的坐标系为or-xryrzr，图像坐标系为Or-XrYr，有效焦距为fr。

则可以通过两个视觉传感器之间的位置关系，获得两个视觉传感器公共视场内的场景点在视觉传感器坐标系的三维位置坐标。

为了统一视觉传感器的坐标系，则可以把左视觉传感器看作为机器人坐标系的原点且无任何偏转，其与右视觉传感器的坐标系or-xryrzr之间的空间位置关系为式（1）
其中分别为右视觉传感器坐标系orxryrzr相对于左视觉传感器坐标系ol-xlylzl的旋转矩阵和偏移向量，则实际场景中的路标在机器人坐标系下的三维坐标可以表示为[10-11]：
图5 双目立体视觉模型图
4.2 移动机器人定位
由于移动机器人工作的室内环境较为平坦，所以只需要知道机器人的二维位置坐标和路标之间的角度，便可根据人工路标的全局坐标，来确定机器人在全局坐标系下的坐标。

图6是路标、机器人在各个坐标系下的坐标关系示意图。

（OW-XWYW）为全局坐标系，（OR-XRYR）为机器人坐标系。

（xLW，yLw，θLW）为路标在
全局坐标系下的三维坐标，θLW是路标L的方向XL与全局坐标系XW方向的夹角。

（xLR，yLR，θLR）为双目视觉传感器测量出的路标在机器人坐标系下的坐标，则可以根据坐标转换公式（5）获得机器人在全局坐标系下的三维坐标（xR，yR，θR）。

图6 移动机器人定位
当视野中出现多路标时，依据上面的算法对每个路标进行定位，可以得到多个位置坐标，然后利用最小方差法得到机器人的最终位置。

5 实验结果
要实现移动机器人正确并且快速的定位，则必须首先能够准确识别路标。

为了测试算法识别路标的准确率和识别速度，在不同时间，不同位置处共采集400幅含路
标的图像。

表1给出了在CPU为Pentium 4 1.6 GHz，内存512M的PC机上应用算法的实验结果。

表1 人工路标识别结果统计表路标图像数400正确识别图像数331正确识别率/（%）82.75识别时间/ms 93
由此可以看出，算法对于光照和拍摄角度的变化具有很强的鲁棒性，而且平均每幅图像的识别时间不到100 ms，完全可以满足移动机器人自定位实时性需求。

在正确识别路标的情况下，以路标为参考坐标点，利用双目测距方法测出机器人与路标之间的夹角和距离，就可以根据路标的全局坐标，定位出机器人的全局坐标，因此双目测距的准确度对机器人的全局定位影响很大。

为了测试算法的定位误差，
采用配有分体式立体相机的新松智能服务机器人如图7所示，在长为6 m，宽2 m的矩形场地内进行实验，实验场景布置如图8所示。

图中黑色短粗线段即为放置路标的俯视图，机器人的预设行走路线为图中红色“-*”直线。

让机器人沿着预设路线进行行走，在行走的过程中，不断地进行自身位置坐标定位，图中蓝色“-o”曲线即为机器人自定位的坐标曲线。

图 7（a）分体式立体相机
图7 （b）配有分体式立体相机的移动机器人
图8 路标定位实验结果图
通过观察图8可知，机器人自定位的坐标位置曲线（蓝色“-o”曲线）偏离其自身实际的坐标位置直线（红色“-*”直线）的偏离度很小。

在此环境进行多次反复实验，发现其最大偏离距离为300 mm，平均偏离距离93 mm，最大偏离角度不超过5°，平均偏离角度为3.2°。

这对于一个室内移动机器人来说，其偏离距离和偏离角度误差是可以忽略不计的。

6 结论
针对室内移动机器人的自定位问题，提出了一种基于人工路标和双目视觉的室内移动机器人自定位方法。

首先设计了一种具有强抗干扰性以及易识别性等特点的人工路标，使得移动机器人能够快速、准确地检测并识别人工路标。

在自定位过程中，把人工路标和局部双目立体视觉相结合，不仅消除了单目视觉视角范围窄，也避免了全景视觉对远处目标识别的不准确，同时引入人工路标，在一定程度上降低了仅用双目视觉进行定位的算法的复杂度。

实验结果表明，算法不仅对光照和视觉传感器的采集角度具有一定的鲁棒性，而且还具有较好的实时性，能够满足室内移动机器人的定位要求。

实际上，由于周围环境的复杂多变，很容易对移动机器人的定位造成影响，如何克服环境的影响，并进一步提高定位精度将是下一步的重点研究方向。

【相关文献】
[1]历茂海，洪炳熔，罗荣华，等.基于单目视觉的移动机器人全局定位[J].机器人，2007，29（2）：140-144.
[2]潘良晨，陈卫东.室内移动机器人的视觉定位方法研究[J].机器人，2006，28（5）：504-509.
[3]Guo Yang，Xu Xin-he.Color landmark design for mobile robot localization[C]//IMACS MultiConference on“Computational Engineering in Systems Applications”（CESA），Beijing，China，2006：1868-1874.
[4]Miro J V，Zhou Wei-zhen，Dissanayake G.Towards vision based navigation in large indoor environments[C]//2006 IEEE/RSJ International Conference on Intelligent Robots and Systems，Beijing，China，2006：2096-2102.
[5]郭阳，徐心和.在基于形状信息的视觉识别中颜色信息的应用[J].仪器仪表学报，2006，27
（z1）：758-759.
[6]Briggs A J，Scharstein D，Braziunas D，et al.Mobile robot navigation using self-similar landmarks[C]//Proceedings of the 2000 IEEE International Conference on
Robotics&Automation，San Francisco，CA，2000：1428-1434.
[7]Shen Jia-li，Hu Huo-sheng.Mobile robot navigation through digital
landmarks[C]//Proceedings of the 10th Chinese Automation&Computing Society Conference in the UK，Liverpool，England，2004：1-8.
[8]张政武，陈国定，高满屯.基于交比不变性的计算方法研究[J].计算机仿真，2007，24（9）：225-227.
[9]周富强，刘珂，张广军.交比不变获取标定点的不确定性分析[J].光电子·激光，2006，17（12）：1524-1527.
[10]徐德，谭民，李源.机器人视觉测量与控制[M].北京：国防工业出版社，2008：130-133.
[11]崔开涌，王任杰，林小玲.机器人双目视觉系统的算法研究与实现[J].计算机工程，2008，34（3）：237-241.
[12]许俊勇，王景川，陈卫东.基于全景视觉的移动机器人同步定位与地图创建研究[J].机器人，2008，30（4）：289-296.
[13]陆军，穆海军，朱齐丹，等.全景视觉在机器人自主定位中的应用[J].计算机应用，2007，27（7）：1677-1679.
[14]董再励，郝颖明，朱枫.一种基于视觉的移动机器人定位系统[J].中国图象图形学报，2000，5（8）：688-692.。