基于视觉检测与跟踪技术在机器人中的应用*

孙同同，孙首群

(上海理工大学 机械工程学院，上海 200093)



基于视觉检测与跟踪技术在机器人中的应用*

孙同同，孙首群

(上海理工大学 机械工程学院，上海 200093)

摘要：近几年机器视觉技术在国内外已经取得了比较好发展，并且广泛应用于工农业生产领域。针对机器人视觉系统进行全过程的研究，通过安装在机器人上的摄像头来采集一组图像序列，通过图像系统精确地检测出实时运动的物体并进行瞬时跟踪。研究几组对阈值距离不超过0.5m的图像进行二值化处理，然后进行时间差分。最后采用激光通信这种现代控制理论和最优控制算法提高目标检测与跟踪精度。结果表明，通过对比激光通信这种算法，稳定性高，精度好，耗时短。

关键词：机器视觉；图像序列；跟踪；二值化；激光通信

0引言

由于国内外视觉技术的不断进步与发展，视觉检测与跟踪技术已经被应用到各行各业当中，传统的视觉检测技术被更先进、更快速以及更稳定的检测手段渐渐取代，所以研究全新的机器视觉技术在当今已经成为一个必然的趋势[1-4]。图像序列中的视觉检测技术被大量的应用在汽车工业生产、在线监控、机器人视觉导航中。这种新的视觉技术能很好的降低运行的成本，调试配置也更加简单，运行也更加稳定和可靠[5-7]。

研究和分析更稳定的视觉检测与跟踪技术是为了机器人在导航中能够更精确、更快速的识别运动物体、及时方便的跟踪运动目标，这种技术是在现代导航机器人中占据着比较重要的地位。一种高质量的检测、跟踪、识别算法在导航机器人的信息环境中起着决定性的作用。所以，研究出一种具备鲁棒性好、抗遮挡、抗丢失的算法，对于导航机器人视觉系统来说是比较重要的环节，一旦这个有所突破，那么导航机器人的定位精度会获得很大的提升。针对传统的视觉检测与跟踪技术存在的缺点与局限性，文章中在传统的视觉基础之上结合自己所研究的最新的视觉图像技术，通过实验结果对比分析，形成一套行之有效的高质量的算法，并且具有极其有效的应用与推广价值。

1目标检测的实现

运动目标识别与检测技术就是把已经收集好的图像序列中的位置信息判定出来，最后将它们从的位置信息从图像中精准提取与定位出来。传统的视觉检测技术主要有光流法和差分法[8-9]。在文章中提出的目标检测方法跟传统的检测方法相比，它是基于自由空间激光通信为技术背景讨论高宽度高精度运动目标的识别与检测。通过几组实验对比，找出一种快速而准确地从另一帧图像中匹配出运动目标。

在文章中图像的采集采用的是机器人网络静态摄像头。这种摄像头被安装在机器人本体的特定位置，这样就可以监测固定的区域，它的灵敏度、稳定性以及精确度都具有很好的可靠性。所以这种摄像头较多的应用在导航机器人、移动机器人的整体控制方面。

2差分检测

差分法是通过对已经采集好的图像中相邻两帧做差分运算来获取图像轮廓的方式，它能够方便的应用于多个摄像机移动情况和运动目标[10-11]。在传统的差分检测中，主要有帧间差分和背景差分法。它的工作原理就是将所获得的前后两个图像的像素密度相减，当靠近的相邻两个图像中对应的像素值相差比较小时，我们就可以得出两幅图像的背景状态是不变的，这个时候就可以判定此处的运动目标是静止状态的。然而当图像中的像素值变化比较大时，一般情况下可以认为是由图像中的运动物体位置的变化而可以得出此时物体处于运动状态中。

2.1数学模型

在某些特定的场合下，需要把已经获得的图像的轮廓设置成一个已知的值，形成一个灰度等级，其它的不在图像区域内的轮廓，它的灰度等级是不变的，这样输出的差分图像的表达式如下：

(1)

其中T>0为阈值，从公式中我们可以看出适当的选取T值得大小，可以使得图像的轮廓变得更加清晰，当T趋近于0时，它的像素相对于两幅图像间没有发生运动。当T值趋近于1时，它的像素相对于两幅图像就会发生位置的变化，这样我们就可以检测到目标物体的运动状态。

2.2实验效果图

将采集到的图像序列进行阈值和二值化处理，然后采用相邻帧间的差分方法和背景差分法进行检测分析，最终得到含有运动目标的帧间差分和背景差分图像。运动目标的检测效果图如下面图1和图2所示。

图1　相邻帧差法检测结果

图2　背景差分法检测结果

2.3结果分析与讨论

从上面的讨论中我们可以看出，这种算法实现比较简单，程序设计不是太复杂。当光线发生变化时，对周围的环境变化不是太敏感，因此它能够适应比较多的动态环境，稳定性也比较好。但是我们从图像中可以看出，它不能够提取出对象的完整的区域，只能提取出边界，同时它依赖于帧间的时间差隔，对于快速运动的物体，它必须选择很小的时间间隔，这样才能保证检测出来的物体是一个整体。从实验效果图中我们也可以知道对于背景比较复杂的物体，检测的效果比较模糊，图像的重影比较突出，也存在空洞的画面。

3基于空间激光通信中的目标检测

空间自由激光通信系统它的基本原理就是，信息电信号通过调制加载在光信号上面，通信双方通过初定为和调整，在经过光束目标的捕获、对准跟踪过程建立光通信的链路，然后在通过光在深空或大气信道中传输信息[12]。在文章中主要利用激光光强对所收集到的图像序列进行识别、检测与跟踪，然后对所跟踪的图像中的光斑中的形心根据公式(3)～(5)进行定量精确的计算，采用一种特殊的形心跟踪算法对运动目标图像的光斑中心进行修正，最后采用归一化算法对图像中心进行确定。

3.1数学模型

对于已经所选择好的二维图像，它的函数表达式为f(x,y),其面积为A。采用单元格的形式对整个图像进行网格划分，则位于坐标点(x,y)处的像素微面积为dA=dxdy。

当从图像序列中选择一张图像后，则该图像轮廓中的总的光强度是一定的，设它的光强度为ME，则它的计算公式如下所示：

(2)

据此可以分别计算出这个图像区域对x轴和对y轴的能量力矩的计算结果为；

(3)

最后可以计算出形心坐标为：

(4)

(5)

根据上面所算出的形心坐标，进而可以得出形心坐标的值，最后在进行归一化处理，在每个被分割的单元格里，都有一个光斑，对它进行修正，修正到每个区域的面积中间。归一化算法也就是相似性度量，它的数学模型如下所示：

(6)

3.2实验效果图

为了验证上面算法的性能，我们做了如下的实验，从图像序列中取出几张图片。经过一系列的计算、分割与跟踪直到最后光斑中心的计算结果满足我们实验所要达到的要求。实验效果如下图3所示(图示中的阈值不超过0.5mm)。

图3　激光通信检测结果

3.3结果分析与讨论

实际上，分析上面成功的原因就是，因为对于快速运动的物体，对于图片的识别时间很短，这样搜索的范围就很小，激光光斑和背景之间的能量的比值就越大，前景的中心就越接近于真实光斑的中心。如图3中第一张图所示，它的光斑中心就接近于真实的几何中心。对于最终输出的图像，如图3第二张所示，基本上解决了以前实验中出现的散斑、光斑中心位置飘移、背景和前景模糊的情况。

4目标跟踪的实现

对于图像已经经过一系列的形态学处理之后，所以它的运动目标的大概位置已经确定了。但是为了最后的跟踪处理已经检测和识别到的目标物体，必须采取一种非常合适的目标跟踪方法[13]。本文中采取的是一种自顶向下的最小外接矩形的方式。这种方法是基于传统的贝叶斯理论在这个理论之下，将运动目标物体跟踪的问题类比作一种是最优的推理与猜测过程的过程，在本文中主要采用空间状态法来具体实现目标物体的跟踪。最小外接矩形这种方法可以精确的定位出所要表达的运动目标的矩形框的面积大小和具体的位置，主要的还可以大致的确定运动物体的中心位置点，也就是水平和垂直的相交的地方但是这种方法的应用不可避免的会产生干扰点，为了排除这种干扰点、毛刺和一些不连续的点，常常需要在图像中考察两个跳变点之间的距离，把它的阈值小于0.5mm的找出来，可以剔除掉这些点。为了提高系统的跟踪精度，对于控制系统中，在实验中我采取了一种数字控制系统，这种数字控制系统的控制精度很到，而且动态范围比较大，比较适宜控制速度比较快的运动目标。还有就是它的抗干扰能力比较强，便于维护，可以实现复杂的算法，时间延迟小，处理速度快。

其跟踪结果如下图所示。从图4中我们可以看出，这是一种比较有效的跟踪算法，能精确的跟踪运动目标物体，实时的检测出它们所在的位置。

图4　目标跟踪效果图

5结束语

本系统全面的分析了帧间差分和背景差分法在目标检测与跟踪上的应用，同时分析了它们的缺点，对于高速运动和复杂背景下的情况，它的检测与跟踪精度达不到我们的要求。在文章中采取了一种空间激光通信算法对目标进行检测与跟踪。从实验结果对比中我们可以知道，这种算法的检测速率一般较高，对于高速运动的物体具有很好的检测效果。每次的通信数据都在较短的时间内完成，这样对于复杂背景下的图像检测效果会很好。由于实验条件和实验时间的限制，对于更远距离的激光通信系统没有在文章中进行深入的研究。

[参考文献]

[1] 周立伟. 目标成像与探测技术[M]. 北京：北京理工大学出版社，2002.

[2] 张天序. 成像目标自动识别[M]. 湖北：湖北科学出版社，2008.

[3] 梁冰，洪炳镕，曙光. 自主机器人视觉与行为模型及避障研究[J]. 电子学报,2003,31(12A):2197-2200.

[4] Ohya A, Kosaka AKak. Vision—based navigation by a mobile robotwith obstacle using single—camera vision and ultrasonic Research sensing.[J]. IEEE Transaction on Robotics and Automation,1998,14(6):969-978.

[5] 李谷霖. 动态图像分析[M]. 北京：国防工业出版社，2010.

[6] Lin C T, Chung I F, Martin Sheu L K. A neural fuzzy system for image motion estimation[J]. Fuzzy Sets and System, 2000,114:281-304.

[7] 张彦梅，宋扬. 模块匹配方法在高速目标跟踪中的应用[J].北京理工大学学报，2006,26(11)：1026-1029.

[8] 韩九强. 机器视觉技术及应用[M]. 北京：高等教育出版社，2009.

[9] Yangqing Jia, Changshui Zhang. Front—view vehicle detection by Markov chain Monte Carlo method[J]. Pattern Recognition,2009,42(3):313-321.

[10] 施华，李翠华. 视频图像中的运动目标跟踪[J]. 计算机工程与应用，2005(10)：56-58.

[11] Yin Jianqin, Li Jingping, Han Yanbin, et al. A New Color—Based Face Detection and Location Method by Using Support Vector Machine. Th International Conference on Control[J]. Automation Robotics&Vision.(ICARCV 2004),2004:838-841.

[12] 吴炯，张秀彬,张峰，等. 移动目标的快速识别算法[J]. 微计算机信息，2004，20(3)：27-29.

[13] Chen juan，Yang Xichen，Lei Jianbo, et al.Calibration study on measurement of temperature field in laser processing by CCD[J]. Chinese J. Laser，2007，34：354-356.

(编辑赵蓉)

Application of the Robot Based on Visual Detection and Tracking Technology

SUN Tong-tong，SUN Shou-qun

(School of Mechanical Engineering, University of Shanghai for Science & Technology, Shanghai 200093, China)

Abstract：In recent years machine vision technology has made great development both at home and abroad, and is widely used in industrial agriculturial production . The article researched on the whole process of the Navigation roboe vision system, through the camrea installde on the robot gatherde a grouo of image sequence. The image system accurately detect instantaneous tracking and rean-time motion object. Research groups of images of the threshold distance is less than 0.5m, binarization processing, then the time difference. Finally using laser communication the morden control theory and optimal control algorith improve the target detection and tracking accuracy . Resluts show than this laser communication algorithm is of high stability, good precision, time is short.

Key words：machine vision;image sequence;tracking;binarization;laser communication

中图分类号：TH166;TG659

文献标识码：A

作者简介：孙同同(1989—) 男，江苏盐城人，上海理工大学硕士研究生，研究方向为机电一体化，(E-mail)sttyouni@163.com。

*基金项目：国家自然科学基金资助项目(51205255)；国家科技支撑计划项目(2015BAK16B04)

收稿日期：2015-03-13

文章编号：1001-2265(2016)02-0079-03

DOI:10.13462/j.cnki.mmtamt.2016.02.022