基于计算机视觉的移动机器人导航

　　世界坐标系(Xw，Yw，Zw)，Zw轴垂直地面，XwYw平面即为地面，在该坐标系下地面目标的坐标P可以表示为(Xw，Yw，0)。式(2)中Xi，Yj(其中i=1，2，…，n，j=1，2，…，n)即为地面目标的坐标(Xw，Yw)。只要有4个标定点就可以求解该线性方程组，分别测得其在地面上的坐标(Xw，Yw，0)，再根据由图像处理的方法得到的图像坐标系中的像素坐标(ui，vj)(其中i=1，2，…，n，j=1，2，…，n)，即可求得变换矩阵M，M=[m11，m12，m14，m21，m22，m24，m31，m32]T，其中m34=1。变换矩阵M的元素取值受到摄像头俯仰角和架设高度的影响。在实验室条件下，本系统选取BC=13 cm时开始运行转弯模块。

　　在单目视觉的条件下，对于固定的俯仰角，为保证道路引导线不移出摄像头视野范围，必须控制机器人以一定的弧度转弯，即沿弧线路径执行转弯模块。要做到这一点，弧线的弧度必须选取合适。在转弯过程中需要根据机器人的位置不断调整机器人的运动速度和转动角度，具体过程如下：

　　(1)找出图像中最后一行中点m的像素坐标(um，vm)，即摄像头视野最下方的中点，通过变换矩阵M将其转换为世界坐标系xyz中的位置(xm，ym)，z轴垂直于xy平面即地面。

　　(2)找出图像中转角点t的像素坐标(ut，vt)，通过变换矩阵M求出其在世界坐标系xyz中的位置(xt，yt)。

　　(3)以地面上转角点为圆心的世界坐标系定义为XYZ，Z轴垂直于XY平面即地面，求出弧线在此坐标系中的方程，(x-a)2+(y-b)2=r2(a，b)表示在坐标系XYZ下弧线所在圆的圆心，r表示圆的半径。

　　(4)将xyz坐标系下的坐标点(xm，ym)转换到XYZ坐标系下，用坐标(Xm，Ym)表示，如图6所示。X轴与x的夹角为θ，XOY坐标系的原点O即为转角点t，则：

　　(5)弧线方程中当y=Ym时，求得X，比较x与Xm，若Xm-x>0，则命令机器人左转；若Xm-x<0，则命令机器人右转，否则直行。

　　本系统确定转弯弧的半径为20 cm，弧度为90°的弧线即可使机器人顺利转弯，机器人视野中始终保持引导线。

3 实验结果及结论

　　实验中选用的LEGO移动机器人，其运动速度为8.57 cm／s(指令设定Power=25 RPM)。导航场地中画有宽1 cm的黑色引导线，实验要求中机器人完全根据引导线自主运动。实验中，识别1帧图像并且机器人根据识别的路径信息运行直行或转弯模块共需0.311 s，即机器人每处理1帧图像移动2.67 cm。实验室中的光照条件是机器人移动时的主要干扰，而锐利的引导线边缘受光照影响较小，对这些干扰有较好的滤除作用。经过在阴天白天、晴天白天以及开灯和不开灯的情况下、晚上开灯的情况下、遮盖物位于摄像头上方50 cm处形成阴影情况下，机器人能正确的沿引导线移动。同时，当摄像头视野范围内引导线消失即认为出现障碍物，机器人能发出前方有障碍物的报警信息。

　　可见上面所述方法有较好的实时性和鲁棒性有一定的通用性，使得该视觉导航方法具有一定的应用价值。只要光照条件变化不是非常剧烈，在工厂、医院、办公楼等环境中，机器人根据路径引导线可自主到达目的地。

　　当然，由于移动机器人活动场景的复杂性和动态特性，以及视觉处理的复杂性，视觉导航还有很多需要解决的问题，例如当导航场地出现较大面积的强烈反光、极暗的阴影时能否有效可靠的进行移动机器人的导航控制，这需要进一步研究。另外，如何将视觉系统与本系统机器人平台中的超声波传感器、光电传感器及声音传感器在空间、时间及数据上进行融合以提高系统的适应性和环境识别能力也是一个研究方向。