动态环境下移动机器人运动目标测速方法
发布时间：2021-08-05 03:33
提出了基于Kinect摄像机的机器视觉测速方法,用于实时的测量运用目标的速度信息。首先,设计出固定在运动目标上的由五个已知位置关系的圆组成的标识物,利用图像处理算法根据标志物的拓扑关系检测出运动目标标志物在Kinect坐标系下的位置;然后,将Kinect坐标系坐标通过坐标变换转换到世界坐标系;最后,根据采样时间内测出的距离求出速度信息。通过以上3步骤,依次解决运动目标检测和运动目标测速问题。理论分析和试验结果表明,本文方法在移动机器人运动或者静止情况下能够处理运动目标作直线运动、原地转动及其合成的曲线运动等不同运动形式下的速度测量,应用范围广泛,计算实时性和准确性高。
【文章来源】：光电子·激光. 2017,28(03)北大核心CSCD
【文章页数】：10 页
【部分图文】：
图１测速系统构成Ｆｉｇ．１Ｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｖｅｌｏｃｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍ
量，具有针对各种环境的。２系统构成与坐标系定义２．１系统构成本文测速系统由装有定位装置的移动机器人和微软Ｋｉｎｅｃｔ摄像机所组成，如图１所示。定位装置可以实时反应移动机器人运动过程中的位姿；Ｋｉｎｅｃｔ摄像机安装在移动机器人上，它能够以３０ＦＰＳ采集图像，通过图像处理的方法对环境中运动目标进行检测，并测量出运动目标的位姿。图１测速系统构成Ｆｉｇ．１Ｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｖｅｌｏｃｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍ２．２坐标系定义如图２所示，移动机器人通过Ｋｉｎｅｃｔ摄像机测量运动目标速度，需要定义如下坐标系：图２坐标系定义Ｆｉｇ．２Ｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍｄｅｆｉｎｉｔｉｏｎ１）世界坐标系。按照右手定则，建立三维笛卡尔世界坐标系Ｗ－ＸｗＹｗＺｗ，其中Ｗ点为世界坐标系原点，Ｘｗ、Ｙｗ和Ｚｗ分别表示世界坐标系中３个相互垂直的坐标轴。世界坐标系下每一点的坐标可以表示为（ｘｗ，ｙｗ，ｚｗ）。２）机器人坐标系。根据机器人移动本体运动学模型［２０，２１］，建立三维笛卡尔机器人坐标系Ｒ－ＸｒＹｒＺｒ，其中Ｒ点为机器人坐标系原点且在世界坐标系ＸｗＷＹｗ平面上，ＸｒＲＹｒ平面与ＸｗＷＹｗ平面平行，Ｙｒ轴平行于两驱动轮中心点连线，Ｘｒ轴垂直于Ｙｒ轴，Ｚｒ轴平行于世界坐标系的Ｚｗ轴。机器人坐标系下的每一点坐标可以表示为（ｘｒ，ｙｒ，ｚｒ）。３）摄像机坐标系。以深度相机的中心为原点Ｉ，建立摄像机笛卡尔
图４运动目标及其标识物Ｆｉｇ．４Ｔｈｅｍｏｖｉｎｇｔａｒｇｅｔａｎｄｉｔｓｍａｒｋｅｒ３．２．２检测算法所使用的带有标识物的运动目标在动静态的复杂环境中由于环境噪声和摄像头精度的影响，要想使用常规方法从环境中实时、准确地检测出很不容易。故而，采用常规图像处理算法结合运动目标标识物拓扑结构特征进行运动目标检测。具体的图像处理算法流程图如图５所示，其图像处理效果如图６所示。１）常规图像处理算法。在寻找目标椭圆之前的图像处理过程均属于常规处理过程。（ａ）将Ｋｉｎｅｃｔ获取的ＲＧＢ图像输入图像处理系统；（ｂ）灰度化是为了将彩色图像转换为灰度图像，方便以后的处理过程；（ｃ）平滑处理也称“模糊处理”，是一项简单且使用频率很高的图像处理方法，平滑处理是为了减少图像上的噪声；（ｄ）二值化为了剔除一些低于或高图５图像处理算法流程Ｆｉｇ．５Ｆｌｏｗｃｈａｒｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ图６图像处理效果过程Ｆｉｇ．６Ｔｈｅｅｆｆｅｃｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ于一定值的像素，为后面的边缘检测做准备，本文二值化阈值为１００；（ｅ）Ｃａｎｎｙ边缘检测算法能够尽可能地标识出图像中的实际边缘，本文Ｃａｎｎｙ边缘检测算法上下限阈值比为３∶２；（ｆ）查找轮廓，并将获取的轮廓信息存放到序列中；（ｇ）椭圆拟合利用最小二乘法，将序列中的轮廓信息拟合成椭圆，并选择像素面积、拟合椭圆的长短轴比例和角度作为筛选条件，选择出更接近目标的椭圆。２）寻找目标椭圆算法。根据运动目标标识物的拓扑结构，５个圆的圆心之间的特殊位置关系，利用此几何特征，可以方便地寻找
【参考文献】：
期刊论文
[1]基于单帧图像的物体面内位移和速度测量[J]. 曹森鹏,曹益平. 光电子·激光. 2016(11)
[2]基于双目立体视觉测量原理的物体运动速度测量[J]. 张晓玲,罗印升,张宝峰. 光电子·激光. 2016(09)
[3]基于运动目标跟踪与定位的无人机测速技术[J]. 金兆飞,雷仲魁,李倩. 光电工程. 2015(02)
[4]一种新的无人机运动目标测速技术[J]. 徐诚,黄大庆,周春祎,韩伟,王东振. 遥测遥控. 2015(01)
[5]基于航空光电侦察平台的目标测速[J]. 徐诚,黄大庆,周春祎,韩伟,王东振. 遥测遥控. 2015(01)
[6]基于视觉原理的运动物体空间姿态测量技术研究[J]. 孙增玉,梁雅军,刘柯,宋金城,郭磊. 宇航计测技术. 2014(04)
[7]移动机器人的动态目标实时检测与跟踪[J]. 杨淑莹,刘婷婷,葛为民,王光彪. 光电子.激光. 2013(11)
[8]基于双目视觉的车辆检测和车速测定[J]. 万燕,周增刚,李晓园. 计算机应用与软件. 2013(08)
[9]基于监控视频图像的车辆测速[J]. 童剑军,邹明福. 中国图象图形学报. 2005(02)
本文编号：3322981
【文章来源】：光电子·激光. 2017,28(03)北大核心CSCD
【文章页数】：10 页
【部分图文】：
图１测速系统构成Ｆｉｇ．１Ｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｖｅｌｏｃｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍ
量，具有针对各种环境的。２系统构成与坐标系定义２．１系统构成本文测速系统由装有定位装置的移动机器人和微软Ｋｉｎｅｃｔ摄像机所组成，如图１所示。定位装置可以实时反应移动机器人运动过程中的位姿；Ｋｉｎｅｃｔ摄像机安装在移动机器人上，它能够以３０ＦＰＳ采集图像，通过图像处理的方法对环境中运动目标进行检测，并测量出运动目标的位姿。图１测速系统构成Ｆｉｇ．１Ｃｏｍｐｏｎｅｎｔｓｏｆｔｈｅｖｅｌｏｃｉｔｙｍｅａｓｕｒｅｍｅｎｔｓｙｓｔｅｍ２．２坐标系定义如图２所示，移动机器人通过Ｋｉｎｅｃｔ摄像机测量运动目标速度，需要定义如下坐标系：图２坐标系定义Ｆｉｇ．２Ｃｏｏｒｄｉｎａｔｅｓｙｓｔｅｍｄｅｆｉｎｉｔｉｏｎ１）世界坐标系。按照右手定则，建立三维笛卡尔世界坐标系Ｗ－ＸｗＹｗＺｗ，其中Ｗ点为世界坐标系原点，Ｘｗ、Ｙｗ和Ｚｗ分别表示世界坐标系中３个相互垂直的坐标轴。世界坐标系下每一点的坐标可以表示为（ｘｗ，ｙｗ，ｚｗ）。２）机器人坐标系。根据机器人移动本体运动学模型［２０，２１］，建立三维笛卡尔机器人坐标系Ｒ－ＸｒＹｒＺｒ，其中Ｒ点为机器人坐标系原点且在世界坐标系ＸｗＷＹｗ平面上，ＸｒＲＹｒ平面与ＸｗＷＹｗ平面平行，Ｙｒ轴平行于两驱动轮中心点连线，Ｘｒ轴垂直于Ｙｒ轴，Ｚｒ轴平行于世界坐标系的Ｚｗ轴。机器人坐标系下的每一点坐标可以表示为（ｘｒ，ｙｒ，ｚｒ）。３）摄像机坐标系。以深度相机的中心为原点Ｉ，建立摄像机笛卡尔
图４运动目标及其标识物Ｆｉｇ．４Ｔｈｅｍｏｖｉｎｇｔａｒｇｅｔａｎｄｉｔｓｍａｒｋｅｒ３．２．２检测算法所使用的带有标识物的运动目标在动静态的复杂环境中由于环境噪声和摄像头精度的影响，要想使用常规方法从环境中实时、准确地检测出很不容易。故而，采用常规图像处理算法结合运动目标标识物拓扑结构特征进行运动目标检测。具体的图像处理算法流程图如图５所示，其图像处理效果如图６所示。１）常规图像处理算法。在寻找目标椭圆之前的图像处理过程均属于常规处理过程。（ａ）将Ｋｉｎｅｃｔ获取的ＲＧＢ图像输入图像处理系统；（ｂ）灰度化是为了将彩色图像转换为灰度图像，方便以后的处理过程；（ｃ）平滑处理也称“模糊处理”，是一项简单且使用频率很高的图像处理方法，平滑处理是为了减少图像上的噪声；（ｄ）二值化为了剔除一些低于或高图５图像处理算法流程Ｆｉｇ．５Ｆｌｏｗｃｈａｒｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ图６图像处理效果过程Ｆｉｇ．６Ｔｈｅｅｆｆｅｃｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ于一定值的像素，为后面的边缘检测做准备，本文二值化阈值为１００；（ｅ）Ｃａｎｎｙ边缘检测算法能够尽可能地标识出图像中的实际边缘，本文Ｃａｎｎｙ边缘检测算法上下限阈值比为３∶２；（ｆ）查找轮廓，并将获取的轮廓信息存放到序列中；（ｇ）椭圆拟合利用最小二乘法，将序列中的轮廓信息拟合成椭圆，并选择像素面积、拟合椭圆的长短轴比例和角度作为筛选条件，选择出更接近目标的椭圆。２）寻找目标椭圆算法。根据运动目标标识物的拓扑结构，５个圆的圆心之间的特殊位置关系，利用此几何特征，可以方便地寻找
【参考文献】：
期刊论文
[1]基于单帧图像的物体面内位移和速度测量[J]. 曹森鹏,曹益平. 光电子·激光. 2016(11)
[2]基于双目立体视觉测量原理的物体运动速度测量[J]. 张晓玲,罗印升,张宝峰. 光电子·激光. 2016(09)
[3]基于运动目标跟踪与定位的无人机测速技术[J]. 金兆飞,雷仲魁,李倩. 光电工程. 2015(02)
[4]一种新的无人机运动目标测速技术[J]. 徐诚,黄大庆,周春祎,韩伟,王东振. 遥测遥控. 2015(01)
[5]基于航空光电侦察平台的目标测速[J]. 徐诚,黄大庆,周春祎,韩伟,王东振. 遥测遥控. 2015(01)
[6]基于视觉原理的运动物体空间姿态测量技术研究[J]. 孙增玉,梁雅军,刘柯,宋金城,郭磊. 宇航计测技术. 2014(04)
[7]移动机器人的动态目标实时检测与跟踪[J]. 杨淑莹,刘婷婷,葛为民,王光彪. 光电子.激光. 2013(11)
[8]基于双目视觉的车辆检测和车速测定[J]. 万燕,周增刚,李晓园. 计算机应用与软件. 2013(08)
[9]基于监控视频图像的车辆测速[J]. 童剑军,邹明福. 中国图象图形学报. 2005(02)
本文编号：3322981
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3322981.html
