摘要：針對(duì)移動(dòng)機(jī)器人的局部視覺定位問題進(jìn)行了研究。首先通過移動(dòng)機(jī)器人視覺定位與目標(biāo)跟蹤系統(tǒng)求出目標(biāo)質(zhì)心特征點(diǎn)的位置時(shí)間序列，然后在分析二次成像法獲取目標(biāo)深度信息的缺陷的基礎(chǔ)上，提出了一種獲取目標(biāo)的空間位置和運(yùn)動(dòng)信息的方法。該方法利用序列圖像和推廣卡爾曼濾波，目標(biāo)獲取采用了HIS模型。在移動(dòng)機(jī)器人滿足一定機(jī)動(dòng)的條件下，較精確地得到了目標(biāo)的空間位置和運(yùn)動(dòng)信息。仿真結(jié)果驗(yàn)證了該方法的有效性和可行性。
運(yùn)動(dòng)視覺研究的是如何從變化場景的一系列不同時(shí)刻的圖像中提取出有關(guān)場景中的目標(biāo)的形狀、位置和運(yùn)動(dòng)信息，將之應(yīng)用于移動(dòng)機(jī)器人的導(dǎo)航與定位。首先要估計(jì)出目標(biāo)的空間位置和運(yùn)動(dòng)信息，從而為移動(dòng)機(jī)器人車體的導(dǎo)航與定位提供關(guān)鍵前提。
分揀機(jī)器人的運(yùn)行基礎(chǔ)是什么視覺信息的獲取主要是通過單視覺方式和多視覺方式。單視覺方式結(jié)構(gòu)簡單，避免了視覺數(shù)據(jù)融合，易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)測。如果利用目標(biāo)物體的幾何形狀模型，在目標(biāo)上取3個(gè)以上的特征點(diǎn)也能夠獲取目標(biāo)的位置等信息。此方法須保證該組特征點(diǎn)在不同坐標(biāo)系下的位置關(guān)系一致，而對(duì)于一般的雙目視覺系統(tǒng)，坐標(biāo)的計(jì)算誤差往往會(huì)破壞這種關(guān)系。
采用在機(jī)器人上安裝車載攝像機(jī)這種局部視覺定位方式，本文對(duì)移動(dòng)機(jī)器人的運(yùn)動(dòng)視覺定位方法進(jìn)行了研究。該方法的實(shí)現(xiàn)分為兩部分：首先采用移動(dòng)機(jī)器人視覺系統(tǒng)求出目標(biāo)質(zhì)心特征點(diǎn)的位置時(shí)間序列，從而將對(duì)被跟蹤目標(biāo)的跟蹤轉(zhuǎn)化為對(duì)其質(zhì)心的跟蹤；然后通過推廣卡爾曼濾波方法估計(jì)目標(biāo)的空間位置和運(yùn)動(dòng)參數(shù)。
湖北藥品分揀機(jī)器人1目標(biāo)成像的幾何模型
自動(dòng)分揀機(jī)器人介紹視頻移動(dòng)機(jī)器人視覺系統(tǒng)的坐標(biāo)關(guān)系如圖1所示。
其中O-XYZ為世界坐標(biāo)系；Oc-XcYcZc為攝像機(jī)坐標(biāo)系。其中Oc為攝像機(jī)的光心，X軸、Y軸分別與Xc軸、Yc軸和圖像的x，y軸平行，Zc為攝像機(jī)的光軸，它與圖像平面垂直。光軸與圖像平面的交點(diǎn)O1為圖像坐標(biāo)系的原點(diǎn)。OcO1為攝像機(jī)的焦距f。
圖1移動(dòng)機(jī)器人視覺系統(tǒng)的坐標(biāo)關(guān)系
不考慮透鏡畸變，則由透視投影成像模型為：
式中，Z′=［u，v］T為目標(biāo)特征點(diǎn)P在圖像坐標(biāo)系的二維坐標(biāo)值；為P點(diǎn)在世界坐標(biāo)系的坐標(biāo)；（Xc0，Yc0，Zc0）為攝像機(jī)的光心在世界坐標(biāo)系的坐標(biāo)；dx，dy為攝像機(jī)的每一個(gè)像素分別在x軸與y軸方向采樣的量化因子；u0，v0分別為攝像機(jī)的圖像中心O1在x軸與y軸方向采樣時(shí)的位置偏移量。通過式即可實(shí)現(xiàn)點(diǎn)P位置在圖像坐標(biāo)系和世界坐標(biāo)系的變換。
2圖像目標(biāo)識(shí)別與定位跟蹤
2.1目標(biāo)獲取
快遞分揀機(jī)器人怎么分揀快遞目標(biāo)的獲取即在攝像機(jī)采集的圖像中搜索是否有特定目標(biāo)，并提取目標(biāo)區(qū)域，給出目標(biāo)在圖像中的位置特征點(diǎn)。
由于機(jī)器人控制實(shí)時(shí)性的需要，過于耗時(shí)的復(fù)雜算法是不適用的，因此以顏色信息為目標(biāo)特征實(shí)現(xiàn)目標(biāo)的獲取。本文采用了HSI模型，3個(gè)分量中，I是受光照影響較大的分量。所以，在用顏色特征識(shí)別目標(biāo)時(shí)，減少亮度特征I的權(quán)值，主要以H和S作為判定的主要特征，從而可以提高顏色特征識(shí)別的魯棒性。
考慮到連通性，本文利用捕獲圖像的像素及其八連通區(qū)域的平均HS特征向量與目標(biāo)像素的HS特征向量差的模是否滿足一定的閾值條件來判別像素的相似性；同時(shí)采用中心連接區(qū)域增長法進(jìn)行區(qū)域增長從而確定目標(biāo)區(qū)域。圖2給出了目標(biāo)區(qū)域分割的算法流程。
圖2目標(biāo)區(qū)域分割算法流程
分揀機(jī)器人能識(shí)別出商品大小嗎實(shí)現(xiàn)目標(biāo)區(qū)域提取后，由于目標(biāo)有一定的大小和形狀，為了對(duì)目標(biāo)定位，必須在圖像中選取目標(biāo)上對(duì)應(yīng)的點(diǎn)的圖像位置。由于目標(biāo)的質(zhì)心點(diǎn)具有不隨平移、旋轉(zhuǎn)與比例的改變而變化的特點(diǎn)，故選取目標(biāo)的質(zhì)心點(diǎn)作為目標(biāo)點(diǎn)。
質(zhì)心坐標(biāo)計(jì)算公式如下：
銷售分揀機(jī)器人式中：為質(zhì)心坐標(biāo)；n為目標(biāo)區(qū)域占據(jù)的像素個(gè)數(shù)，且n≥2;為第i個(gè)像素的坐標(biāo)；p為第i個(gè)像素的灰度值。
分揀機(jī)器人研究現(xiàn)狀分揀機(jī)器人agv銷售智能物流的智能分揀機(jī)器人