论文部分内容阅读
随着机器人视觉技术的不断发展，机器人的应用领域不断扩大。随着人们对机器人视觉的要求越来越高，图像质量日渐清晰，随之而来的是机器人需要处理的数据计算量越来越大。为了减少数据处理量，本文以双足机器人为实验平台，对一款低数据量处理的基于单片机的视觉模块进行了二次开发，通过颜色特征来对物体进行识别，避免了复杂的模板匹配等形状识别算法带来的对系统资源耗费高的问题。本文的研究成果主要包括以下几个方面： 首先选用基于CMUcam2视觉模块和Atmega128单片机的控制器搭建机器人视觉硬件平台。通过对各种颜色空间的对比选用在YCbCr颜色空间下建立目标物体的颜色模型。然后在颜色建模中完全模拟机器人能够看到的真实场景以及复杂背景和小范围光照变化下的场景进行实验。为了提取目标来获得它的颜色范围，先用背景图像差分的方法从复杂背景中提取目标物体，再设计了基于求取差分结果图像有效点中心位置的方法解决了对噪点和噪点块的完全去除问题以及机器人在线建模时对于变化的差分阈值的鲁棒性问题，选取的利用边缘检测获得目标物体的封闭的边缘曲线得到蒙版图像来实现对目标的提取，最终利用灰度直方图分别获得目标物体在每个颜色通道下的色彩灰度范围，并且通过介绍介绍了颜色建模的程序设计以及实验结果说明了此方法的有效性。接着利用颜色模型在实际场地下进行目标搜索，实现摄像机镜头光轴定位目标物体中心，通过摄像机俯仰角和水平角的几何关系完成距离测量。为了实现实时测量，对摄像机进行了标定，获得镜头焦距以及CCD中心坐标。对CCD的像素坐标，图像坐标，以及实际地面的世界坐标进行了坐标转换的数学理论分析。通过细化摄像机的投影模型，利用摄像机标定结果数据以及坐标转换的数学结论，根据几何关系模型得到了图像坐标系上任一点和世界坐标系点的对应关系，使目标在摄像机视野之内即能实时测距。免去了控制摄像机旋转舵机使得摄像机镜头光轴穿过目标物体中心这个过程之后才可以定位的弊端。最后通过实验数据分析验证了测距方法的准确性和实用性。