AGV小车轨迹提取方法

　　视觉在人类生活中起着非常重要的作用，人们每天都通过眼睛采集大量的信息，这些信息经过大脑的处理，成为人们认知和理解世界的基础。机器人视觉信息主要指CCD摄像机采集的二维图像信息。视觉信息能否被正确、实时地处理直接关系到机器人对障碍物的避碰、对路标的识别以及对路径的跟踪，对系统的实时性和鲁棒性具有决定性的作用。视觉信息的处理技术是移动机器人研究中关键的技术之一。为了简化视觉信息处理，通常把移动机器人的工作环境分为结构化道路环境和非结构化道路环境。结构化道路的检测相对来说较易实现，其检测技术一般都以边缘检测为基础，辅以Hough变换、模式匹配等，并利用最小二乘法对应于道路边界的线条，得出道路的几何描述。由于非结构化道路的环境复杂、特征描述困难，使得非结构化道路的检测及信息处理复杂化。

　　近年来，机器人视觉导航技术有了很大的发展。移动机器人的工作环境可能比较复杂，因此，提高图像识别的准确性以实现移动机器人的准确定位是移动机器人完成其导航任务的首要前提;同时，由于移动机器人在导航过程中需要实时的采集并分析图像信息，从而实现对作业环境的识别以进行准确的路径跟踪。因此，如何在提高图像识别的准确性的同时达到较好的实时性是移动机器人视觉技术的一个发展方向

　　1.图像处理

　　数字图像处理，是对数字图像信息进行加工以满足人的视觉心理或应用需求的行为，数字图像处理的英文名称是"Digital Image Processing''，通常所说的数字图像处理是指用计算机对图像进行的处理，因此也称为计算机图像处理。图像处理就是用一系列的特定操作来改变图像的像素，以达到特定的目标，比如使图像更清晰，或者从图像中提取某些特定的信息等。

　　CCD摄像头的主要工作原理具体而言，就是摄像头连续地扫描图像上的一行，输出就是一段连续的电压视频信号，该电压信号的高低起伏正反映了该行图像的灰度变化情况。当扫描完一行，视频信号端就输出低于最低视频信号电压的电平(如0.3v)，并保持一段时间。这样相当于，紧接着每行图像对应的电压信号之后会有一个电压"凹槽"，此"凹槽"叫做行同步脉冲，它是扫描换行的标志。然后就需要跳行，跳过一行后(因为摄像头是隔行扫描的方式)，开始扫描新的一行，如此下去，直到扫描完该行的视频信号，接着就会出现一段场消隐区。此区中有若干个复合消隐脉冲，其中会有个脉冲远宽于(即持续时间长于)其它的消隐脉冲，该消隐脉冲又称为场同步脉冲，它是扫描换行的标志。场同步脉冲标志着新的一场的到来，不过，场消隐区恰好跨在上一场的结尾部分和下一场的开始部分，要等到场消隐区过去，下一场的视频信号才真正到来。摄像头每秒扫描25幅图像，每幅又分奇、偶两场，先奇场后偶场，故每秒扫描50场图像。奇场时只扫描图像中的奇数行，偶场时则只扫描偶数行。

　　选择一款具有全电视信号输出的黑白CCD图像传感器，用LMl881进行信号分离，结合A/D采样，实现了视频信号的采集。在总线周期为400M的情况下，每行采集72个有效数据，摄像头每场信号有320行，其中第23到310行为视频信号。我们从中均匀采集了24行，最后得到一个24×72的二维数组。

　　CCD采集的原始数据包含了黑线的位置信息，为了稳定可靠地提取这一信息，有一下几种方法：

　　(1)二值化算法

　　算法的思路是：设定一个阈值value，对于视频信号矩阵中每一行，从左至右比较各像素值和阈值的大小。若像素值大于等于阈值，则判定该像素对应的是白色道路;反之，则判定对应的是目标指引线。记下第一次和最后一次出现像素值小于阈值时的像素点的列号，算出两者的平均值，以此作为该行上目标指引线的位置。该算法的思想简单，具体实现时还可以一旦检测到左边缘后就退出该行扫描，这样上面的流程图将变得更加简洁。但是这种提取算法鲁棒性较差，当拍摄图像中只有目标指引线一条黑线时，还能准确提取出目标指引线。但当光强有大幅度的变化，或图像中出现其它黑色图像的干扰时，并且离机器人比较近的黑线比较的明显，离机器人越来越远时黑线越来越淡，该算法提取的位置有可能与目标指引线的实际位置偏离较大。

　　(2)直接边缘检测算法

　　算法的思路是：设定一个阈值，对于视频信号矩阵中每一行，从左至右求出相邻两像素值的差值(左减右)。若差值大于等于阈值，则判定下一个的像素点对应的是目标指引线的左边缘，以此像点作为该列的特征点，记录下此像素点的列号，作为该行上目标指引线的位置。当然，可能出现差值始终小于阈值的情况，此时一种方法是令该行上目标指引线位置为0，通过进一步滤波或拟合来修正;另一种方法是让该行上目标指引线位置和通过上一场视频数据求得的位置一样。

　　该算法较二值化方法而言，抗环境光强变化干扰的能力更强.同时还能削弱或消除垂直交叉黑色指引线的干扰。因为该算法在视频信号矩阵中是由左至右来寻找目标指引线的左边缘的，所以当黑色图像出现在目标指引线左方时，该算法无法排除干扰，而当其出现在右方时，则可以排除干扰。

　　(3)跟踪边缘检测法

　　这种算法跟直接边缘榆测算法一样，也是寻找出目标指引线的左边缘，仍然用左边缘的位置代表目标指引线的位置。但跟踪边缘检测从视频信号矩阵每行中寻找左边缘的方法与直接边缘检测法不同。

　　因为目标指引线是连续曲线，所以相邻两行的左边缘点比较靠近。跟踪边缘检测正是利用了这一特性，对直接边缘检测进行了简化。其思路是：若已寻找到某行的左边缘，则下一次就在上一个左边缘附近进行搜寻。这种方法的特点是始终跟踪每行左边缘的附近，去寻找下一列的左边缘，所以称为"跟踪"边缘检测算法。

　　在首行边缘检测正确的前提下，该算法具有较强的抗干扰性，能更有效地消除垂直交叉黑色指引线的干扰，以及指引线外黑色图像的影响，始终跟踪目标指引线。

　　另外，较之前两种算法，跟踪边缘检测算法的时间复杂度更低，因此效率更高。但值得注意的是第一行的左边缘位置对整个目标指引线的搜寻影响很大，一旦它的位置和实际导引线偏差较大，就会产生一连串的错误，这是不可容忍的。

　　通过比较本系统选择了效率更高，更可靠的跟踪边缘检测法。流程图如图所示：

　　2.结论

　　本文中图像处理和路径信息识别的方法，并对不同时刻不同位置采集到的图像的处理效果进行比较研究，结合实际环境中的图像特点，确定出适合于本研究的图像处理算法。提出了改善路径信息辨识速度和精度的方法。

　　参考文献：

　　[1]张文志，吕恬生.基于改进的遗传算法和模糊逻辑控制的移动机器人导航[J].机器人.2003，

　　25(1)：1

　　[2]邱茂林，马颂德，李毅.计算机视觉中摄像机定标综述[J].自动化学报.2000，26(1)：44-45

　　[3]吴文琪，孙增圻.机器视觉中的摄像机定标方法综述[J].计算机应用研究.2004，21(2)：4-5

　　[4]David h Jean Ponce.计算机视觉--一种现代方咖.北京：电子工业出版社.2004

　　[5]田志宏，曹建光，刘秀红.超声波传感器在电动轮椅车上的应用研究[J].传感器技术学报.2007，200)：719-720