单目导航 - 第 I 部分

CyberTrone

4.64/5 (8投票s)

2009年8月9日

CPOL

2分钟阅读

23581

如何为简单的运输机器人构建导航系统。

引言

我将介绍一系列关于机器人导航系统的文章：单目视觉。该系统仅使用一个输入信息来源：网络摄像头。有些人认为机器人应该有一个复杂的导航系统，配备声纳、激光测距仪等等。但我不这么认为。是的，这有助于简化软件，但也带来了一些问题。这种机器人太贵，而且很难升级它们的软件。在我的实验中，我使用了一个简单的 Labtec Notebook Webcam 摄像头（30 美元）、笔记本电脑、2 个伺服电机和一个 Arduino 用于将电机连接到它。就这些。它很便宜（总共约 400 美元）而且很容易实现。我也使用了 Vex 金属套件，因为它包含很多螺栓和金属部件。

背景

单目机器人导航的一些基础知识是在 2000 年由 Iwan Ulrich 提出的“基于外观的单目彩色视觉障碍物检测”（ABOD 方法）中介绍的。简而言之，他的算法是

在相机前取一个小梯形区域。
将颜色调色板从 RGB 更改为 HSL。
制作 H 和 L 频率的条形图。
检查图像中的每个像素，如果它的 H 和 L 低于条形图中的 H 和 L，则为障碍物，否则为地面。

复杂障碍物检测

我在几个图像上测试了 ABOD 方法。我还使用了不同的颜色方案：RGB、HSI、H 方法、Sobel 边缘检测和 CCC。这是方法有效性的表格

方法	纹理地面	单调地面
RGB	30%	40%
HSI	10%	90%
CCC	30%	90%
Sobel	5%	70%
H 方法	80%	50%

所以，你看到了 - 在不同的情况下，方法具有不同的效果。我想说更多 - 效果取决于地面的质量和类型。例如，对于混凝土背景，所有方法都是完美的，对于我房间里的地毯，只有 RGB 方法是正常的。此外，创建颜色条形图 (CBC) 耗时太多（320x240 图像大约 70 毫秒）。为了解决这两个问题，我决定创建特殊的数组，这些数组保存常见地面（混凝土、沙子、木材等）的 CBC。在机器人开始探索世界之前，我选择背景及其识别方法。这种创新有助于我节省图像处理时间。现在识别一个 320x240x32 位彩色图像需要 140-150 毫秒。

这是程序中的三个主要过程

制作颜色数组

procedure tNavigator.MakeColorArrays(Img:TBitmap32);
Var i,j:integer;
    h,s,l,r,g,b,c1,c2,c3:byte;
begin
  TrapWidth:=round(img.Width*0.75);
  TrapHeight:=round(img.Height*0.15);
  Threshold:=TrapWidth*TrapHeight div 400;
  for j:=1 to 9 do
  for i:=0 to 255 do
     ColorArrays[j,i]:=0;
  for i:=(img.Width-TrapWidth) div 2 to (img.Width+TrapWidth) div 2 do
  for j:=img.Height-1 downto img.Height-TrapHeight do
  begin
     Color32ToRGB(IMG.pixels[i,j],R,G,B);
     ColorArrays[1,r]:=ColorArrays[1,r]+1;
     ColorArrays[2,g]:=ColorArrays[2,g]+1;
     ColorArrays[3,b]:=ColorArrays[3,b]+1;
     RGBToHSI(r,g,b,h,s,l);
     ColorArrays[4,h]:=ColorArrays[4,h]+1;
     ColorArrays[5,s]:=ColorArrays[5,s]+1;
     ColorArrays[6,l]:=ColorArrays[6,l]+1;
     RGBToCCC(r,g,b,c1,c2,c3);
     ColorArrays[7,c1]:=ColorArrays[7,c1]+1;
     ColorArrays[8,c2]:=ColorArrays[8,c2]+1;
     ColorArrays[9,c3]:=ColorArrays[9,c3]+1;
  end;
end;

使用 RGB、HSI 和 CCC 方法寻找障碍物

procedure tNavigator.FindObstacles(img:tBitmap32;method: integer);
Var i,j,q:integer;
    h:array[1..9] of byte;
    bool:boolean;
begin
   for i:=0 to img.Width-1 do
   begin
   for j:=0 to img.Height-1 do
   begin
       Color32ToRGB(img.Pixel[i,j],H[1],H[2],H[3]);
       rgbtohsi(H[1],H[2],H[3],H[4],H[5],H[6]);
       rgbtoccc(H[1],H[2],H[3],H[7],H[8],H[9]);
       bool:=false;
       if (ColorArrays[method*3+1,h[method*3+1]]>=Threshold)and
       (ColorArrays[method*3+3,h[method*3+3]]>=Threshold) then
           ObstacleView[i,j]:=0
       else
           ObstacleView[i,j]:=1;
   end;
   end;
end;

获取 CCC 图像

PROCEDURE RGBToCCC (R,G,B: Real; VAR C1,C2,C3: Byte);
VAR
    Max,c11,c22,c33 : Real;
BEGIN
  max:=maxValue([g,b]);
  if max<>0 then
  C11:=arctan(R/max) else C11:=0;
  max:=maxValue([r,b]);
  if max<>0 then
  C22:=arctan(G/max) else C22:=0;
  max:=maxValue([g,r]);
  if max<>0 then
  C33:=arctan(B/max) else C33:=0;
  C1:=round(255*abs(C11)/PI);
  C2:=round(255*abs(C22)/PI);
  C3:=round(255*abs(C33)/PI);
END;