技术领域
[0001] 本
发明涉及自动化与检测技术，尤其涉及一种基于无标定
机器视觉的智能导航控制系统及方法。
背景技术
[0002] 智能自主移动
机器人是当今国际机器人研究领域的热点。而路径规划则是智能
移动机器人中的一个重要组成部分，其研究目的是使机器人能在不同的环境中自主路径规划。环境
感知是移动机器人进行自主路径规划的关键技术，获取这些信息的
传感器即需要足够大的视场来
覆盖整个工作区，又需要较高的采集速率以保证在运动的环境中能够提供实时的信息。近几年来，由于计算机
图像处理能
力和技术的飞速发展以及大量的数字图像处理设备性能价格比的提高，加之视觉系统具有
信号探测范围宽、目标信息完整等优势，视觉传感器在移动机器人导航中的应用越来越受到人们的重视并表现出很好的发展前景。
[0003] 在传统的
机器人视觉伺服控制系统中，无论是基于
位置的还是基于图像的往往都是采用基于模型的控制方法。其中模型包括：摄像机模型、机器人模型、目标物
体模型和工作环境模型。摄像机模型指摄像机内、外参数，内参数一般指有效焦距f，图像平面x、y方向单位距离中的
像素数Nx、Ny，图像中心点的坐标u0、v0，若考虑镜头的非线性畸变还有畸变因子等；外参数则指摄像机相对于机器人末端或固定
坐标系的
位姿；机器人模型主要指机器人
运动学模型；目标物体模型主要指目标的深度，在固定坐标系下的位姿以及运动参数。整个伺服系统控制
精度在很大程度上依赖于标定的精度。然而在实际中，由于以下原因，这种基于标定的机器人视觉伺服方法受到了很大的限制：
[0004] 1)由于多种因素的影响，即使理论上精度很高的标定
算法在实际中也难以得到控制和系统性能所要求的模型；
[0005] 2)系统的标定结果只有在标定条件成立时才有效。所以，一旦摄像机的位置、焦距等发稍微的变化，根据原标定参数计算出的结果会有很大误差，必须对系统进行重新标定。
[0006] 3)由于摄像机镜头畸变等因素的影响，摄像机的标定区域一般限制在一个比较小的区域，如果机器人的工作范围比较大时，难以得到一个满足工作范围内所有位置的参数模型。在这样的情况下，虽然可以采取分区域标定的方法，但这又增加了系统操作的复杂度。
[0007] 4)标定的结果只在机器人工作区域中完成标定的位置及其有限的邻域内有效，而标定好的模型却要在整个
工作空间中使用。因此一旦机器人离开标定的区域，控制系统的伺服性能会下降。
[0008] 5)许多视觉伺服标定方法需要辅助参考物，这只能在实验室这样的结构化环境中才能圆满实现，而在某些特定环境下是难以对摄像机进行标定的，如抢险救灾等一些危险的或对人体有害的工作环境中。
[0009] 这些
缺陷使得视觉机器人在工作一段时间后，累积的系统误差将达到不能接受的程度，严重时甚至会导致导航任务的失败。如果每过一定时间就对系统重新进行标定，则无论从重新标定时机的选择，还是从工作量以及可实现性考虑，都是不现实的。
发明内容
[0010] (一)要解决的技术问题
[0011] 本发明要解决的技术问题是：消除传统标定视觉方案中技术效果的好坏严重依赖于标定参数的局限性弊端；提高机器人在不同环境中的适应能力以及工作效率；提高对机器人的控制性能，有效保持图像处理过程的速度以及精度；增强
机器人控制系统的鲁棒性和
稳定性；降低技术方案实施过程中的成本投入以及
能源消耗。
[0012] (二)技术方案
[0013] 为解决上述技术问题，本发明提供一种智能导航控制系统，所述控制系统包括上位机以及移动机器人平台，所述上位机包括计算机和无线通讯装置，通过无线通讯方式与所述移动机器人平台通讯，所述移动机器人平台包括移动
机器人本体、无线通讯单元以及电源；
[0014] 此外，所述移动机器人平台还包括：图像提取单元、图像处理单元、导航控制单元以及嵌入式控制单元；
[0015] 所述移动机器人本体用于根据所述导航控制单元所提供的导航线进行运动；所述导航线为移动机器人本体运动时所遵循的预定路线；
[0016] 所述图像提取单元用于在所述移动机器人本体启动后对目标区域进行图像/视频
模拟信号的提取，并将所提取的图像/视频模拟信号发送至所述嵌入式控制单元；
[0017] 所述嵌入式控制单元用于将所述图像/视频模拟信号进行
模数转换，将转换后得到的图像/视频
数字信号传送给所述图像处理单元；
[0018] 所述图像处理单元用于对所述图像/视频数字信号进行分析，计算得到当前机器人本体运动路线的导航线偏差值，并发送至所述导航控制单元；
[0019] 所述导航控制单元用于根据所述导航线偏差值来调整导航线，并将所述调整后得到的导航线数据发送给所述机器人本体。
[0020] 优选地，所述移动机器人平台还包括避障传感器单元；
[0021] 所述避障传感器单元用于检测所述机器人本体运动过程中周围出现的障碍物，并将障碍物的图像/视频模拟信号传送至所述嵌入式控制单元。
[0022] 优选地，所述嵌入式控制单元为数字
信号处理器，包括用于执行多路图像/视频数据输入输出处理的数字信号处理芯片、多路数字输入输出
接口、多路异步串口以及无线通讯接口。
[0023] 优选地，所述图像处理单元包括图像预处理器以及导航线提取单元；
[0024] 所述图像预处理器用于选择导航线
颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线上若干个已知点的数据；
[0025] 所述导航线提取单元用于按照预设规则对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为
角度，基于该角度来提取单条或多条路线的导航线偏差值。
[0026] 优选地，所述导航线偏差值包括导航线角度偏差值和横向偏差值。
[0027] 优选地，所述导航控制单元包括最优路径规划单元以及机器人本体控制单元；
[0028] 所述最优路径规划单元用于以当前导航线作为参考值，根据所述导航线偏差值采用神经网络-预描点的方式对导航线进行机器人本体速度以及转弯角度的修正，并将修正后得到的导航线数据发送给所述机器人本体控制单元；
[0029] 所述机器人本体控制单元用于根据神经网络-预描点的方式，结合修正后得到的导航线数据对机器人本体进行运动状态的控制。
[0030] 优选地，所述避障传感器单元为红外
光电传感器，其包括集发射器与接收器，用于采用高低电平的方式对障碍物进行检测。
[0031] 此外，本发明还提供一种智能导航控制方法，包括如下步骤：
[0032] S1：机器人本体根据导航线进行运动；
[0033] S2：提取机器人本体运动过程中当前的图像/视频模拟信号；
[0034] S3：对所述图像/视频模拟信号进行模数转换，输出图像/视频数字信号；
[0035] S4：对所述图像/视频数字信号进行分析，得到导航线偏差值；
[0036] S5：根据所述导航线偏差值对当前导航线数据进行机器人本体速度以及转弯角度的修正；
[0037] S6：机器人本体根据修正后得到的导航线数据进行运动。
[0038] 优选地，所述方法还包括步骤：在机器人本体运动过程中，检测所述机器人本体运动过程中周围出现的障碍物，若发现障碍物，对出现的障碍物的图像/视频模拟信号进行分析处理，并根据分析处理结果指示机器人本体停止运动。
[0039] (三)有益效果
[0040] 本发明技术方案所提供的智能导航控制系统及方法，与
现有技术相比较，其具备如下几点有益效果：
[0041] 1)本发明技术方案采用模
块化设计理念，各模块可随时进行升级或替换，具有很好的通用性，结构简单，集成度高，有助于提高机器人的环境适应能力和工作效率；
[0042] 2)在基于已知点的Hough变换的
基础上提出了一种新的直线检测方法，将按照一定规则向已知点投票求得的直线斜率转化为角度，实现对单条或多条直线导航线偏差值的提取，不仅能加快图像处理的速度，而且能保持最高的检测精度；
[0043] 3)导航控制单元采用神经网络-预描点的方法，进行机器人本体控制，能够提高对机器人的控制性能，并且无须再次进行摄像头的标定和机器人本体模型的建立，快速准确完成转向决策，提高智能
导航系统的稳定性和鲁棒性；
[0044] 4)图像处理单元根据实际情况的需要，选取合适的导航线颜色，快速而准确地进行导航线提取，达到了实时处理的效果；
[0045] 5)图像处理单元和导航控制单元的设计皆基于嵌入式处理平台，更适于高温、潮湿等的工作环境，具有集成能力强、稳定性好、运算速度快、系统成本低、功耗小等优势。
附图说明
[0046] 图1为本发明
实施例的智能导航系统所涉及的机器人本体的结构示意图；
[0047] 图2为本发明实施例的嵌入式控制单元的结构示意图；
[0048] 图3为本发明实施例的图像处理单元的处理
流程图；
[0049] 图4为本发明实施例的提取导航线的方法流程图；
[0050] 图5为本发明实施例的智能导航控制系统的结构示意图；
[0051] 图6为本发明实施例的智能导航控制方法的流程图；
[0052] 其中：1、移动机器人平台；2、彩色摄像机；3、无线通讯模块；4、机器人本体电源模块。
具体实施方式
[0053] 为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
[0054] 首先，对本发明技术方案所提供的智能导航控制系统进行描述，如图1及图5所示，所述控制系统包括上位机以及移动机器人平台1，所述上位机包括计算机和无线通讯装置，其通讯方式基于IEEE802.11的无线局域网连接，采用TCP/IP协议通过无线局域网来实现上位机与移动机器人平台之间图像/视频数据的传输，所述移动机器人平台包括移动机器人本体、无线通讯模块3、图像提取单元、嵌入式处理平台以及机器人本体电源模块4，所述嵌入式处理平台包括模数转换单元、图像处理单元以及导航控制单元；
[0055] 所述移动机器人本体用于根据所述导航控制单元所提供的导航线进行运动；所述导航线为移动机器人本体运动时所遵循的预定路线；
[0056] 所述图像提取单元包括彩色摄像机2，用于在所述移动机器人本体启动后对目标区域进行图像/视频模拟信号的提取，并将所提取的图像/视频模拟信号发送至所述模数转换单元；
[0057] 如图2所示，所述模数转换单元用于将所述图像/视频模拟信号进行模数转换，将转换后得到的图像/视频数字信号传送给所述图像处理单元；所述模数转换单元为
数字信号处理器，CPU选用高性能32位定点DSP TMS320DM642，DM642是美国德州仪器公司(TI)专
门为多路图像/视频数据输入输出处理而设计的数字信号处理芯片，其运算功能强大，建立在第二代高性能超常指令字结构上，可以并行处理8条指令，非常适用于数字图像处理。在本
硬件设计中，其工作主频选择为600MHz，根据项目的需要，硬件系统除了扩展必须的
存储器部分以及视频采集与播放部分外，主要扩展了多路数字数字输入输出接口和多路异步串口以及无线通讯接口功能，方便与移动机器人平台相互通信。
[0058] 所述图像处理单元包括图像预处理器以及导航线提取单元；如图3所示，所述图像预处理器采用寻线导航方式对当前机器人本体运动的图像/视频数字信号所得的导航线数据进行分析，选择合适的导航线颜色来对图像/视频数字信号进行预处理，弱化背景及噪声干扰，突出并得到导航线路上若干个已知数据点的数据，然后由导航线提取单元计算得到当前机器人本体运动路线的导航线偏差值并发送给所述导航控制单元；
[0059] 所述寻线导航方式通过对所采集的彩色图像进行处理。主要对比R、G、B三原色。因为B分量较容易受到外界干扰，R分量自然界多用做停止线，因此最终确定采用G为导航线颜色；图像预处理流程图如图3所示，为了验证算法的可靠性，采集各种光照环境下彩色图像，并采用(2G-R-B)作为彩色特征因子，将采集的三维彩色图像变为一维的灰度图像；
再采用图像拉伸的方式，有效突出导航信息；为了克服室外光照不均匀的情况，采用自动
阈值的方法，将灰度图像二值化；接着对二值图像采用移动窗口的方法除去噪声；然后采用行扫描的方法提取导航线中心线，减少Hough变换计算数据量；最后根据已知点Hough变换，提取导航线，计算偏移角度以及偏移距离，作为导航控制算法的依据。
[0060] 如图4所示，所述导航线提取单元按照预设的一定规则对所述若干个已知点的数据进行投票求得当前机器人本体运动路线的直线斜率，并将该直线斜率转化为角度，基于该角度来提取单条或多条路线的导航线，进而得到导航线偏差值；导航线提取单元采用改进的Hough变换的方法。Hough变换具有优异的鲁棒性和极佳的抗干扰能力，利用Hough变换进行直线检测，是
图像分析和
计算机视觉的一个重要内容。但是传统的Hough变换计算量非常大，从而阻碍了其在快速、精确检测直线方面的应用。目前已存在基于已知点的Hough变换方式，极大的提高了直线检测的速度。但是由于基于已知点的Hough变换采用倒数的形式将斜率限制在固定区间，因此精度不易控制，并且在斜率为-45°、45°时容易产生极大误差。因此本发明在基于已知点的Hough变换的基础上提出了一种新的直线检测方法，将按照一定规则向已知点投票求得的直线斜率转化为角度，实现对单条或多条直线的提取，不仅能加快图像处理的速度，而且能保持最高的检测精度。下面来详细描述这种新的直线检测方法。
[0061] 如图4所示，按照一定规则向已知点投票求得的直线斜率转化为角度，角度在[-90°，90°]范围内，将[-90°，90°]区间分成10等份，进行投票，第一次分割区间的大小为18°。选出投票次数最多的区间，再次进行分割，为了减小误差，将该区间的前、后相邻区间合并后再次进行10等份分割。则第二次分割区间的大小为5.4°。在实际应用中可以根据试验精度要求，再次进行分割，分割的次数越多，精度越高。所述导航线偏差值包括导航线偏移距离和偏移角度。
[0062] 所述导航控制单元用于根据所述导航线偏差值来调整导航线，并将所述调整后得到的导航线数据发送给所述机器人本体。所述导航线偏差值包括导航线偏移距离和偏移角度。
[0063] 所述导航控制单元包括最优路径规划单元以及机器人本体控制单元；
[0064] 所述最优路径规划单元用于以当前导航线作为参考值，根据所述导航线偏差值采用神经网络-预描点的方式对当前导航线进行机器人本体速度以及转弯角度的调整，并将调整过后的导航线数据发送给所述机器人本体控制单元从而对机器人本体进行运动状态的控制，无须再次进行摄像头的标定和机器人本体模型的建立。对于机器人本体为
履带式机器人的情况，采用双轮差速的方法来控制机器人本体的速度和转向，因此，本发明技术方案根据提取导航线的特征直接推出机器人本体左右轮速，以达到机器人本体沿到航线行走的目的。
[0065] 所述神经网络-预描点方法是一种将预描点和神经网络方法有效结合的方法。预描点的实现形式是：先设置系统未来的输出状态，然后再确定当前的控
制动作，因此，控制动作具有明显的预见性，从而明显优于传统的依靠信息反馈产生控制动作的控制算法。在本发明技术方案中，机器人本体速度控制在0.2m/s～0.5m/s，预描点依据机器人本体速度动态调节预描点位置；本发明技术方案选用一种多层
前馈神经网络，即BP神经网络(Back Propagation Neural Network)，其根据预描点位置控制机器人本体转向。经基于已知点的Hough变换得到偏移距离和偏移角度，能够准确反应导航线信息，因此采用这两个变量作为导航控制单元进行神经网络-预描点方式运算的输入特征量。本发明选用履带式导航车辆作为移动平台，该导航车辆通过双轮差速的方式控制车体的转角，因此移动机器人两轮的差速作为导航控制单元进行神经网络-预描点方式运算的输出特征量。
[0066] 所述机器人本体控制单元用于根据神经网络-预描点的方式，结合调整后的导航线数据对机器人本体进行运动状态的控制。
[0067] 所述移动机器人平台还包括避障传感器单元；
[0068] 所述避障传感器单元用于检测所述机器人本体运动过程中周围出现的障碍物，并在出现障碍物的情况下通过I/O接口发送电平信号至所述嵌入式处理平台，嵌入式处理平台根据所述电平信号对机器人本体发送停止运动的指令。所述嵌入式处理平台与移动机器人本体采用串口通讯方式，通讯方式为：RS232，通讯波特率为：115200，无校验位，8数据位，1停止位。所述避障传感器单元为红外光电传感器、其包括发射器与接收器，用于采用高低电平的方式对障碍物进行检测，当前面有障碍物时，物体将发射器发出的红外光线反射回接收器，于是光电传感器就“感知”了物体的存在，产生
输出信号。当检测到障碍物时输出低电平(0V)，没有检测到障碍物时输出高电平(+5V)；当然也可以设置为当检测到障碍物时输出高电平(+5V)，没有检测到障碍物时输出低电平(0V)。
[0069] 下面对本发明所提供的智能导航控制方法进行描述，如图6所示，该方法包括如下步骤：
[0070] 步骤1：机器人本体根据导航线进行运动；
[0071] 步骤2：提取机器人本体运动过程中当前的图像/视频模拟信号；
[0072] 步骤3：对所述图像/视频模拟信号进行模数转换，输出图像/视频数字信号；
[0073] 步骤4：对所述图像/视频数字信号进行分析，得到导航线偏差值；
[0074] 步骤5：根据所述导航线偏差值对当前机器人本体速度以及转弯角度进行调整；
[0075] 步骤6：机器人本体根据调整后的导航线数据进行运动。
[0076] 所述方法还包括步骤：在机器人运动过程中，检测所述机器人本体运动过程中周围出现的障碍物，发现障碍物的情况下，则通过I/O口向嵌入式处理平台发送高电平或低电平信号，并指示机器人本体停止运动。
[0077] 下面结合具体情况来简要描述本发明所提供的控制系统的实施过程。
[0078] 如图1、图5及图6所示，本实施方式所提供的无标定机器视觉智能导航控制系统包括移动机器人平台1、彩色摄像机2、无线通讯模块3、机器人本体电源模块4，移动机器人平台1采用
电机后轮驱动方式。当接收到导航控制单元发送的启动指令后，机器人本体寻线行走，安装与机器人本体正前方的彩色摄像机2实时获取导航线路径信息，嵌入式控制单元对单路采集的彩色图像进行实时分析，输出数字信号至图像处理单元，图像处理单元进行图像处理，利用改进的Hough变换计算得到导航线偏移距离和偏移角度并发送给导航控制单元，由导航控制单元根据导航线偏移距离、偏移角度及机器人本体速度计算出预描点，输入给BP神经网络，得到移动机器人两轮速度，通过RS232串口控制机器人本体运动，两轮差速值可以调整机器人本体进行路径
跟踪。在导航过程中实时向上位机传送导航图像，并实时通过红外光电传感器检测障碍物，本光电传感器有效检测范围为250mm，一旦障碍物出现在有效检测范围内，则通过I/O接口向嵌入式处理平台发送电平信号。嵌入式处理平台对I/O接口电平信号进行分析后通过导航控制单元控制机器人本体停止运动，待障碍物消除后，继续循线导航，直到完成导航任务后，导航机器人本体停止。整个导航图像可以通过上位机进行实时显示。
[0079] 以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和
变形，这些改进和变形也应视为本发明的保护范围。
