移動機器人視覺定位設(shè)計方案

　　由于圖像序列前后兩幀的時間間隔T 很小，本文用二階微分方程來描述P 點的運動軌跡。定義狀態(tài)矢量：

　　則可以定義狀態(tài)方程為：

　　其中：

　　V （k ） 為模型噪聲， 假設(shè)V （k ） 為零均值的高斯白噪聲， 其方差陣為Q （k ） = cov （V）。

　　將式（1） 離散化得：

　　其中n （k ） 為測量噪聲。假設(shè)n （k ） 為零均值的高斯白噪聲， 其方差陣為R （k ） = cov （n）。

　　則式（10， 11） 組成系統(tǒng)的離散狀態(tài)方程和測量方程， 當(dāng)該系統(tǒng)滿足可觀測性條件：

　　時， 就可以應(yīng)用推廣卡爾曼濾波對目標(biāo)的空間位置和運動狀態(tài)進行估計。其中r （ t） ， v （ t） 分別為目標(biāo)相對于車體的位置和速度， 下標(biāo)t 代表目標(biāo)， i 代表成像系統(tǒng)， a （ t） 為任意的標(biāo)量。

　　5 實驗結(jié)果

　　利用微軟提供的V FW 視頻處理開發(fā)軟件包，由CCD 攝像機和相應(yīng)的視頻采集卡獲取移動機器人前的場景圖像數(shù)據(jù)， 在Delph i 6 下開發(fā)了移動機器人視覺定位與目標(biāo)跟蹤系統(tǒng)的完整程序。本算法在CPU 主頻為500MHz， 內(nèi)存為256MB 環(huán)境下， 對幀速率為25 幀？s， 圖像分辨率為320×240的共180 幀視頻圖像進行了實驗， 最終實現(xiàn)了對運動目標(biāo)快速、穩(wěn)定的跟蹤。圖3 給出了部分幀圖像的目標(biāo)定位與跟蹤結(jié)果。

　　圖3 目標(biāo)定位與跟蹤結(jié)果。

　　為了驗證本文提出的對目標(biāo)的空間位置和運動參數(shù)估計算法的有效性， 利用獲取的目標(biāo)質(zhì)心點的位置時間序列對目標(biāo)運動狀態(tài)進行了跟蹤仿真實驗。

　　由于仿真的相似性， 本文只給出了推廣卡爾曼濾波在O Z 方向的仿真結(jié)果， 如圖4 所示。其中圖4（a， b） 分別是觀測噪聲方差為3 個像素時目標(biāo)在Z軸方向的位置p 和運動速度v 的估計誤差曲線（150 次Mon te Carlo 運行）。其中目標(biāo)的起始位置為（115， 1， 10）m ， 速度為（110， 115， 215）m /s， 加速度為（0125， 011， 015）m /s2; 攝相機運動為實際中容易實現(xiàn)的且滿足機動的條件， 其初始位置為（ 010， 015， 010） m ， 初始速度為（ 015， 0175， 110）m /s， 運動加速度為（0125， 0105， 015）m /s2.

　　圖4 推廣卡爾曼濾波Z 方向（深度）的仿真結(jié)果

　　由仿真結(jié)果可見， 隨著機器人車體的不斷機動和濾波次數(shù)的增加， 目標(biāo)位置的估計值在20 幀左右就可收斂到理論真值， 而且抖動很小， 可滿足系統(tǒng)快速定位與跟蹤要求。

　　6 結(jié)束語

　　本文對移動機器人的局部視覺定位方法進行了深入研究。二次成像法要求攝像機第二次成像時的位置要有較大變化， 從而導(dǎo)致利用序列圖像所獲取的目標(biāo)位置信息誤差較大。與之相比本文提出的定位方法可更精確地得到目標(biāo)的空間位置和運動參數(shù)。這為移動機器人的路徑規(guī)劃、伺服跟蹤等提供了更可靠的依據(jù)。