基于视觉定位的服务机器人回舱系统设计和建模实现

摘 要 本文是以室内环境下的服务机器人开发应用为背景，针对基于视觉定位的方法下如何实现服务机器人回舱充电这一问题，进行了比较深入的研究。在分析了国内外移动机器人视觉定位的基础上，提出了一种适应于室内环境下的机器人回舱充电的方案。以中心投影为基础建立系统的视觉模型和运动模型。

【关键词】视觉定位 视觉建模 运动模型

1 绪论

上世纪60年代斯坦福研究所开发出第一台移动机器人SHAKEY以来，移动机器人技术得到了越来越深入的研究。由著名WowWee公司生产的Rovio远程监控机器人。使用TrueTrack导航技术能建立导航点，让机器人能固定巡逻导航点，在充电站上内建一个信号发射器，此信号放射器向天花板射出红道红外光帮助机器人进行定位回舱充电。

当前利用全向图像传感器对移动机器人定位成为移动机器人定位领域的研究热点。因为视觉系统相对于其他的机器人导航定位用传感器而言，能够提供最丰富的感知信息。因此，基于视觉的机器人自定位问题吸引了全世界大量研究人员的参与，也取得了大量的研究成果。

2 系统的建模

2.1 回舱定位系统数学模型建立

利用光学中的中心投影模型建立了光学特征点与摄像机像平面上对应特征像点的求解关系，基于透视几何理论，利用三个特征点所组成的直线所在坐标系的斜率正负值，来解得家庭服务器人与回舱充电座的相对位置。中心投影模型主要由光心（也称为投影中心）、像平面和主光轴组成。

2.1.1坐标系统建立及变换关系

（1）坐标系的建立。作为建立定位系统数学模型的前提条件，本文引入了世界坐标系、相机坐标系、图像像素坐标系，其中世界坐标系是3D客观世界绝对坐标，相机坐标系是以相机光心为轴的坐标，如图2.1，为本系统的坐标系的建立。

（2）坐标系的转换。

a. 世界坐标系和摄像头坐标系的转换

世界坐标系中的点到摄像机坐标系的变换可由一个正交变换矩阵R和一个平移变换矩阵T表示为：

b. 图像坐标系与摄像机坐标系变换关系

摄像头坐标系与图像物理坐标系转换

假设，一个红外光斑在摄像头坐标系下的记为Q点，在图像物理坐标系下为W的像点坐标为：

c. 图像物理坐标系与图像像素坐标系的转换

将公式（2.4）进一步转换图像像素坐标系

公式（2.7）是单位长度的像素点的个数，即X，Y两个方向的采样率。

对特征点灰度图像进行数学建模，以图像的左上角为原心，建立像素坐标系，如图2.2，假设三点光斑的任意两点坐标为（x1，y1） ， （x2，y2），通过公式（2.8）求解出特征点所在直线的斜率。

2.2 运动模型建立

如图2.3是在世界坐标系XOY平面下的机器人运动模型，其中坐标（ x1，y1，θ1）是机器人的起始位置，坐标（x2，y2，θ2）是机器人的终点位置，机器人是根据充电座的特征点所在的直线在像素坐标系下的斜率k来判断本人于机器人的相对充电座的位置，当k>0，机器人在充电座的右侧，机器人以一定角度，左弧移动，移向充电座。当k

整个家庭服务机器人采用两轮驱动，通过两个轮子的驱动电机转速的不同，来控制机器人的运动轨迹。为了找到满足运动状态，合适的电机转速比，设坐标（x1，y1，θ1）与（x2，y2，θ2）之间的距离为h，航向角偏移量为θ。分别由公式（2.17），（2.18）可计算出h和θ。

直线运动和原地旋转，可以组成机器人其他所有的运动，当机器人处于这两种特殊情况下的数学分析

（1）当机器人直线运动时，其旋转角度趋于零

由以上分析可以看出，该运动模型符合移动机器人的多种运动方式。起始坐标和终点坐标已知，机器人视觉模块获得特征点信息，根据制定好的运动控制策略，按照一定的移动航行角度，就可以进行运动控制回舱。

3 总结

本文利用机器人视觉定位方法和人工地标的方法，对机器人回舱充电座进行了设计，并对整个系统进行数学建模，包括整个系统的坐标分类和系统坐标系的建立，特征光斑坐标系的建立，各坐标系的转换公式，利用光斑圆心法求解特征点直线在世界坐标系下的斜率，并建立运动模型，和运动控制参数的求解公式。

参考文献

[1]Lauer M， Lange S， Riedmiller M. Calculating the perfect match：An efficient and accurate approach for robot self-localization[C]//RoboCup 2005：Robot Soccer World Cup IX. Berlin/Heidelerg： Springer，2006.

[2]Andreasson H， Duckett T.Topological localization for mobile robots using omni-directional vision and local features[C]//Proc of the 5th IFAC Symposium on Intelligent Autonomous Vehicles（IAV），2004.

[3]Murillo A C，Guerrero J J，Sagues C. SURF features for efficient robot localization with omnidirectional images[C]//Proc of 2007 IEEE ICRA. 2007.

[4]Tamimi H， Andreasson H， Treptow A， et al.Localization of mobile robots with omnidirectional vision using particle filter and iterative SIFT[C]//Proc of European Conference on Mobile Robots，2005.

[5]Weiss C，Masselli A，Tamimi H， et al.Fast outdoor robot localization using integral invariants[C]//Proc of the 5th International Conference on Computer Vision Systems，2007 .

[6]厉茂海，洪炳，罗荣华， 等. 基于单目视觉的移动机器人全局定位[J].机器人，2007.

[7]Jaime V M， Weizhen Z，Gamini D. Towards vision based navigation in large indoor environments[C]//Proc of 2006 IEEE/RSJ IROS. 2006 .

[8]Se S，Lowe D，Little J.Mobile robot localization and mapping with uncertainty using scale-invariant visual landmarks[J].The International Journal of Robotics Research，2002.

[9]朱 莹， 洪炳， 王燕清. 基于CBL 的双目视觉自主机器人定位[J]. 哈尔滨工业大学学报， 2004.

[10]Eino J， Takashi T， Takiguchi J， et al. Self-positioning with an omni-directional stereo system[C]//Proc of 2003 IEEE ICRA.2003.

作者简介

孙尧 男，山东省济宁市人。硕士研究生学历。现为济宁职业技术学院教师。CCF会员。研究方向为嵌入式系统设计、机器人视觉、人工智能、智能电力电子。

李汉挺，男，山东省济宁市人。硕士研究生学历。现为济宁职业技术学院教师。CCF会员。研究方向为嵌入式系统设计、智能电力电子。

作者单位

济宁职业技术学院 山东省济宁市 272000