基于雙計算機的仿人機器人的視覺(jué)跟蹤系統

引言
　　仿人機器人的頭部視覺(jué)跟蹤系統利用視覺(jué)信息作為反饋，來(lái)規劃機器人的頭部運動(dòng)使其能實(shí)時(shí)的跟蹤運動(dòng)目標。視覺(jué)跟蹤是仿人機器人的重要功能之一，它的研究對于仿人機器人的自主導航、人機交互以及視覺(jué)伺服都具有極其重要的意義。

　　視覺(jué)跟蹤的實(shí)時(shí)性是仿人機器人的重要性能要求之一。針對這一系統要求，近年來(lái)有很多學(xué)者設計出了多種系統結構。文[1]中作者設計了一種基于CAN總線(xiàn)的分布式的仿人機器人的控制系統，其中的視覺(jué)系統通過(guò)無(wú)線(xiàn)局域網(wǎng)與控制系統進(jìn)行通訊。日本仿人機器人ASIMO的運動(dòng)控制系統采用集中式控制方式，視覺(jué)系統通過(guò)網(wǎng)絡(luò )與運動(dòng)控制系統通訊[2]。一臺計算機難以滿(mǎn)足視覺(jué)跟蹤的實(shí)時(shí)性要求，為了實(shí)現實(shí)時(shí)跟蹤，本文提出并實(shí)現了一種基于MemoLink通訊的雙計算機的視覺(jué)跟蹤系統。該系統通訊可靠、體積小，便于將兩臺計算機安置于仿人機器人的胸腔內。

　　目標分割的穩定性是機器人視覺(jué)跟蹤系統的重要要求之一，近幾年來(lái)很多學(xué)者對這個(gè)領(lǐng)域進(jìn)行了研究，大多數的機器人目標跟蹤系統選用了單一的圖像信息，有的采用了物體的顏色信息[3]，有的采用了物體的輪廓信息[4]。然而在復雜的非結構化的室內背景下，單一的圖像信息不能保證系統穩定的分割出目標。多種圖像信息的融合是解決目標物體識別穩定性的方法之一[5]。本文中作者提出了一種集成深度、顏色和形狀信息的逐步逼近目標區域的快速目標分割方法

　　1 系統結構

　　仿人機器人BHR1的系統結構如圖1所示，其全身有32個(gè)自由度，其中頭部有2個(gè)自由度，可以在兩個(gè)方向上自由轉動(dòng)，即左右轉動(dòng)和上下轉動(dòng)。面部放置兩只CCD攝像頭作為視覺(jué)傳感器來(lái)模擬人的眼睛。采用SVS立體視覺(jué)處理系統處理視覺(jué)信息，SVS系統提供了每幀圖像的深度圖像[6]。

圖1 仿人型機器人（BHR1）跟蹤系統的系統結構

　　兩臺計算機置于機器人的胸腔內，其中一臺計算機負責視覺(jué)信息的處理，另外一臺負責機器人的運動(dòng)控制。前者被稱(chēng)之為信息處理子系統，后者被稱(chēng)為運動(dòng)控制子系統, 兩臺計算機通過(guò)Memolink進(jìn)行通訊。信息處理子系統利用Windows強大的多媒體功能來(lái)處理立體視覺(jué)信息，實(shí)現目標的快速分割以及物體的運動(dòng)估計和預測。運動(dòng)控制子系統以L(fǎng)inux/RT-Linux實(shí)時(shí)操作系統作為平臺，保證了機器人控制系統的實(shí)時(shí)性。除了頭部運動(dòng)關(guān)節，運動(dòng)控制系統負責仿人機器人全部關(guān)節的控制。Memolink 是系統間進(jìn)行快速通信的一種有效解決方案,是連接信息處理子系統和運動(dòng)控制子系統的橋梁。具有通信速度快和通信前無(wú)需握手的優(yōu)點(diǎn)。

　　整個(gè)跟蹤過(guò)程執行如下的循環(huán)：搜索目標――發(fā)現目標――匹配――狀態(tài)估計和預測――運動(dòng)控制。不同的匹配方法應用產(chǎn)生了不同的跟蹤方法。本文中作者提出了一種融合深度、顏色和形狀信息的逐步逼近目標區域的快速分割方法。在實(shí)時(shí)的跟蹤系統中，運動(dòng)估計和預測有效的減少了檢測區域，提高了系統的跟蹤速度。研究中采用經(jīng)典的卡爾曼濾波器進(jìn)行運動(dòng)目標的狀態(tài)估計和預測。

　　2 基于多圖像信息的目標分割方法

　　視覺(jué)信息處理子系統完成目標物體的快速分割，同時(shí)估計和預測目標物體的運動(dòng)信息，把目標物體的位置信息實(shí)時(shí)地傳遞給運動(dòng)控制子系統。目標識別的穩定性對整個(gè)跟蹤系統的穩定性起著(zhù)至關(guān)重要的作用。

　　在復雜背景的非結構化的室內環(huán)境下，用于機器人視覺(jué)跟蹤的圖像信息有：深度、顏色、形狀、邊緣、運動(dòng)等?；诙嘈畔⒌倪\動(dòng)目標的分割方法中，所選取的信息應該具有互補性。物體的顏色是物體最顯著(zhù)的特征，適合用于目標的跟蹤。但是當背景中包含同樣顏色的物體時(shí)，基于顏色的跟蹤將會(huì )失敗。深度信息有助于系統得到粗略的前景區域，也就是包含運動(dòng)物體的目標候選窗口，另外基于深度分割的粗略前景輪廓的獲得計算量小，速度快?；赗HT（Random Hough transform）算法的形狀檢測器可以檢測各種不同的幾何形狀,比如：橢圓形、三角形和多邊形，進(jìn)而把目標候選區域中相同顏色的物體區別開(kāi)來(lái)。