软件部分设计 - 一种基于服务机器人的视觉系统设计

　　2 软件部分设计

　　由于本系统采用的是颜色和形状相结合的办法对无遮挡目标物体的识别。为了达到机器人实时快速的目的，在软件方法上，主要采用了目前常用的足球机器人的颜色识别方法，目前比较常见是基于阈值向量的颜色判断法。下面简述颜色识别原理。

　　2.1 色彩空间选择

　　对于采用基于彩色图像分割的方法识别目标时，首先要选择合适的颜色空间，常用的颜色空间有RGB、YUV、HSV、CMY等。颜色空间的选择直接影响到图像分割和目标识别的效果。

　　RGB：是最常用的颜色空间，其中亮度等于R、G、B3个分量之和。RGB颜色空间是不均匀的颜色空间，两个颜色之间的知觉差异与空间中两点间的欧氏距离不成线性比例，而且R、G、B值之间的相关性很高，对同一颜色属性，在不同条件（光源种类、强度和物体反射特性）下，RGB值很分散，对于识别某种特定颜色，很难确定其阈值和其在颜色空间中的分布范围。因此通常会选择能从中分离出亮度分量的颜色空间，其中最常见的是YUV和HSV颜色空间。

　　HSV：接近人眼感知色彩的方式，H为色调（Hue），S为色饱和度（Saturation），V为亮度（Value）。色调H能准确地反映颜色种类，对外界光照条件变化敏感度低，但是H和S均为R、G、B的非线性变换，存在奇异点，在奇异点附近即使R、G、B的值有很小变化也引起变换值有很大的跳动。

　　YUV:RGB颜色空间线性变化为的亮度-色彩空间。是为了解决彩色电视机与黑白电视机的兼容问题而提出的。Y表示亮度（Luminance），UV用来表示色差（Chrominance）。YUV表示法的重要性是它的亮度信号（Y）和色度信号（U、V）是相互独立的。所谓色差是指基色信号中的3个分量信号（即R、G、B）与亮度信号之差。

　　因此，针对以上原因，本系统在采用的是YUV色彩空间。

　　YUV格式与RGB存在如下关系：

　　

　　2.2 阈值确定和色彩判断

　　在确定阈值时，首先通过采集样本进行训练，从而得到预定的几种颜色在YUV空间的分量的上下阈值，如图2所示。

　　

　　当一个待判定的像素在色彩空间中的位置落在这个长方体中时，就认为该像素属于要找的颜色，从而完成对图像颜色的识别。在Y空间中，Y值表示亮度，因它的变化很大，所以只考虑了U和V的值，在进行颜色判断时，首先分别建立U、V的阈值向量。

　　由于在系统中图像传感器的数字信号是8位，即1Byte，共255Byte，系统最多能判定8种颜色。在颜色识别后进行图像分割，在图像分割中采用了种子填充算法，其整个种子的填充是和像素点的颜色同时进行的，一开始不是对所有的像素进行处理，而是分块进行的，本系统采用的块是32×24像素，这样计算量大大减小。当中心点是所要识别的颜色时，就以这个点为种子向四周扩散，并判定周围像素点的颜色，直到填满整个块。在这过程中，同时对目标进行形状识别。本系统采用了基于全局的特征向量的识别算法来进行识别。同时也为构建雅可比矩阵得到需要的矩特征量。图3为图像识别分割流程图。

　　

　　2.3 视觉跟踪软件原理

　　当目标物体被识别以后，视觉系统将调整镜头使目标位于视野的中心。一旦物体运动，视觉系统将进行对目标物体的跟踪。

　　在机器人视觉跟踪系统上，采用无定标的视觉跟踪系统。无定标的视觉跟踪不需要事先对摄像镜头进行定标，而是应用自适应控制方面的原理，在线的实时调整图像雅可比矩阵。通过二维的图像特征信息反馈，这种方式对摄像机模型误差和机器人模型误差、图像误差、图像噪声不敏感。基于图像跟踪的视觉跟踪控制系统，如图4。

　　

　　控制量c为机器人头部的控制系统。首先把目标放在机器人视野的前方采集到期望的图像，从期望图像中抽取期望的特征集，作为视野跟踪控制系统的期望输入，从而完成任务需要的视野特征集定义。在实时控制系统中，由机器人的图像传感器获取实时采样图像，从中获取实时特征集，这样构成一个视野反馈，引导机器人完成跟踪任务。区别于图像的简单几何特征，本系统选用的视觉特征集为全局的图像描述—图像矩。

　　根据矩特征变化量与相对位姿变化量之间的关系矩阵，即图像雅可比矩阵，然后利用推导的图像雅可比矩阵，设计了视觉跟踪控制器，完成系统对3D目标物体的平动跟踪。