基于雙計算機的仿人機器人的視覺跟蹤系統(tǒng)

引言
　　仿人機器人的頭部視覺跟蹤系統(tǒng)利用視覺信息作為反饋，來規(guī)劃機器人的頭部運動使其能實時的跟蹤運動目標(biāo)。視覺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(dǎo)航、人機交互以及視覺伺服都具有極其重要的意義。

　　視覺跟蹤的實時性是仿人機器人的重要性能要求之一。針對這一系統(tǒng)要求，近年來有很多學(xué)者設(shè)計出了多種系統(tǒng)結(jié)構(gòu)。文[1]中作者設(shè)計了一種基于CAN總線的分布式的仿人機器人的控制系統(tǒng)，其中的視覺系統(tǒng)通過無線局域網(wǎng)與控制系統(tǒng)進行通訊。日本仿人機器人ASIMO的運動控制系統(tǒng)采用集中式控制方式，視覺系統(tǒng)通過網(wǎng)絡(luò)與運動控制系統(tǒng)通訊[2]。一臺計算機難以滿足視覺跟蹤的實時性要求，為了實現(xiàn)實時跟蹤，本文提出并實現(xiàn)了一種基于MemoLink通訊的雙計算機的視覺跟蹤系統(tǒng)。該系統(tǒng)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(nèi)。

　　目標(biāo)分割的穩(wěn)定性是機器人視覺跟蹤系統(tǒng)的重要要求之一，近幾年來很多學(xué)者對這個領(lǐng)域進行了研究，大多數(shù)的機器人目標(biāo)跟蹤系統(tǒng)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(fù)雜的非結(jié)構(gòu)化的室內(nèi)背景下，單一的圖像信息不能保證系統(tǒng)穩(wěn)定的分割出目標(biāo)。多種圖像信息的融合是解決目標(biāo)物體識別穩(wěn)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(biāo)區(qū)域的快速目標(biāo)分割方法

　　1 系統(tǒng)結(jié)構(gòu)

　　仿人機器人BHR1的系統(tǒng)結(jié)構(gòu)如圖1所示，其全身有32個自由度，其中頭部有2個自由度，可以在兩個方向上自由轉(zhuǎn)動，即左右轉(zhuǎn)動和上下轉(zhuǎn)動。面部放置兩只CCD攝像頭作為視覺傳感器來模擬人的眼睛。采用SVS立體視覺處理系統(tǒng)處理視覺信息，SVS系統(tǒng)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(tǒng)的系統(tǒng)結(jié)構(gòu)

　　兩臺計算機置于機器人的胸腔內(nèi)，其中一臺計算機負責(zé)視覺信息的處理，另外一臺負責(zé)機器人的運動控制。前者被稱之為信息處理子系統(tǒng)，后者被稱為運動控制子系統(tǒng), 兩臺計算機通過Memolink進行通訊。信息處理子系統(tǒng)利用Windows強大的多媒體功能來處理立體視覺信息，實現(xiàn)目標(biāo)的快速分割以及物體的運動估計和預(yù)測。運動控制子系統(tǒng)以Linux/RT-Linux實時操作系統(tǒng)作為平臺，保證了機器人控制系統(tǒng)的實時性。除了頭部運動關(guān)節(jié)，運動控制系統(tǒng)負責(zé)仿人機器人全部關(guān)節(jié)的控制。Memolink 是系統(tǒng)間進行快速通信的一種有效解決方案,是連接信息處理子系統(tǒng)和運動控制子系統(tǒng)的橋梁。具有通信速度快和通信前無需握手的優(yōu)點。

　　整個跟蹤過程執(zhí)行如下的循環(huán)：搜索目標(biāo)――發(fā)現(xiàn)目標(biāo)――匹配――狀態(tài)估計和預(yù)測――運動控制。不同的匹配方法應(yīng)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(biāo)區(qū)域的快速分割方法。在實時的跟蹤系統(tǒng)中，運動估計和預(yù)測有效的減少了檢測區(qū)域，提高了系統(tǒng)的跟蹤速度。研究中采用經(jīng)典的卡爾曼濾波器進行運動目標(biāo)的狀態(tài)估計和預(yù)測。

　　2 基于多圖像信息的目標(biāo)分割方法

　　視覺信息處理子系統(tǒng)完成目標(biāo)物體的快速分割，同時估計和預(yù)測目標(biāo)物體的運動信息，把目標(biāo)物體的位置信息實時地傳遞給運動控制子系統(tǒng)。目標(biāo)識別的穩(wěn)定性對整個跟蹤系統(tǒng)的穩(wěn)定性起著至關(guān)重要的作用。

　　在復(fù)雜背景的非結(jié)構(gòu)化的室內(nèi)環(huán)境下，用于機器人視覺跟蹤的圖像信息有：深度、顏色、形狀、邊緣、運動等。基于多信息的運動目標(biāo)的分割方法中，所選取的信息應(yīng)該具有互補性。物體的顏色是物體最顯著的特征，適合用于目標(biāo)的跟蹤。但是當(dāng)背景中包含同樣顏色的物體時，基于顏色的跟蹤將會失敗。深度信息有助于系統(tǒng)得到粗略的前景區(qū)域，也就是包含運動物體的目標(biāo)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。基于RHT（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，進而把目標(biāo)候選區(qū)域中相同顏色的物體區(qū)別開來。