足球机器人全景视觉系统分析与设计

《足球机器人全景视觉系统分析与设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、制造困难所以一般造价比较昂贵。第三种途径是采用在不同方位安装多台摄像机通过通过图像拼接和校正将多台相机采集的图像组合成一副全景图像，如图1．3所示PointGreyResearch公司研发生产的Ladybu93全景视觉系统采用的就是此种途径获得全景图像。此种方式同样可以一次获得全景图像。但需要采用合适图像拼接方法对各方位拍摄到的图像进行拼接。第四种途径是采用由双曲面镜、球面镜、圆锥面镜等曲面反射镜和普通摄像头组成的全景镜头，双曲面镜实物图如图l4所示。此种方式可以一次获得全景图像，但太多常规曲面镜的成像原理不符合透视成像原理，因此会带来成像与实际场景相比有一定程度的形变。。、童j∞嚏围11

2、云台摄像机田12鱼眼镜头光学系统■_：●：．'图田13Ladybu口全景视觉系统围1．4带双曲面镜的全景摄像机机器人全景视觉系统设计原则与步骤：(1)选择摄像机，摄像机是全景视觉系统获得外部场景信息的重要器件，它的选择好坏直接影响视觉系统的处理效果。摄像机的不同主要在感光元件上的不同，现在市面上摄像机采用的感光元件有CCD(ChargeCoupledDevice)和CMOS(ComplementaryMetal—OxideSemiconductor)两种。CCD感光元件工作原理：它是使用一种高感光度的半导体材料制成，能把光线转变成电荷，通过模数转换器芯片转抉成数字信号，数字信号经过压缩以后

3、由相机内部的闪速存储器或内置硬盘卡保存，因而可以轻而易举地把数据传输给计算机，并借助于计算机的处理手段，根据需要和想像来修改图像。CCD由许多赙2光单位组成，通常以百万像素为单位。当CCD表面受到光线照射时，每个感光单位会将电荷反映在组件上，所有的感光单位所产生的信号加在一起，就构成了一幅完整的画面。CMOS感光元件工作原理：和CCD一样同为在数码相机中可记录光线变化的半导体。CMOS的制造技术和一般计算机芯片没什么差别，主要是利用硅和锗这两种元素所做成的半导体，使其在CMOS上共存着带N(带一电)和P(带+电)级的半导体，这两个互补效应所产生的电流即可被处理芯片纪录和解读成影像。然而，C

4、MOS的缺点就是太容易出现杂点，这主要是因为早期的设计使CMOS在处理快速变化的影像时，由于电流变化过于频繁而会产生过热的现象。由两种感光器件的工作原理可以看出，CCD的优势在于成像质量好，但是由于制造工艺复杂，只有少数的厂商能够掌握，所以导致制造成本居高不下，特别是大型CCD，价格非常高昂。CMOS针对CCD最主要的优势就是非常省电，不像由二极管组成的CCD，CMOS电路几乎没有静态电量消耗，只有在电路接通时才有电量的消耗。这就使得CMOS的耗电量只有普通CCD的i／3左右。CMOS主要问题是在处理快速变化的影像时，由于电流变化过于频繁而过热。暗电流抑制得好就问题不大，如果抑制得不好就十

5、分容易出现杂点。总之选择摄像机的原则是要满足系统的应用要求。(2)选择光学系统，全景视觉系统的光学系统由选择的获得全景图像的方式不同其组成也不同，光学系统的选择的好坏会影响相机的成像效果，也会影响后面的图像处理方法的选择。因此光学系统的选择原则是综合考虑相机因素和系统的应用环境。(3)选择图像采集卡：选择图像采集卡要考虑的参数有：1．接口制式，数据格式：接口的制式包括数字和模拟两种选择时一定要与选择的相机一致。模拟采集卡要考虑数字化精度、采集卡的数据率。2．采集卡的数据率：采集卡的数据率必须不小于相机数据率的1．2倍。3．存储大小，pci总线的传输率。4．相机控制信号及外触发信号。5．硬件

6、系统的可靠性。6．支持软件的功能。总之，采集卡的选择必须与视频源的特点为依据。(4)选择图像处理器件3对于处理数据量要求不是很大时，可以采用PC机进行图像处理任务。对于处理数据量要求很高时，一般需要采用专用的图像处理器件。1．3全景视党技术国内外研究现状全景视觉是机器人视觉一个重要分支，并以比传统机器视觉能获得更大视场的场景图像的优越性而得到广泛研究和迅速发展。全景视觉系统研究可以追溯到20世纪60年代末70年代初，全景视觉是机器视觉的继承发展，在图像处理上可以采用机器视觉图像处理理论方法。全景视觉的研究者们的研究主要集中在：利用广角物镜、圆锥面反射镜、球面反射镜旋转摄像机等获得全景视觉图

7、像以及提高图像采集的分辨率、实时性和快速性；二是寻求适合全景图像处理算法的研究。1970年美国宾西尼亚大学DonaldW．Rees为美国军队设计了一套应用于军用机器检测周围环境的基于双曲面椭圆体反射镜的全景电视视觉设备[3]。1994年日本东京大学YasushiYagi等设计了一套应用于移动机器人对全方向障碍物避障的基于圆锥面反射镜全景视觉系统[4]。美国加利福尼亚大学工程学院的MatthewBarth，ColinBar