一种机器人避障控制策略

《一种机器人避障控制策略》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、一种机器人避障控制策略原作者:尤富强陈兴林强文义出处:哈尔滨工业大学【论文摘要】木文介绍了一种基于焦距恢复深度信息概念的实时障碍检测方法，由两台CCD摄像机组成的立体被动视觉系统只需可靠、快速、恢复粗糙的三维信息，控制策略山这些粗糙的三维信息判断障碍物状态，做出相应的调整。仿真结果证明此方法的稳定性和快速性。1引言目前对于双足机器人的研究大部分集中在其平衡性及行走方面。动态可移动的智能机器人，能口主进行障碍检测、障碍规避及路径规划。障碍物体的检测实际上就是对周围环境的三维深度信息进行恢复的过程。视觉系统叮以捕获和理解机器人系统世界中的坏境信息，由二维

2、图像提取三维信息进而重建三维图像是视觉系统的重要功能。视觉系统利用不同的技术进行三维信息的恢复，例如双目立休视觉法、光流移动法和变焦距深度恢复法等。在这篇论文中，我们提出了一种基木由焦距恢复深度信息原理的机器人实时避障方法。我们提出的焦距法是用两台设置为不同焦距的CCD摄像机拍摄同一场景的图像，然后比较每幅图像上相应区域的清晰度，区域清晰度最大的那幅图像的对应焦距所确定的距离就是这个图像区域的深度信息。尽管采用多个相机可以取得更好的深度恢复效果，但是为了简化计算，实际的控制算法中只需要知道图像各个区域粗糙的深度信息，在木算法中即为“远”和“近”两种标

3、示，这个信息成为整个区域的深度标示。然后我们建立全幅图像的深度信息标示图，其过程类似于由焦距恢复地形3D信息，只不过我们的算法大大简化了。最后，机器人决策系统基于深度标示图设计其避障控制策略。本文的第二部分介绍了这一领域的相关理论，第三部分介绍了深度标示图及避障控制策略的具体实现，最后给出了一些实验的结果。2早期的工作焦距分析很早就用于自动聚焦拍摄系统以及由所摄图像进行深度恢复的应用屮。最早关于这一领域的著作是m,作者通过对图像作傅立叶变换分析其聚焦程度。Pentland在文献［2］中提出两种方法实现景物深度图像的重建，第一种方法基丁测量散焦图像的模

4、糊边缘，这种方法需耍知道图像边缘的位置和幅值大小。第二种方法是通过比较两幅通过不同光圈相机所拍摄的图像，计算对应区域内的散焦度变化，得到深度信息。Pcntland取得了非常好的实验效果，处理图片的速度已经达到每秒钟8帧。其他学者采用更为精确的散焦数学模型提高了深度恢复精度口］。然而，这些方法因为要对图像进行卷积和滤波的处理，所以需耗费犬量的计算资源才能达到实时处理的B的。而冃它们适用的环境是静态和固定的,所能恢复的深度信息也只限于很浅的范围内⑴。Krokov在1987年的论文门］小提出了由聚焦度提取深度信息的理论。原理是从大量不同焦距拍摄的图像屮求取

5、最大聚焦点。因为在滤波方法屮用到了时间平均的概念，Krokov同样需要静态不动的图像，且只能恢复图像中一个窗口的深度信息，而机器人实现连续平滑避障需要的是多个深度信息图。1993年，Krokov和Bajcsy成功研制了一个将立体视觉定位和焦距相结合的视觉系统⑹，深度恢复范围可达两米距离。Darrel和Wohn在1988年提出由焦距恢复深度信息的金字塔法［门，作者使用伺服系统控制镜头的焦距，拍摄8至30幅的图像，达到了理想的精度。但是与以前方法的缺点一样，它适用于静态的图像冃所耗的计算量大。3避障控制策略为了克服上述方法普遍存在的计算量大的缺点，我们的

6、算法应在焦距恢复深度原理的基础上尽量采用简单的数学模型，控制策略设计上木着简便、可行和稳定的原则。建立一个简洁的机器人导航系统，重要的是了解要使机器人能做到稳定、连续避障，其感知系统至少应具备哪些功能。稳定指工作可靠，辨识障碍物体准确。而连续即机器人的动作要连贯而不停顿，这就要求感知系统提供给决策系统的深度信息需要有一定的提前量，同时避障策略的制定应根据机器人行走系统的速度及反应时间等指标。图1给出了机器人避障控制流程图。图

7、机器人避陆控制流程閔对于图1所示的最简单的控制流程视觉系统必须能分辨左右两个方向以及深度的远、中和近。这样就意味着控制策略屮只

8、对应三类距离标示，而远、近距离标示的值分别代表一定范围的深度。当然，区分这三类深度范围的阈值制定要依据机器人行走的最大速度。也就是说，对应着“近”的深度距离要使机器人有足够的时间让前进速度从最人降到零，给机器人的控制系统和视觉系统以足够的反应时间。通过将机器人前方视觉场景的深度信息分为三类，使算法较以前的算法简便了许多。这里视觉系统如何判断前方景物垢距离对控制策略起指导性的作用，既然是基于由焦距恢复深度的原理，我们需要一个标准来测量聚焦尺度，而最直观的标准莫过于清晰度的概念。4清晰度标准为了动态的测量图像内某个区域内的聚焦程度，我们需要一个计算这个区

9、域的清晰度的标准。相对于聚焦的图像，散焦的概念就是丢失一些潜在的信息，相当于降低了画面的质量。从物理光学的角