英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
多移动机器人使用低成本视觉传感器的定位
摘要
本文提出了一种高效的方法，通过使用低成本视觉传感器，在室内环境中对多个移动机器人进行基于视觉的定位。所提出的使用安装在移动机器人领域的单个照相机的视觉传感器系统具有小尺寸，低能耗和高灵活性的优点，以在机器人领域发挥重要作用。 nRF24L01 RF收发器连接到视觉系统，通过6个不同的数据通道与多个设备进行无线通信。面向下的摄像头具有出色的性能，能够根据颜色代码识别多个对象，从而形成彩色地标，为移动机器人提供用于在图像视图中定位的有用图像信息，然后将其转换为真实世界坐标。实验结果表明，该方法可以在多移动机器人设置中获得良好的定位性能。
关键词 ： 多移动机器人定位，视觉传感器，颜色代码
1.介绍
移动机器人最重要和最具挑战性的部件之一是其本地化和导航系统。所有移动机器人必须优先能够估计其在特定环境中的位置以便自主导航。自移动机器人定位研究早期的基于视觉的方法以来，一直是研究人员正在探索的技术之一。视觉传感器是最通用的之一，因为它们可以用于许多环境，如室内，室外甚至在水下应用。他们可以提供有关检测到的形状或颜色的有用图像信息。这些信息对于帮助移动机器人本地化特别有用。因此，作者提出了一种识别每个移动机器人并使用视觉传感器在有限领域中获得其相对位置和前进方向的定位方法。两篇重要的论文[2]，[3]对基于视觉的导航和本地化方法迄今取得的进展的各个方面进行了很好的调查。
不幸的是，与一般环境特征相关的基于视觉的本地化需要复杂的算法和高质量的硬件资源。但是，使用简单的地标可以显着降低识别系统的成本和复杂性。我们建议使用两个或多个颜色标签组合在一起的颜色代码作为简单的标志来区分多移动机器人。
使用实现基于色调的过滤算法的所谓“Pixy”的相机来检测指定颜色的对象。这款相机的设计成本低廉，可完全编程，适用于实时处理，具有足够的灵活性，可直接连接到大多数基于微控制器的系统，无需任何额外的电子设备。小尺寸和实时性能的优势使得将嵌入式视觉应用于机器人技术成为可能。
如图1（A）所示，地面上的图像信息是由向下摄像机在场上获得的，颜色代码放置在移动机器人上。本文中视觉系统的主要优点是视觉传感器可以直接与廉价的微控制器结合，从而实现紧凑轻便的视觉系统。所提出的视觉传感器用于识别和追踪在相机视场内移动的移动机器人。视觉系统中内置的图像处理单元提供识别的物体颜色代码ID，颜色代码中心的x和y坐标，高度和宽度以及视觉传感器的角度。该信息可以实时读取到微控制器，用于估算移动机器人的实际位置。
图1.（A）说明摄像机如何放置在真实环境中。 （B）说明系统架构的框图。 视觉传感器系统通过无线通信为移动机器人提供实际位置和方向。
图1（B）所示的组件布局显示了整个系统的实现。多个nRF24l01无线收发器用于建立视觉传感器系统和多移动机器人之间的通信。这些无线收发器使得它可以轻松，便宜并且适用于我们的工作，因为它们允许点对多点通信。因此，机器人可以使用这些无线模块向自己的队友传播自己的信息。它们在需要广播通信的多机器人系统[4]，[5]中是有效的替代方案。
本文的其余部分安排如下：在第二部分，我们从相关文献的概述开始。在讨论相关工作之后，讨论了主要的硬件组成部分，第3节详细介绍了多移动机器人的定位方法。第四部分通过使用NDI 3D Investigator光学仪器进行性能评估，展示了提出的定位方法的性能结果。第五节提出结论性意见和未来可能的工作思路。
2.相关作品
我们在本节中回顾一些与多移动机器人的本地化方法相关的研究。为了提高团队本地化的精度，已经进行了各种尝试来将个体机器人的经验组合在一起。 Fox等人提出的一个例子将定位问题从一个机器人扩展到多机器人。 [6]是基于直方图滤波器和粒子滤波器（PF）的协同定位算法，以利用团队机器人之间相对信息的测量。
Baatar等人提出了类似于本文提出的方法。 [7]通过检测特定的标记来识别使用吸顶式摄像头的多移动机器人。他们采用了一种定位方法，该方法结合了使用从轮编码器收集数据和基于视觉的定位的odometry。使用扩展卡尔曼滤波器（EKF）实现测距和基于视觉的定位数据的融合。该方法使用高质量相机和提供测距的移动机器人平台，能够实现良好的定位结果，最大定位误差为12 mm，最大定位误差为1.7o。我们的视觉传感器不仅更轻，更快，更便宜，更高效，而且由于使用颜色代码而不同于视觉传感器，因此可以区分许多移动机器人。
Ahmed等人提出了另一种类似于我们使用地标的方法。 [8]。移动机器人上附着的许多人造地标被用作基于视觉的定位方法中的识别工具，以区分多个移动机器人。在他们的实验中，在尺寸为150厘米长times;163厘米宽的测试环境中，小型机器人的误差在2.8厘米至5.2厘米之间。 最近，Hunsue Lee和Beom H. Lee [9]提出了用于多机器人定位的旋转三角（RT）地标，其使用9个三角形识别29个不同的ID。
本文提出的视觉系统可用于实现RoboCup（机器人世界杯）类型的足球比赛中用于移动机器人定位和分类的多机器人跟踪系统的足球比赛场景。论文[10]，[11]分别提供了关于小型联赛和中型联赛比赛中机器人足球比赛过去，现在和未来的总结。足球机器人进行的每个操作都需要准确的位置信息，以便成功完成机器人足球运动员的任务。许多研究人员在足球机器人领域进行了深入研究，提出了可用于比赛的方法。为了按照预期执行到期望的目标位置的自主运动并且为运动执行路径规划，足球机器人本质上应该具有定位其当前位置的能力。在足球机器人的激烈环境和快速运动中，足球机器人利用各种传感器获取其位置和方向的自我定位能力在竞赛中起着重要作用。一些小组[12] - [14]使用全向摄像头来解决多机器人定位问题。它已被用于需要大视野覆盖的地区，因为大面积的环境信息可以通过全向摄像头捕捉到。大多数视觉系统更可能受环境光照条件的影响。为了使问题最小化，一些研究人员[15-18]通过调整图像采集中的摄像机参数来改善视觉传感器的鲁棒性，以使视觉系统的输出适应不同的光照条件。
3. 实施细节
对于我们为多移动机器人提出的基于视觉的定位方法的算法实现和实验设置，本节将介绍详细描述以及硬件组件。
A.硬件设计
图2 用于实验的移动机器人平台。 它由机箱，微控制器，电机屏蔽层，LCD模块和RF收发器组成。
1.移动机器人
如图2所示，DFRobot 4WD（四轮驱动）是本文开发的用于多移动机器人定位实验的试验台的移动平台。总的来说，这是一个用于研究相关项目的优秀工具包，因为它成本低，并且易于通过一个简单的微控制器（如ATmega328）进行控制。图中还显示了机器人和实验装置中使用的附件的尺寸。基于DFRobot L298P芯片的2A电机屏蔽[19]允许微控制器驱动移动机器人。移动机器人的速度通过PWM信号调整，PWM信号可以从微控制器的PWM输出产生。电机屏蔽层可以直接由微控制器或外部电源供电。强烈建议使用外部电源为电机屏蔽提供足够的电源。通过使用LCD模块[20]，如图3（B）所示，人们可以很容易地监视由俯视图系统计算出的移动机器人的位置。该LCD模块通过I2C串行通信连接到微控制器，其操作由连接到机器人的该微控制器中运行的程序控制。
图3 从左到右，（A）基于CMUcam5的Pixy相机，（B）LCD模块，和（C）nRF24L01无线收发器
2.Pixy相机
基于CMUcam5的Pixy（如图3（A）所示）是一种快速且经济高效的图像传感器，明显优于以前版本的CMUcam [21]。它能够找到独特的颜色并将其图像信息返回到用于控制移动机器人的相同微控制器。 Pixy的板载处理器可控制摄像头并执行视觉处理，可通过Arduino，Raspberry Pi或Beaglebone黑板等外部控制器的简单串行通信接口轻松访问。相机为微控制器提供图像视场中识别物体的中心位置和尺寸信息的精确像素图像值。然后可以使用基于摄像机图像像素值获得的信息将其转换为移动机器人的真实世界位置。另外，当颜色代码用作地标时，视觉传感器可以给移动机器人赋予角度值。所有这些有用的信息都可以通过几种接口之一获得：SPI，I2C和UART，数字或模拟输出，每秒50帧。 Pixy图像传感器的原始分辨率为1280x800，但对于高达50帧/秒的较高帧速率以及较低的CPU和内存要求，视觉系统实际上使用320 x 200像素分辨率。参考。 [22]提供了有关pixy相机的详细信息。
3. nRF24L01收发器
nRF24L01无线收发器适用于设计用于2.4 GHz ISM频段的低功耗和低成本通信。图3（C）示出了该无线收发器的视图。总共使用七个无线收发器来实现六个移动机器人与视觉传感器系统之间的无线通信。一个无线收发器连接到连接到视觉系统的微控制器，其余无线收发器安装在控制移动机器人的微控制器上。这些无线模块可以通过串行外设接口（SPI）轻松连接到微控制器。参考。 [23]提供了有关nRF24L01收发器的规范和深入信息。每个数据管道在nRF24L01中都有自己的物理地址解码功能，并可针对个人行为进行配置。无线收发器可以接收指定给一个频道中的六个不同数据管道的分组。图4描述了将配置为从属设备的多移动机器人与配置为一个服务器的视觉传感器系统进行通信的简单描述。每个移动机器人都与视觉传感器系统交换一些命令，以实现更加适当和流畅的通信。
图4 视觉传感器系统和多移动机器人之间通信的简单系统架构。
B.基于颜色代码的地标
Pixy相机具有识别指定颜色或颜色编码对象的独特功能。颜色代码用于通过减少错误检测来提高检测精度。也就是说，特定颜色将以特定顺序出现并且彼此靠近的概率较低。此外，除了坐标信息之外，颜色代码的使用允许相机为角色估计和身份证号码提供相应的移动机器人。角度信息是用于测量移动机器人在0o和359o之间的范围内的转向运动的前进方向的有用值。该id用作移动机器人的标识号。图5（A）中示出了形成颜色代码界标的两种颜色的组合，例如分配为红色和蓝色或者红色和绿色或者红色和橙色组合等，并且这可以给每个颜色代码一个数字以用于识别相机。不应允许两个移动机器人使用相同的颜色分配。由四种颜色标签产生的六种颜色代码被用作我们工作中的标志。具有更多不同颜色标签的颜色代码可以允许同时区分更多的移动机器人。相机最多可以检测到7个不同的颜色标记。这些颜色签名可以使用相机的开源应用程序“PixyMon”进行指定和管理。它允许用户根据串行通信等改变摄像机和数据输出端口的平均亮度等配置参数。
图5 （A）基于移动机器人顶部颜色代码的地标图像。 （B）图像帧中地标的尺寸估计。
C.基于视觉的定位方法
摄像头通过一个串行接口连接到微控制器。但是，由于RF收发器专门使用SPI接口与微控制器进行通信，因此应用中的I2C接口必须将数据输出端口参数配置为1。六个不同的颜色代码必须放置在六个移动机器人的顶部。然后安装在高架位置的摄像机准备好收集有用信息以定位多移动机器人。当相机检测到颜色代码时，它会收集相机检测到的颜色代码的图像信息。图6示出了所收集的图像信息看起来像什么，诸如中心的id，x，y坐标，检测到的界标的高度，宽度和角度被返回给一个阵列成员。偶尔，前一个角度和当前角度之间的值有所不同。为了克服这个问题，我们计算了由照相机获得的两个角度值之间的平均值，如等式（1）所给出的。
图6.通过相机捕获的图像示例和相关信息。
颜色代码的平均角度值和中心分别被定义为前进方向和移动机器人的位置。 通过将图像帧的中心与摄像机的当前位置相匹配，可以相对于地标的世界坐标来计算移动机器人的位置。 还有一个严重的问题是，在移动机器人旋转时，图像帧中的高度和宽度值的波动发生很大。 因此，预先重新计算高度和宽度的值。 图5（B）中的宽度（W）和高度（H）由以下等式计算：
其中MX和MY分别是移动机器人到x轴和y轴的实际移动距离。 Lc是地标的实际尺寸。 图5（B）中的DI是图像帧中移动机器人的前一位置与当前位置之间的距离。 它由方程（3）定义。
图6中的标记位置（XR，YR）是现实世界中移动机器人的当前位置。 下面的等式（4）给出了移动机器人位置从图像域到现实世界域的x和y坐标的转换。
其中（X C，Y C）是移动中心的坐标图像框架中的机器人
4.结果
图7.用于精确度测量的实验环境NDI光学跟踪仪器
图8.从NDI 3D Investigator光学获得的实验结果仪器。 （红线表示获取的移动机器人的实际轨迹由光学仪器。 估计绿色矩形和蓝色三角形由Pixy相机和黄色的星标表示出发点的移动机器人）。
提出的基于本地的视觉方法已经实现在真实的世界环境中进行测试。 测试环境基于Pixy的移动机器人实际化大约是长290厘米，宽155厘米。 相机连接到一个高出测试表面约180厘米的地方。每个颜色标签的尺寸为10厘米乘5厘米。 梳理时两个颜色标签，实际颜色代码的尺寸是10厘米乘10厘米。
为了评估Pixy相机的适用性解决多移动机器人的定位问题，我们使用了一个高质量的NDI 3
全文共9509字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[12626]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
