展望未来，机器视觉防爆机器人的发展

EOD机器人是可以远程操作的地面移动机器人. 它通常由机械手和可移动平台组成. 它主要用于清除可疑爆炸物品，以减少工作现场的人员伤亡. 警察使用的最先进的设备之一. 目前，美国Remotec公司的Andros系列排毒机器人和法国Cyber​​netics公司开发的TRS200中型排毒机器人在世界上非常流行. 解毒机器人的爆炸工作需要的爆炸人员进行操作. 引爆人员通过引爆机器人实时返回的实时图像进行引爆操作，对采集到的图像的实时性要求很高. 由于EOD机器人一直在运动，操作员很难连续调节摄像机角度来跟踪目标，因此武汉爱维开发了最新的计算机视觉技术来帮助摄像机实时跟踪目标，从而减少了操作员的操作难度.

首先，整体结构设计

完成爆轰机器人的工作需要机器人机械平台，硬件控制电路和PC侧主机的配合. 总体结构如图1所示.

整个平台由两个12V锂电池供电. 操作员在主机上发送动作命令，以控制排毒机器人行走或抓住目标. 无线摄像机收集的图像被传输到计算机上的主机，并通过视觉算法进行处理. 获取相机万向架的旋转量，从而调整相机图片集的角度，并实时跟踪目标.

第二，平台结构设计

防爆机器人平台的结构可分为机械手机构，行走机构和机构.

2.1. 机械手机构的设计

传统机械手由三部分组成: 底座，臂和爪. 每个关节均由电动机连接，电动机在电动机旋转时驱动手臂的运动. 这种设计有一个缺点. 如果主臂上的负载太大移动机器人目标，则机器人将无法抓住它. 因此，采用了新的设计，并且将线性运动电动推杆用作主臂的动力. 机械结构如图2所示.

2.2. 行走机构的设计

为使爆炸机器人到达放置的位置，它必须具有很强的地形适应性. 传统的轴距不足以适应复杂的地形，因此步行机制使用了具有较强适应性的履带式座椅.

2.3.3摄像机PTZ机制设计

防爆机器人通过摄像机收集图像，以便操作员可以直观地控制机器人的运动. 摄像机实时传输操作员所需的图像非常重要. 因此，有必要设计一种可以使相机灵活摆动以获取最佳图像的结构. 照相机固定在摆臂上，并且摆臂的底端固定在旋转基座上. 这种设计可以实现在x，y和z方向上的自由旋转，以捕获最佳图像.

三，硬件电路设计

在EOD机器人的基座上安装了两个直流减速电机，以实现全方位运动，两个电动推杆中的直流电机提供了机械臂的动力. 需要电动机驱动器来控制这些组件. EOD机器人的MCU使用基于Cortex-M3内核的STM32芯片. 该芯片的最高频率可以达到72 MHz，可以快速，及时地处理信息. 电机驱动器芯片采用L298N，最大负载为20W. 无线信息交换使用基于ZIGBEE技术的无线串口，传输距离大，能耗低. 该系统的总体结构如图3所示.

四种计算机视觉辅助控制策略

4.1.1 OpenCV简介

OpenCV由英特尔于1999年创立，现在得到Willow Garage的支持. OpenCV是根据BSD许可证（开源）发行的跨平台计算机视觉库，可以在Linux，Windows和Mac OS操作系统上运行. 它轻巧高效-它由一系列C函数和少量C ++类组成，同时为Python，Ruby，MATLAB等语言以及图像处理和计算机视觉中的许多常见算法提供了接口

OpenCV主要用于图像的某些高级处理，例如特征检测和跟踪，运动分析，目标分割和识别以及3D重建. 与其他可视工具相比，表1显示了OpenCV的优点.

4. 2种目标跟踪算法

目标跟踪是计算机视觉的重要分支. 该技术被广泛用于医疗，军事和教育领域. 达到目标的关键是完全分割目标，合理提取特征并准确识别目标. 同时，我们还必须考虑实现和确保实时性能的时间.

在此项目中采用GarryR. Bradski的CAMSHIFT（连续自适应均值偏移）算法. 该算法将颜色直方图作为目标模式下的目标跟踪算法，即使目标变形或部分被遮挡，操作效率也很高.

CAMSHIFT算法的简要流程:

1）初始化目标模型，候选区域和候选区域中心位置y0.

①计算目标区域的色相分量图的直方图，

cvCalcHist（＆hue，hist，0，mask）;

②初始化候选区域，y0是候选区域的中心坐标，

track-window =选择.

2）根据目标模型的直方图计算权重，然后将当前帧转换为反投影图像cvCalcBackProject（＆hue移动机器人目标，backproject，hist）;

cvAnd（backproject，mask，backproject，0）;

3）计算新的目标候选位置y0（均值漂移算法）.

①根据公式（2），计算新的目标位置y1;

②设d =“ y1-y0”，y0 = y1，设ε为误差阈值，N为最大迭代次数.

如果d <ε或k≥N，则迭代结束，并返回新的目标位置y0；否则，k = k + 1，跳至①.

图4是调试CAMSHIFT算法以识别目标的屏幕截图.

在应用CAMSHIFT算法之前，必须将的图像从RGB颜色空间转换为HSV颜色空间. 图5显示了CAMSHIFT算法的流程. 首先选择大小为S的爆炸图像作为初始搜索窗口，然后对该窗口中每个像素的H通道进行升采样以获得色调直方图；最终将直方图保存为搜索目标的颜色直方图模型. 在目标跟踪过程中，通过查询相机采集的图像的每个像素的目标颜色直方图，获得该像素为目标像素的概率. 经过上述预处理，将视频的每一帧转换为目标颜色概率分布图，该图也成为目标颜色投影图.

4. 3相机的后续设计

当照相机收集目标时，操作员会圈出目标所在的区域，作为初始搜索窗口. 通过CAMSHIFT算法，可以得到目标在摄像机捕获的图像窗口中的位置，从而计算出目标所在区域与图像窗口的中心点的偏移量Δx，Δy. 由此产生的偏移量将转换为摄像机平移/倾斜的旋转量，以便平移/倾斜跟随目标对象，从而可以将目标对象保持在摄像机获取窗口的中心.

在调试过程中出现了不及时跟进的现象，并且已经证明主控芯片的多任务操作性能很差. 决定采用双主控芯片解决方案，由一个单独的芯片负责的后续动作，并且测试证明后续性能得到了显着改善. 图6是摄像机跟踪的流程图.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-247507-1.html