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。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，近年來有很多學者設計出了多種系統(tǒng)結構。文[1]中作者設計了一種基于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)通過網絡與運動控制系統(tǒng)通訊[2]。一臺計算機難以滿足視覺跟蹤的實時性要求，為了實現實時跟蹤，本文提出并實現了一種基于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。 　　目標分割的穩(wěn)定性是機器人視覺跟蹤系統(tǒng)的重要要求之一，近幾年來很多學者對這個領域進行了研究，大多數的機器人目標跟蹤系統(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]。然而在復雜的非結構化的室內背景下，單一的圖像信息不能保證系統(tǒng)穩(wěn)定的分割出目標。多種圖像信息的融合是解決目標物體識別穩(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區(qū)域的快速目標分割方法 　　1 系統(tǒng)結構 　　仿人機器人BHR1的系統(tǒng)結構如圖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動，即左右轉動和上下轉動。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]。 [align=center] 圖1 仿人型機器人（BHR1）跟蹤系統(tǒng)的系統(tǒng)結構[/align] 　　兩臺計算機置于機器人的胸腔內，其中一臺計算機負責視覺信息的處理，另外一臺負責機器人的運動控制。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，實現目標的快速分割以及物體的運動估計和預測。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。除了頭部運動關節(jié)，運動控制系統(tǒng)負責仿人機器人全部關節(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——發(fā)現目標——匹配——狀態(tài)估計和預測——運動控制。不同的匹配方法應用產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。研究中采用經典的卡爾曼濾波器進行運動目標的狀態(tài)估計和預測。 　　2 基于多圖像信息的目標分割方法 　　視覺信息處理子系統(tǒng)完成目標物體的快速分割，同時估計和預測目標物體的運動信息，把目標物體的位置信息實時地傳遞給運動控制子系統(tǒng)。目標識別的穩(wěn)定性對整個跟蹤系統(tǒng)的穩(wěn)定性起著至關重要的作用。 　　在復雜背景的非結構化的室內環(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的分割方法中，所選取的信息應該具有互補性。物體的顏色是物體最顯著的特征，適合用于目標的跟蹤。但是當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�；赗HT（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，進而把目標候選區(qū)域中相同顏色的物體區(qū)別開來。 [align=center] 圖2 視頻序列中運動目標分割過程[/align] 　　本文利用仿人機器人的立體視覺系統(tǒng)，設計了融合深度，顏色，形狀信息的逐步逼近目標區(qū)域的快速跟蹤方法。圖2為視頻序列中運動目標的分割過程。首先利用深度信息把機器人關心的前景區(qū)域分割出來，得到ROF（Region of Foregroud）區(qū)域，即粗略的目標候選區(qū)域。在ROF中使用顏色濾波器分割，得到ROIC（Region of Interest Color）區(qū)域。最后形狀檢測器可以把相同顏色的物體區(qū)別開來。在分割過程中，候選目標區(qū)域逐步縮小并逼近目標區(qū)域。逐步縮小的候選目標區(qū)域減少了計算量，提高了系統(tǒng)的運算速度。同時，該方法有效的避免了場景中相同顏色物體的干擾，提高了目標分割的穩(wěn)定性。圖3顯示了目標物體的分割結果。 [align=center] 圖3 復雜場景中目標物體的分割結[/align]‘ [b]3 運動控制子系統(tǒng) 3.1運動控制系統(tǒng)的結構 [/b] 　　機器人的運動控制子系統(tǒng)是一個典型的計算機控制系統(tǒng)。機器人頭部的控制目的是為了機器人的頭部能夠實時跟蹤運動目標，因此實際控制信號輸入量是根據目標物體的位置信息求得的規(guī)劃數據。在反饋信號的輸入方面，因為被控對象是電機轉動的角度，用電機上面的軸角編碼器的輸出作為反饋信號。 　　系統(tǒng)使用了一套多功能接口板，將所有的A/D轉換、D/A轉換、ENC（encoder）、PWM、IO等多種功能都集成在該接口板上，提高了系統(tǒng)的集成性并減小了系統(tǒng)體積和重量。多功能接口板上上的ENC接口來作為反饋信號的輸入通道，它可以測量軸角編碼器的脈沖輸出個數。每個運動關節(jié)采用經典的PD伺服控制。 　　3.2運動控制系統(tǒng)的軟件結構 　　運動控制子系統(tǒng)采用了RT-Linux（Real Time Linux）實時操作系統(tǒng)，其軟件結構如圖4所示，主要包括兩個模塊：主程序模塊、實時任務模塊，主程序模塊是linux應用程序，實時任務模塊是RTlinux下的實時進程。兩個模塊也是兩個進程，通過管道（FIFO）進行通訊等。 [align=center] 圖4 BHR1運動控制系統(tǒng)的軟件結構[/align] 　　實時任務主模塊包括兩部分：周期性執(zhí)行的實時控制循環(huán)（即實時線程）和實時任務觸發(fā)器。實時線程的周期性執(zhí)行是由一個循環(huán)實現的。該循環(huán)主要完成兩大功能：機器人運動控制、與各電機相連的軸角編碼器的信息采集。實時任務周期為3毫秒。實時任務周期是根據D/A通道處理時間和碼盤計數器讀取時間，以及傳感器信息獲取時間確定。 　　主程序模塊與一般的Linux應用程序沒有區(qū)別，它主要有以下幾個功能：與信息處理系統(tǒng)通訊;向實時任務傳送控制參數;實現人機交互，即將從實時任務傳過來的電機轉動數據和傳感器數據輸出到監(jiān)視器上，同時將通過鍵盤輸入的控制信號，實際上主程序模塊主要實現控制臺的作用，可以稱之為控制臺程序。 　　3.3運動控制過程 　　跟蹤系統(tǒng)的控制目標是:根據圖像處理獲取的目標質心在圖像平面中的位置,實時調整機器人頭部的2個電機轉動角度,將目標置于圖像平面的中央位置。運動控制系統(tǒng)中一個控制循環(huán)大約需要3毫秒的時間。在信息處理系統(tǒng)中，處理一幀圖像平均需要100毫秒左右的時間。由此可見，視覺處理的周期要遠遠大于運動控制的周期。因此在一個視覺處理周期之后，系統(tǒng)應該做好下一個視覺處理周期之內的運動規(guī)劃，也就是做好后面多個控制周期之內的運動規(guī)劃，這樣才能保證機器人的頭部以均勻、平緩，同時又是準確的速度來跟蹤目標。 　　4 實驗 　　在仿人機器人BHR1中，信息處理計算機的CPU為PⅣ2.4GHz,內存為512MB，運動控制計算機的CPU為PIII700MHz,內存為256MB。SVS系統(tǒng)的采集速度為15幀每秒，采集圖像的大小為320×240像素。Memolink采用PCI接口，最大傳輸速率為1M bytes/s或1M words/s。 　　4.1 復雜背景下運動目標的跟蹤。 　　在運動物體跟蹤實驗中，紅色小球作為目標在機器人的視野中做單擺運動。為了驗證基于多圖像信息的目標識別算法，背景中放置了紅色的方塊和一個綠色的小球。實驗結果如圖5所示，第一行圖像是實驗場景，第二行圖像是左攝像頭的視頻序列，結果表明彩色目標運動速度小于0.3m/s時，機器人頭部仍可以很好地跟蹤目標的運動，并使其始終位于左側攝像機所采集到圖像的中央位置。在復雜的非結構環(huán)境的室內背景下，利用單一的圖像信息，系統(tǒng)很可能會跟蹤失敗。相同背景下，單一的顏色信息不能將紅色的小球和背景中的紅色方塊區(qū)分開來。 [align=center] 圖 5 復雜背景下彩色目標跟蹤實驗[/align] 　　圖6顯示了紅色小球運動狀態(tài)時的跟蹤過程，圖中的數據為實際數據的1/10抽樣�？梢钥闯�，在X軸方向上，目標質心坐標到圖像中心的偏差在±30個像素以內，在y軸方向上，目標質心坐標到圖像中心的偏差在±20個像素內。實驗說明在物體的運動過程中，跟蹤系統(tǒng)能夠實時跟蹤物體并將物體的質心保持在左眼攝像機的中心。 [align=center] 圖6 目標在X、Y方向上的跟蹤誤差（像素）[/align] 　　5 結論 　　本文提出了基于Memolink通訊的雙計算機的仿人機器人的視覺跟蹤系統(tǒng)，系統(tǒng)能夠滿足仿人機器人實時視覺跟蹤的性能要求。 　　在未知的復雜環(huán)境中，基于深度、顏色和模版匹配的多圖像信息融合方案確保機器人穩(wěn)定的從視頻序列中分割出運動目標。 　　本文作者的創(chuàng)新點 　　本文提出并實現了一種基于MemoLink通訊的雙計算機的視覺跟蹤系統(tǒng)， 一臺計算機負責視頻信息的處理，另一臺計算機負責機器人頭部的運動控制，實現了仿人機器人頭部對運動目標的實時跟蹤。本文提出了一種集成深度、顏色和形狀信息的逐步逼近目標區(qū)域的快速目標分割方法，實現了復雜背景下目標物體的穩(wěn)定分割。