设计了移动机器人双目视觉系统，研究了双目标定和立体校正。
关键词：双目视觉 移动机器人 跟踪技术
引 言
随着人工智能和传感技术的发展，许多智能机器人设备应运而生。移动机器人作为机器人的一个重要分支，由于其移动性、便捷性和灵活性，已被广泛应用于工业制造、军事、医疗、仓储和科学研究。移动机器人依靠其自主导航系统在不同场景下完成各种指定任务。自主导航主要分为三个阶段：机器人周围环境的检测、目标识别和定位、路径规划和优化。
1、双目视觉系统标定
1.1、单目相机标定
单目相机的校准主要是获取相机的內部和外部参数，相机的内部参数是相机的固有几何和光学特性，相机的外部参数描述相机在世界坐标系中的姿态。相机校准方法大致可分为传统校准、自校准和主动视觉校准。本文将使用张尤政的校准方法进行校准。张尤政的校准方法使用二维平面棋盘校准板进行校准。该方法校准过程相对简单，准确度高，基本满足一般研究和应用的要求，它在研究区得到了广泛的应用和发展。张的校准方法首先需要拍摄几块不同位置和姿势的校准板，并利用图像处理算法提取棋盘角点的信息。在不考虑摄像机畸变的情况下建立方程组，求解内外参数，然后引入畸变参数，用最大似然法进行非线性求解，得到畸变参数。重复迭代线性和非线性求解过程，直到所有参数收敛。
1.2、双目视觉立体校正
在摄像机的实际安装中，两个摄像机不能实现精确的共面和直线对齐，并且总是有一些误差。为了提高后续立体匹配中视差搜索的准确性和效率，图像平面必须完全对齐。重新投影左、右摄像机的图像平面，使图像平面落在同一平面上，并且左、右图像平面具有直线对齐的特性的过程称为立体校正。根据不同的立体校正方法，立体校正算法主要分为非校准和校准立体校正算法。非标定立体校正算法是一种典型的非校准立体校正算法。算法是一种典型的非校准立体校正算法。其主要思想是通过左右相机图像中的特征匹配来计算基本矩阵，并使用基本矩阵来完成立体校正过程。这种方法可以避免摄像机内外参数的校准，并且可以通过图像特征匹配简单地实现立体校正。然而，由于场景中缺少图像比例，三维重建将会存在非唯一性。但是立体校正算法是最典型的校准立体校正算法，它主要使用通过校准获得的两个相机之间的旋转和平移矩阵。
2、室内阴影环境下障碍物检测与测量方法研究
2.1、图像滤波预处理
由于相机本身的结构缺陷和传输过程中的外部干扰，获取的图像有一些噪声。为了减少这种噪声对后续处理算法的干扰，有必要将滤波算法应用于预处理。在常用的滤波算法中，线性滤波算法是均值滤波和高斯滤波，而非线性滤波算法是中值滤波和双边滤波。均值滤波的思想是用一定大小的窗口在原始图像中滑动，并将窗口区域中像素的平均值作为操作后的值。表达如下：
其中sxy代表以像素点（ x，y ）为中心的小窗口区域，g （ x，y ）代表窗口中心点（ x，y ）的滤波输出像素值，m和n分别代表窗口的长度和宽度，f （ x，y ）代表点（ x，y ）的像素值。高斯滤波类似于均值滤波，只是其子窗口中的值不是1，而是符合高斯分布函数的权重，原始图像和窗口中的权重被用作像素的滤波值。高斯滤波函数是：
其中δ代表标准偏差，δ越大，平滑度越高。中值滤波是对窗口中的像素值进行排序，并选择中值作为窗口附近中心点的像素值，以便有规律地遍历整个图像，从而获得中值滤波图像。表达如下：
高斯滤波只考虑周围像素的相似性，忽略了空间相邻信息。双边滤波同时将空间信息和灰度信息引入滤波模型，从而在去噪的同时最大限度地保留边缘。双边滤波与高斯滤波非常相似，除了添加高斯方差，这是基于图像空间信息的高斯滤波函数。
2.2、室内阴影消除算法研究
在移动机器人自主导航中，需要障碍物信息来避免碰撞。为了提取障碍物，图像分割理论上可以通过传统的方法进行，如阈值分割、边缘检测和区域生长。然而，由于机器人在室内地面行走时经常受到不均匀光照和地面阴影的影响，传统方法无法直接获得障碍物和地面区域。图1示出了使用具有不同高阈值和低阈值的canny算法对图像进行边缘提取的效果。图1a ）当使用更高的阈值进行边缘提取时，尽管地面阴影的轮廓减小，但是障碍物的边缘也变得不完整，这不利于障碍物的分割和提取。图1b ）当使用较低阈值进行边缘提取时，可以提取地面物体的更完整的轮廓，但是地面上的阴影更严重，并且其轮廓也被提取，这不利于后续的障碍物提取。在自然光照条件下，地面阴影通过边缘检测时会形成假边缘，因此无法完全提取出物体的一些真实边缘。因此，自然光照下的阴影是影响边缘提取稳定性和准确性的主要因素。为了达到准确提取障碍物的目的，对消除地面阴影进行了以下研究。
3、移动机器人动态目标跟踪实验
移动机器人动态目标跟踪系统的框架如图1所示，主要包括两部分：视觉系统和机器人控制系统。视觉系统负责目标跟踪和测量。跟踪算法是第四章提出的特征点辅助时空上下文跟踪算法。测量模块采用第三章提出的基于模板匹配的双目视觉测量方法。机器人控制系统利用视觉系统提供的目标三维坐标信息与跟踪期望距离值进行比较，形成相应的控制信号，控制移动机器人的运动，完成目标稳定跟踪任务。
结束语
随着移动机器人和计算机视觉技术的进步，移动机器人导航正朝着自主和智能方向发展。本文主要研究视觉系统下移动机器人室内自主导航系统存在的问题。
参考文献
[1] 李月华.基于无源信标的移动机器人室内定位技术研究[D].浙江大学，2018.
[2] 刘坤.基于视觉信息的室内移动机器人目标跟踪及路径规划[D].华南理工大学，2018.
[3] 刘业浩.基于双目视觉的室内移动机器人定位研究[D].广西师范大学，2017.