移动机器人视觉定位控制研究(2)
上世纪中期以来，随着第三次工业革命的产生和工业生产的需要，代替人类完成各种工作如机械加工、喷涂、焊接、装配和检测的工业机器迅速出现并投入使用，提高工厂的生产效率的同时保障了产品的质量。由于处于固定位置的机器人不能够满足人类各方面的生产需求，因此到了二十世纪后期，有关移动机器人的技术得到了深入的研究和不断的发展，并且取得很好的成果。不管是应用于太空的优尔轮采样车和月球车，抑或是应用于战场的各种侦察车和用于巡逻或运输的机器人，包括最新研制的餐厅服务机器人和检测清洗管道机器人，都充分显示出移动机器人的智能化有着多样的用途和广阔的发展前景[3]。
随着移动机器人技术的快速发展， 在未知的环境中实现自主定位是移动机器人的重要目标，自主定位问题也一直是机器人研究的热点问题。在未知的环境下，机器人快速实现自我定位和获取周围环境信息的能力仍然有所欠缺。基于激光、声呐等传感器等获取外部环境信息的方法，可以得到的信息量较小， 探测环境信息的时间较长，对环境条件的要求较高，并不适用于复杂的环境；而视觉传感器系统则表现出了很大的优势：如获得信息量大，性价比高等，随着图像处理技术的不断提高，表明利用视觉传感器自主定位移动机器人具有广阔的发展前景和很大的使用价值。
1.2 视觉定位控制的研究概况
1.3 本文主要研究内容及方法
四轮差速转动移动机器人运动学模型简单，本文采用常规方法对其运动学建模，通过实时控制其左侧两轮的转速和右侧两轮的转速来实现其自主定位运动。
视觉定位技术我采用了Microsoft XBOX360 Kinect 视觉传感器，定位需要得到的信息主要是移动机器人和标志物之间的坐标关系和移动机器人相对标志物的位姿。由于一个点无法确定标志物平面信息，这样就无法保证机器人以固定的位姿停下来，因此我采用至少两个点的标志物。在研究过程中，我使用两种方法来测算移动机器人与标志物之间的位姿坐标关系，第一种方法是使用两种颜色的方形标志物，通过Kinect读取颜色像素信息，两种颜色在图像中所占像素个数比例代表了机器人与标志物偏移角度，而两种颜色在图像中像素总和则反映了移动机器人与标志物之间的距离。第二种方法是基于图像的视觉伺服（image-based visual servoing,IBVS）的方法[15]，此方法的原理是根据摄像机坐标系到图像坐标系的转换关系确定的，通过设计控制器，使机器人在运动过程中摄像机图像中的标志物逐步逼近标定位置。
1.4 论文的章节安排
第二章是对四轮差速转动移动机器人平台及机器人操作系统（robot operating system，ROS）的介绍。机器人操作系统通过节点（Nodes）通信，可扩展性好，信号稳定，适合轮式移动机器人、四旋翼机器人以及仿生机器人等各种机器人的控制，开源的系统、各种各样的工具包都提供给了开发者极大的便利。
第三章介绍了移动机器人视觉定位的方法。首先我们用了Kinect视觉传感器，本文对Kinect传感器的成像特征以及RGB图和深度图像的成像原理做了介绍。接下来是摄像机透视投影模型，这是摄像机最基础也是最重要的一个模型，包含了摄像机坐标系、图像坐标系和世界坐标系的转换关系，也包含了小孔成像原理，这对于视觉伺服里雅克比矩阵的推导有着重要的意义。本章节还包括我实现视觉定位的两种方法。
第四章介绍移动机器人定位控制的相关问题，主要从两方面展开：一是移动机器人的运动学建模，二是移动机器人定位控制的方法。移动机器人视觉定位和定位控制的区别就是视觉定位确定了机器人和标志物之间的位姿坐标关系，而定位控制是使得移动机器人按照上述关系以固定位姿运动到相应位置。定位控制的好坏决定了移动机器人是否可以平滑的快速稳定的按照要求运动。