1 引言
    移動(dòng)機(jī)器人是機(jī)器人學(xué)一個(gè)重要分支，且隨著相關(guān)技術(shù)的迅速發(fā)展，它正向著智能化和多樣化方向發(fā)展，應(yīng)用廣泛，幾乎滲透所有領(lǐng)域。于春和采用激光雷達(dá)的方式檢測(cè)道路邊界，效果較好，但干擾信號(hào)很強(qiáng)時(shí)，就會(huì)影響檢測(cè)效果。付夢(mèng)印等提出以踢腳線為參考目標(biāo)的導(dǎo)航方法，可提高視覺導(dǎo)航的實(shí)時(shí)性。
    這里采用視覺導(dǎo)航方式，機(jī)器人在基于結(jié)構(gòu)化道路的環(huán)境下實(shí)現(xiàn)道路跟蹤，目標(biāo)點(diǎn)的停靠，以及導(dǎo)游解說，并取得較好的效果。

2 導(dǎo)覽機(jī)器人簡(jiǎn)介
    導(dǎo)覽機(jī)器人用在大型展覽館、博物館或其他會(huì)展中心，引導(dǎo)參訪者沿著固定路線參訪，向參訪者解說以及進(jìn)行簡(jiǎn)單對(duì)話。因此導(dǎo)覽機(jī)器人必須具有自主導(dǎo)航、路徑規(guī)劃、智能避障、目標(biāo)點(diǎn)的?？颗c定位、語音解說以及能與參訪者進(jìn)行簡(jiǎn)單對(duì)話等功能，并具有對(duì)外界環(huán)境快速反應(yīng)和自適應(yīng)能力。基于層次結(jié)構(gòu)，導(dǎo)覽機(jī)器人可分為：人工智能層、控制協(xié)調(diào)層和運(yùn)動(dòng)執(zhí)行層。其中人工智能層主要利用CCD攝像頭規(guī)劃和自主導(dǎo)航機(jī)器人的路徑，控制層協(xié)調(diào)完成多傳感信息的融合，而運(yùn)動(dòng)執(zhí)行層完成機(jī)器人行走。圖1為智能導(dǎo)覽機(jī)器人的總體結(jié)構(gòu)框圖。

3 導(dǎo)覽機(jī)器人硬件設(shè)計(jì)
3．1 人工智能層硬件實(shí)現(xiàn)
    考慮到移動(dòng)機(jī)器人控制系統(tǒng)要求處理速度快、方便外圍設(shè)備擴(kuò)展、體積和質(zhì)量小等要求，因此上位機(jī)選用PC104系統(tǒng)，其軟件用C語言編程。采用USB攝像頭，采集機(jī)器人前方的視覺信息，為機(jī)器人視覺導(dǎo)航，路徑規(guī)劃提供依據(jù)。外設(shè)麥克和揚(yáng)聲器，當(dāng)機(jī)器人到達(dá)目標(biāo)點(diǎn)后，進(jìn)行導(dǎo)覽解說。
3．1．1 控制協(xié)調(diào)層的硬件實(shí)現(xiàn)
    機(jī)器人傳感器的選取應(yīng)取決于機(jī)器人的工作需要和應(yīng)用特點(diǎn)。這里選用超聲波傳感器、紅外傳感器、電子羅盤及陀螺儀，采集機(jī)器人周圍環(huán)境信息，為機(jī)器人避障、路徑規(guī)劃提供幫助。利用ARM處理平臺(tái)，通過RS－485總線驅(qū)動(dòng)電機(jī)，驅(qū)動(dòng)機(jī)器人行走。
    導(dǎo)覽機(jī)器人要求傳感器精度稍高，重復(fù)性好，抗干擾能力強(qiáng)，穩(wěn)定性和可靠性高。機(jī)器人在行進(jìn)過程中必須能夠準(zhǔn)確獲得其位置信息，數(shù)字羅盤可靠輸出航向角，陀螺儀測(cè)量偏移并進(jìn)行必要修正，以保證機(jī)器人行走的方向不偏離。采用超聲波傳感器和紅外傳感器相結(jié)合的方法獲取前方障礙物信息。該系統(tǒng)設(shè)計(jì)選用6個(gè)超聲波傳感器和6個(gè)紅外傳感器。其中，正前方和正后方各1個(gè)，其余4個(gè)超聲波傳感器分別位于正前方和正后方的兩邊，夾角為45°，紅外傳感器分別安裝在超聲波傳感器的正上方1～2 cm處。超聲波傳感器主要通過測(cè)距實(shí)現(xiàn)避障，而紅外傳感器主要是用于補(bǔ)償超聲波傳感器的盲區(qū)，判斷近距離是否有障礙物。
3．1．2 運(yùn)動(dòng)執(zhí)行層的硬件實(shí)現(xiàn)
    該智能導(dǎo)覽機(jī)器人的執(zhí)行機(jī)構(gòu)采用直流伺服電機(jī)。這里選用三洋電機(jī)Super＿L (24 V／3．7 A)額定輸出功率為60 W，最大空載轉(zhuǎn)速為3 000 r／rain，并帶500線的光學(xué)碼盤，使機(jī)器人完成相應(yīng)動(dòng)作。導(dǎo)覽機(jī)器人采用閉環(huán)控制，通過光學(xué)碼盤測(cè)量車輪速度的實(shí)際值并反饋給微控制器?；趯?shí)際轉(zhuǎn)速與給定轉(zhuǎn)速的差值，驅(qū)動(dòng)器按一定的計(jì)算方法(如PID算法)調(diào)整相應(yīng)電壓，如此反復(fù)，直到達(dá)到給定轉(zhuǎn)速。機(jī)器人調(diào)速采用FAULHABER公司的 MCDC2805實(shí)現(xiàn)。它能實(shí)現(xiàn)速度同步性能，同時(shí)轉(zhuǎn)矩波動(dòng)最小，內(nèi)置PI調(diào)節(jié)器能準(zhǔn)確到達(dá)指定位置。當(dāng)配備Super_L電機(jī)及集成編碼器時(shí)，即使在轉(zhuǎn)速非常低的情況下，也能達(dá)到0．180的定位控制精度。
3．2 導(dǎo)覽機(jī)器人軟件設(shè)計(jì)
    通過USB攝像頭或其他攝像頭采集導(dǎo)覽機(jī)器人前方的視覺信息，通過圖像處理算法處理視頻，使機(jī)器人能夠進(jìn)行路徑規(guī)劃和自主導(dǎo)航。通過接收下層的多傳感融合信息，能夠?qū)崿F(xiàn)近距離的避障，因此在遇到障礙物時(shí)進(jìn)行報(bào)警。到達(dá)目標(biāo)點(diǎn)后，能夠語音解說，解說完后能與參訪者進(jìn)行簡(jiǎn)單對(duì)話。

4 視覺導(dǎo)航
    視覺導(dǎo)航是移動(dòng)機(jī)器人一種導(dǎo)航方式，并且基本視覺導(dǎo)航的研究是未來移動(dòng)機(jī)器人導(dǎo)航的主要發(fā)展方向之一。該視覺子系統(tǒng)在整個(gè)系統(tǒng)中的作用是將攝像頭采集周圍環(huán)境的視覺信息進(jìn)行圖像理解，并根據(jù)圖像處理算法控制機(jī)器人運(yùn)動(dòng)。所謂“圖像理解”就是通過處理圖像數(shù)據(jù)來獲得對(duì)圖像所反映的場(chǎng)景的理解，包括圖像中含有哪些物體以及它們?cè)趫D像中的位置。罔像中蘊(yùn)含豐富信息，只需從中提取出有用信息即可。因此，罔像理解算法往往是根據(jù)具體目的而制定的，有一定的適用條件和局限性。
4．1 圖像預(yù)處理
    原始圖像為L(zhǎng)ogiteeh攝像頭采集的一幅室內(nèi)用藍(lán)色標(biāo)簽制作的結(jié)構(gòu)化道路圖片，像素大小為320x240，首先將原始圖像進(jìn)行灰度變換，并通過選取合適的閾值進(jìn)行二值化處理。然后提取罔像有用信息，通過形態(tài)學(xué)的膨脹腐蝕等操作提取前進(jìn)方向。如圖2所示。

    圖3為常見的邊緣算子檢測(cè)效果比較。從圖3中可看出Canny和Sobel算子檢測(cè)效果相對(duì)好些，其中Sobel算子對(duì)噪聲具有平滑作用，能提供較為精確的邊緣方向信息。這里采用Sobel算子進(jìn)行檢測(cè)，如圖4所示。

    根據(jù)圖4，系統(tǒng)通過hough變換檢測(cè)兩條直線的位置，測(cè)出圖像的兩條邊緣線離兩端的像素大小，再根據(jù)實(shí)際地面距離進(jìn)行標(biāo)定，便可獲知機(jī)器人所在位置。
4．2 模板匹配算法
    模板匹配技術(shù)是圖像目標(biāo)識(shí)別技術(shù)中一個(gè)重要的研究方向，具有算法簡(jiǎn)單、計(jì)算量小以及識(shí)別率高等特點(diǎn)，目前在目標(biāo)識(shí)別領(lǐng)域得到廣泛應(yīng)用。它是用一個(gè)較小的圖像，將模板與源圖像相比較，確定在源圖像中是否存在與該模板相同或相似的區(qū)域，若該區(qū)域存在，可確定其位置并提取該區(qū)域。它常采用模板與源圖像對(duì)應(yīng)區(qū)域的誤差平方和作為測(cè)度。
    設(shè)f(x，y)為MxN的源圖像，g(s，t)為SxT(s≤M，T≤N)的模板圖像，則誤差平方和測(cè)度定義為：

   當(dāng)A為常數(shù)時(shí)，則可用2B相匹配，當(dāng)D(x，y)取得最大值時(shí)，便認(rèn)為模板與圖像相匹配。通常假設(shè)A為常數(shù)時(shí)會(huì)產(chǎn)生誤差。嚴(yán)重時(shí)將無法正確匹配，因此可用歸一化互相關(guān)作為誤差平方和測(cè)度，定義為：

  
4．3 模板匹配改進(jìn)算法
    但是按模板匹配算法求匹配計(jì)算工作量非常大，考慮到相關(guān)是卷積的一種特定形式以及 Matlab計(jì)算功能的強(qiáng)大，采用FFT方法，在頻域中計(jì)算后再進(jìn)行逆變換即可求出。圖像和定位模板圖像旋轉(zhuǎn)180°的傅里葉變換后作點(diǎn)乘運(yùn)算，再求其逆 FFT變換并返回空間域值也就相當(dāng)于相關(guān)運(yùn)算。在求取空間域值的最大值后，再根據(jù)最大值選取合適的閾值，便可確定目標(biāo)點(diǎn)的位置。實(shí)驗(yàn)中在模板匹配成功后，可將目標(biāo)和背景顏色二值化，并用紅色“十”字符號(hào)標(biāo)記，不斷更新數(shù)據(jù)信息。將停靠點(diǎn)設(shè)定在自己期望的像素位置(如圖像的中心位置偏下)，然后自動(dòng)調(diào)整機(jī)器人位置，設(shè)計(jì)成如圖5形式，可知機(jī)器人需要向右行駛。

圖6為視覺導(dǎo)航算法流程。

5 實(shí)驗(yàn)結(jié)果與結(jié)論
    基于以上設(shè)計(jì)，對(duì)進(jìn)行機(jī)器人運(yùn)動(dòng)控制和路徑規(guī)劃進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)分別采用Matlab語言進(jìn)行圖像仿真，能夠自動(dòng)選擇合適的閾值分割，并得到較好的邊緣檢測(cè)，然而在實(shí)驗(yàn)中有時(shí)會(huì)因?yàn)楣庹諒?qiáng)度或其他因素影響，在進(jìn)行閾值分割時(shí)不能達(dá)到理想效果，在 VC環(huán)境下能夠控制機(jī)器人運(yùn)動(dòng)，模板匹配取得較好效果，后續(xù)將著重在Visual C++6．0環(huán)境進(jìn)行圖像處理方法研究。這樣可以更好控制機(jī)器人運(yùn)動(dòng)?？傊?，該系統(tǒng)設(shè)計(jì)可使機(jī)器人能夠在復(fù)雜多變的環(huán)境下準(zhǔn)確識(shí)別圖像信息，并做出正確決策，完成所需動(dòng)作，從而實(shí)現(xiàn)既定目標(biāo)。