基于視覺伺服的目標(biāo)跟蹤控制系統(tǒng)設(shè)計

張東波1，2 劉長青1，2 郭洪紅1，2 李明海1，2

(1 北京市智能機械創(chuàng)新設(shè)計服務(wù)工程技術(shù)研究中心，北京，100020；2 北京聯(lián)合大學(xué)機電學(xué)院，北京，100020)

摘 要：本文以舵機驅(qū)動的兩自由度轉(zhuǎn)動云臺為控制對象，以51系列的單片機為云臺控制器，采用計算機為圖像處理器，設(shè)計實現(xiàn)了一個基于視覺伺服的目標(biāo)跟蹤控制系統(tǒng)，并基于VS2008和OpenCV開發(fā)設(shè)計了軟件平臺，以顏色特征設(shè)計圖像處理算法實現(xiàn)對目標(biāo)物的實時檢測，以目標(biāo)物的成像中心為視覺伺服控制特征，開發(fā)設(shè)計了實時通信數(shù)據(jù)傳輸策略，實現(xiàn)了基于視覺伺服的目標(biāo)跟蹤控制。

關(guān)鍵詞：機器人，視覺伺服，目標(biāo)跟蹤，自動控制，單片機

0 引言

鎖定跟蹤目標(biāo)物是自主機器人控制、導(dǎo)彈導(dǎo)航、智能監(jiān)控等研究中的重要內(nèi)容之一，機器視覺技術(shù)作為潛在的、低故障、低風(fēng)險、非接觸式的檢測技術(shù)有著廣泛的應(yīng)用前景。視覺伺服控制是采用視覺傳感器來直接或者間接檢測機器人當(dāng)前位姿或者其關(guān)于目標(biāo)體的相對位姿，然后對機器人進行定位控制或者軌跡跟蹤，即將機器視覺應(yīng)用于反饋環(huán)對機器人進行控制，采用視覺伺服控制可以充分發(fā)揮機器視覺的優(yōu)勢，與基于傳統(tǒng)傳感器的機器人控制相比，視覺伺服控制系統(tǒng)具有更高的靈活性和智能性，本文基于舵機驅(qū)動的兩自由度轉(zhuǎn)動云臺，采用視覺伺服控制的方法實現(xiàn)了對特定顏色目標(biāo)的實時跟蹤控制。

1 整體結(jié)構(gòu)設(shè)計

1.1 系統(tǒng)整體結(jié)構(gòu)組成

視覺伺服目標(biāo)跟蹤控制系統(tǒng)采用PC機為圖像處理器，采用單片機為兩自由度平臺機構(gòu)的運動控制器，圖像處理器和運動控制器之間采用串口通信，系統(tǒng)組成示意圖如圖1所示。

圖1 系統(tǒng)組成示意圖

1.2 兩自由度云臺

兩自由度的運動平臺是基于視覺伺服的目標(biāo)跟蹤控制的機械基礎(chǔ)，為實現(xiàn)對目標(biāo)物大運動范圍的實時跟蹤，本文采用了兩個旋轉(zhuǎn)自由度，為便于試驗測試，在旋轉(zhuǎn)轉(zhuǎn)軸部分設(shè)計安裝了能夠讀取旋轉(zhuǎn)角度的刻度盤。

兩自由度平臺的旋轉(zhuǎn)運動采用舵機進行驅(qū)動，基于舵機的控制特性，根據(jù)對舵機轉(zhuǎn)角的控制信號能夠獲得舵機位置信號，基于舵機的兩自由度云臺驅(qū)動能夠簡化系統(tǒng)的機械結(jié)構(gòu)，控制方案也比較簡單。舵機驅(qū)動的兩自由度云臺的結(jié)構(gòu)組成如圖2所示，兩自由度云臺采用舵機直接驅(qū)動的方式進行連接，連接時采用軸承實現(xiàn)承重，以減小運動阻力、提高系統(tǒng)性能。舵機選擇的是7.2V的大功率舵機，具有較好的運動效果和驅(qū)動能力。

圖2 基于舵機的兩自由度云臺

2 控制系統(tǒng)設(shè)計

2.1 控制器選型及電氣原理圖

本文云臺控制器主要實現(xiàn)的是舵機的運動控制功能，圖像處理任務(wù)由圖像處理器來完成，然后通過串口的方式將控制任務(wù)傳遞給云臺控制器。因此，51系列的單片機最小系統(tǒng)開發(fā)板作為控制器就能夠滿足控制任務(wù)的需要。本文中，兩自由度運動平臺的單片機控制器的型號為STC89C52RC，單片機的供電電壓為5V，端口輸出信號能夠用于舵機的驅(qū)動控制。

控制器的接線如圖3所示。其中，P3.0和P3.1連接到PC機上，利用串行通信的方式進行數(shù)據(jù)交互；P1口接有8個LED發(fā)光二極管，用于調(diào)試和指示，指示燈用來指示系統(tǒng)的運行狀態(tài)，在調(diào)試過程中可以憑借觀察指示燈的狀態(tài)來觀察控制效果，方便調(diào)試；按鍵用于手動控制云臺的運動，每按一下按鍵，舵機將會轉(zhuǎn)動一個角度。

圖3 云臺單片機控制器電氣原理圖

2.2 舵機控制設(shè)計

一般舵機的控制方式是采用20ms的脈寬調(diào)制信號實現(xiàn)，高電平的持續(xù)時間從0.5ms到2.5ms變化時，舵機的轉(zhuǎn)角從0°到最大轉(zhuǎn)角（本文選擇的舵機的最大轉(zhuǎn)角270°）變化，通過控制輸出脈沖的高電平的持續(xù)時間就可以精確控制舵機的轉(zhuǎn)角?？刂贫鏅C轉(zhuǎn)角的關(guān)鍵是控制脈沖信號的高電平的持續(xù)時間，脈沖信號的周期對舵機轉(zhuǎn)角控制的影響不是很大。

單片機常用的控制時間的方式有兩種，一種是通過定時器中斷的方式進行，另一種是通過軟件延時的方式。本文采用的是51系列的單片機STC89C52RC，該單片機共有3個定時器，其中串口通信需要一個定時器，舵機控制實現(xiàn)定時的時間精度和穩(wěn)定性要求比較高，采用定時器0和定時器1分別控制上下轉(zhuǎn)動舵機的高電平持續(xù)時間，采用軟件延時的方式實現(xiàn)低電平的控制。通過對定時器的使能開啟定時器，在定時器中斷處理中將使能位置0關(guān)閉定時器，從而實現(xiàn)對舵機控制高電平的持續(xù)時間的控制；改變定時器的定時時間可控制高電平持續(xù)時間；軟件延時下，低電平階段的處理包括計算機的通信、循環(huán)延時、顯示、讀取按鍵等操作，控制時序圖如圖4所示。

圖4 舵機控制時序示意圖

2.3 目標(biāo)物視覺伺服特征提取和控制策略設(shè)計

本文用攝像頭來檢測提取目標(biāo)物，圖像采集設(shè)備選用的是價格低廉、市場上常用的USB2.0接口的網(wǎng)絡(luò)攝像頭藍色妖姬M2200（圖5）。該攝像頭傳感器采用的是1/5英寸CMOS感光片OV7740，動態(tài)分辨率640×480，最大幀頻30幀，具有自動白平衡、自動曝光功能，五玻鏡頭，手動對焦。該設(shè)備具有RGB格式的圖像輸出。RGB顏色空間三個通道的信息與像素亮度相關(guān)，當(dāng)光照變化時，顏色分割提取的最佳閾值也會發(fā)生變化。該設(shè)備通過三個通道值間的相互計算，在突顯需要的顏色特征的同時，還能夠有效避免光照變化的影響，得到國內(nèi)外研究人員青睞。通過試驗對比分析，筆者確定采用通道間的相互計算實現(xiàn)增強目標(biāo)信息的效果，然后采用閾值分割法分割提取出目標(biāo)物，對于綠色目標(biāo)物采用超綠算法（2G-R-B），對于紅色目標(biāo)物采用超紅算法（2R-G-B）。

閾值分割方法的數(shù)學(xué)描述如式1所示，式中f(x,y)是圖像設(shè)備采集到的圖像數(shù)據(jù)，g(x,y)是通過閾值T分割后的二值化圖像數(shù)據(jù)。

以綠色物體為對象提取，提取得到的結(jié)果如圖5所示，圖中展示的是綠色信息提取的結(jié)果，所開發(fā)的軟件界面能夠?qū)崿F(xiàn)對綠色目標(biāo)物的鎖定和跟蹤，同時反饋云臺的控制信息，以及計算目標(biāo)物所處的空間位置。這里只介紹該系統(tǒng)對綠色目標(biāo)物的實時跟蹤功能，對于其他顏色或者特定特征的目標(biāo)物的跟蹤，可以通過修改圖像處理算法實現(xiàn)。

圖5 目標(biāo)提取測試

提取出目標(biāo)以后，計算獲得目標(biāo)物的中心點坐標(biāo)，以中心點的坐標(biāo)為視覺伺服特征，以目標(biāo)中心點和圖像中心位置重合為視覺伺服控制目標(biāo)，依據(jù)視覺伺服控制差值控制兩自由度云臺進行運動，實現(xiàn)目標(biāo)物圖像處于圖像中間的控制。視覺伺服控制策略流程如圖6所示。

圖6 視覺伺服控制策略流程

2.4 通信方案設(shè)計

本文中圖像處理用計算機完成，兩自由度云臺采用單片機控制器，計算機與單片機之間采用串口通信的方式實現(xiàn)信息的交互。為了保證實時性，以及控制數(shù)據(jù)的可靠性和穩(wěn)定性，本文設(shè)計提出了如圖7所示的通信策略；將8位字節(jié)分為兩個部分，一個部分為選擇舵機及其控制方式，另一個部分為舵機的控制數(shù)據(jù)?？刂浦噶钤趫D像處理器中進行編碼，編碼時實現(xiàn)控制指令的賦值，在單片機程序設(shè)計中實現(xiàn)對控制指令的解碼，然后確定選擇的舵機，最后將控制指令傳遞給所要控制的舵機上。

圖7 計算機和單片機的通信策略

3 結(jié)論

以綠色和紅色球為目標(biāo)物對上述系統(tǒng)進行跟蹤測試（圖8），測試結(jié)果顯示，系統(tǒng)能夠很好地對特定目標(biāo)物進行實時跟蹤。該設(shè)計方法在智能監(jiān)測、機器人導(dǎo)航、目標(biāo)跟蹤等領(lǐng)域具有應(yīng)用前景。

圖8 系統(tǒng)整體跟蹤性能測試

參考文獻：

[1] 賈丙西，劉山，張凱祥，等. 機器人視覺伺服研究進展∶ 視覺系統(tǒng)與控制策略[J]. 自動化學(xué)報，2015，41（5）：861-873.

[2] Liu Y H， Wang H S， Chen W D，et al. Adaptive Visual Servoing Using Common Image Features with Unknown Geometric Parameters[J]. Automatica，2013，49：2453-2460.

[3] Tahri O, Araujo H, Chaumette F, et al. Robust Image-based Visual Servoing Using Invariant Visual Information[J]. Robotics & Autonomous Systems, 2013, 61(12)∶1588-1600.

[4] 馬文羅，胡建新，錢東海. 基于視覺的運動目標(biāo)伺服跟蹤研究[J]. 計算機工程，2012，38（8）：183-185.

本文為北京聯(lián)合大學(xué)“新起點”計劃項目，項目編號Zk10201605；北京聯(lián)合大學(xué)“啟明星”大學(xué)生科技創(chuàng)新項目，項目編號201511417026。