基于CPLD的服務機器人視覺系統軟硬件設計

　　2.2 閾值確定和色彩判斷

　　在確定閾值時，首先通過采集樣本進行訓練，從而得到預定的幾種顏色在YUV空間的分量的上下閾值，如圖2所示。

　　當一個待判定的像素在色彩空間中的位置落在這個長方體中時，就認為該像素屬于要找的顏色，從而完成對圖像顏色的識別。在Y空間中，Y值表示亮度，因它的變化很大，所以只考慮了U和V的值，在進行顏色判斷時，首先分別建立U、V的閾值向量。

　　由于在系統中圖像傳感器的數字信號是8位，即1Byte，共255Byte，系統最多能判定8種顏色。在顏色識別后進行圖像分割，在圖像分割中采用了種子填充算法，其整個種子的填充是和像素點的顏色同時進行的，一開始不是對所有的像素進行處理，而是分塊進行的，本系統采用的塊是32×24像素，這樣計算量大大減小。當中心點是所要識別的顏色時，就以這個點為種子向四周擴散，并判定周圍像素點的顏色，直到填滿整個塊。在這過程中，同時對目標進行形狀識別。本系統采用了基于全局的特征向量的識別算法來進行識別。同時也為構建雅可比矩陣得到需要的矩特征量。圖3為圖像識別分割流程圖。

　　

2.3 視覺跟蹤軟件原理

　　當目標物體被識別以后，視覺系統將調整鏡頭使目標位于視野的中心。一旦物體運動，視覺系統將進行對目標物體的跟蹤。

　　在機器人視覺跟蹤系統上，采用無定標的視覺跟蹤系統。無定標的視覺跟蹤不需要事先對攝像鏡頭進行定標，而是應用自適應控制方面的原理，在線的實時調整圖像雅可比矩陣。通過二維的圖像特征信息反饋，這種方式對攝像機模型誤差和機器人模型誤差、圖像誤差、圖像噪聲不敏感。基于圖像跟蹤的視覺跟蹤控制系統，如圖4.

　　控制量c為機器人頭部的控制系統。首先把目標放在機器人視野的前方采集到期望的圖像，從期望圖像中抽取期望的特征集，作為視野跟蹤控制系統的期望輸入，從而完成任務需要的視野特征集定義。在實時控制系統中，由機器人的圖像傳感器獲取實時采樣圖像，從中獲取實時特征集，這樣構成一個視野反饋，引導機器人完成跟蹤任務。區別于圖像的簡單幾何特征，本系統選用的視覺特征集為全局的圖像描述-圖像矩。

　　根據矩特征變化量與相對位姿變化量之間的關系矩陣，即圖像雅可比矩陣，然后利用推導的圖像雅可比矩陣，設計了視覺跟蹤控制器，完成系統對3D目標物體的平動跟蹤。

　　3 實驗結果

　　圖5為DSP為clkout腳輸出波形，表明DSP的內部時鐘電路工作正常。圖6的圖像傳感器輸出數據波形證明了圖像傳感器工作正常。圖7的DSP采集到的圖像數據，可以確定整個圖像采集硬件電路工作正常。

　　4 結 論

　　針對服務機器人的視覺系統，本文通過構建它的硬件系統和軟件系統完成了整個系統的設計。在硬件系統上，采用了CMOS圖像傳感器，CPLD時序控制，異步動態FIFO的數據緩存，以及高速DSP處理器構成了一個典型的圖像采集系統，并調試輸出了圖像信號。在軟件設計上，采用了足球機器人的彩色識別和彩色分割識別技術去完成視覺系統快速準確的識別，采用基于動態的工作方式以及采用基于圖像的雅可比矩陣的控制原理，去實現自適應補償跟蹤控制系統。