Yön rehberliğine dayalı optimum görsel navigasyon yöntemi
Jiang Dejing 1, Sun Tao 1, 2, Qin Lufang 1
(1. Makine ve Elektrik Mühendisliği Okulu, Xuzhou Teknoloji Enstitüsü, Xuzhou, Jiangsu 221111; 2. Makine ve Elektrik Mühendisliği Okulu, Nanjing Havacılık ve Uzay Bilimleri Üniversitesi, Nanjing 210016, Jiangsu)
Karmaşık yol koşullarında aktif görsel navigasyonun zayıf doğruluğu sorununu çözmek için, yönlü yönlendirme optimizasyonuna dayalı aktif bir görsel navigasyon parametresi hesaplama yöntemi önerilmektedir. Öncelikle aracın fiziksel koordinat sistemi ile görsel görüntü koordinat sistemi arasındaki dönüşüm denklemi kurulur ve video görüntüsü Canny operatörü aracılığıyla ön şerit kenar çizgisi ve yol işaretleme tespiti yapmak için kullanılır; daha sonra yön rehberliğine dayalı optimizasyon gölgeleri, durgun suyu vb. Etkili bir şekilde azaltır. Dağınıklık algılama performansına müdahale eder ve eşik tarafından optimize edilen genelleştirilmiş Hough dönüşümü, şerit çizgisinin iç ve dış kenarlarının ve yol işaretleme çizgisinin doğru tespitini gerçekleştirir; son olarak, algılama sonuçlarına göre, merkez kılavuz çizgisi, sapma açısı, mesafe vb. Navigasyon için hesaplanır. Parametre. Deneysel sonuçlar, bu yöntemin etkin navigasyon sisteminin dengeleme parametrelerini etkili ve doğru bir şekilde elde edebildiğini göstermektedir.
Bilgisayar görüşü; aktif navigasyon; yol kenar çizgisi algılama; yol işaretleme çizgisi algılama; ofset parametresi
Çin Kütüphanesi Sınıflandırma Numarası: TN94; TP242
Belge tanımlama kodu: Bir
DOI: 10.16157 / j.issn.0258-7998.172745
Çince alıntı biçimi: Jiang Dejing, Sun Tao, Qin Lufang. Yön rehberliği optimizasyonuna dayalı görsel navigasyon yöntemi. Elektronik Teknoloji Uygulaması, 2018, 44 (2): 52-54, 58.
İngilizce alıntı biçimi: Jiang Dejing, Sun Tao, Qin Lufang. Yön rehberli optimizasyon tabanlı görsel navigasyon yöntemi. Application of Electronic Technique, 2018, 44 (2): 52-54, 58.
0 Önsöz
Bilgisayarla görme teknolojisine dayalı görsel navigasyon teknolojisi, yapay zeka alanındaki araştırma odağı ve sıcak noktadır. Geleneksel uydu konumlandırma (GPS) navigasyon teknolojisi ile karşılaştırıldığında, vizyona dayalı navigasyon yöntemi esnek uygulama, yüksek maliyet performansı, iyi gerçek zamanlı performans ve hızlı ve doğru navigasyon avantajlarına sahiptir. Bununla birlikte, mevcut görsel navigasyon sistemlerinin çoğu, sabit bir kameranın sınırlı görüş açılı navigasyon yöntemine dayanmaktadır. Bu tip navigasyon sistemi yalnızca düz bir çizgide veya küçük bir virajda sürüşe uygulanabilir. Büyük bir viraj döndüğünde, yol kameranın görüş alanından sapacaktır. Bu, rota navigasyon hattının kaybolmasına ve navigasyon arızasına neden olur. Bu görüş açısı aralığının sınırlamasını iyileştirmek için geleneksel çözüm, esas olarak görüş alanını artırmak için sabit kamerayı geniş açılı lensli bir kameraya değiştirmektir.Ancak, geniş açılı kameranın görüntü bozulması ciddidir ve görüntünün ön işleme doğruluğu ve hızı için gereklilikler katıdır. , Büyük miktarda görüntü girişim bilgisi eklenir, bu da sonraki görüntü işlemeyi daha zor hale getirir. Son yıllarda bazı bilim adamları, yolu gözlemlerken insan gözü döndürme mekanizmasından yararlanarak, kamerayı döndürülebilir bir pan-tilt sistemine kurarak ve kamera odağını ve sürüş rotasını belirli bir geri bildirim kontrolü ile gerçek zamanlı olarak düzelten aktif bir görsel akıllı navigasyon yöntemi önerdiler. Doğrudan öndeki açı, sürüş rotasının her zaman kameranın görüş alanı içinde olmasını sağlar. Bu yöntem, net bir görüş açısı sağlama öncülüğünde kameranın görüş açısı aralığını büyük ölçüde genişlettiği için, son yıllarda hedef takibi ve yüz algılama alanlarında daha fazla araştırma ve uygulama elde edilmiştir. Bunlar arasında, navigasyon parametrelerinin nasıl doğru bir şekilde elde edileceği, aktif görüntülü navigasyon sistemlerinin temel konularından biridir. Geleneksel hesaplama yöntemleri esas olarak önceden ayarlanmış yüksek hassasiyetli kalibrasyon referans nesnelerini kullanır ve uzay görüntüsü ile düzlem görüntüsü arasındaki etkili haritalama ilişkisi yoluyla ilgili parametre değerlerini elde eder.Bu tür bir yöntem yüksek kalibrasyon doğruluğuna sahiptir, ancak uygulama aralığı sınırlıdır ve kalibrasyon karmaşıktır, bu da değişikliklere elverişli değildir. Sahnenin navigasyonu. Literatür, görsel görüntülere dayalı bir kendi kendine hesaplama yöntemi önermektedir.Bu yöntem, sistem parametrelerini hesaplamak için ön uç tarafından elde edilen video karesi görüntülerini kullanır.Kruppa denklemi ve katmanlı aşamalı kalibrasyon, gezinme parametrelerinin hesaplanmasını sağlamak için kullanılır.Bu yöntem esnek ve kullanımı kolaydır. Menzil geniştir, ancak hesaplama doğruluğu ve dayanıklılığı zayıftır ve arka planda parazit olduğunda hesaplama hatası büyüktür, hatta navigasyon arızasına neden olur. Literatür, kontrol edilebilir hareket için kamerayı kullanır ve hareketin doğasını kısıtlayarak navigasyon parametrelerinin hesaplanmasını gerçekleştirir, bu da aktif görsel navigasyonun parametre hesaplamasının doğruluğunu ve sağlamlığını artırır. Bu temelde, rotasyon hesaplama yöntemi, düzlem ortogonal hesaplama yöntemi ve sonsuz düzlem homografi matrisine dayalı hesaplama yöntemi art arda geliştirilmiştir. Bu tür bir yöntem, yüksek hesaplama doğruluğuna ve iyi bir sağlamlığa sahiptir, ancak çok fazla parametreyi hesaplaması gerekir ve hesaplama karmaşıktır ve gerçek zamanlı navigasyon sistemlerinde uygulanması zordur. Literatür, hesaplama karmaşıklığını bu temelde daha da optimize eder, doğrusal modelin bazı parametrelerini çözmek için iki boyutlu frekans kayması hareketinin göreli hesaplama yöntemini kullanır ve hesaplama sürecini etkili bir şekilde basitleştiren bozulma yöntemi aracılığıyla doğrusal olmayan optimizasyonu sunar, ancak bu Doğrusal olmayan bozulma süreci, sistemin başlangıç değerine ve gürültüsüne çok duyarlıdır ve hesaplama kararlılığı zayıftır.
Bu sorunlara yanıt olarak, bu makale, yönlü rehberlik optimizasyonuna dayalı bir aktif görüş navigasyon parametresi hesaplama yöntemi önermektedir. Bu yöntemin gerçekleştirilme süreci kabaca üç adımda özetlenebilir: (1) Koordinat sistemi dönüşümü. Teorik hesaplama ile gerçek navigasyon sistemi arasındaki yüksek hassasiyetli uydurmayı gerçekleştirmek için öncelikle araç fiziksel koordinat sistemi ile görsel görüntü koordinat sistemi arasındaki dönüşüm denklemi verilir. (2) Şerit kenarlarının doğru tespiti. Şerit kenar çizgilerinin doğru bir şekilde elde edilmesi görsel navigasyon için ön koşuldur.Geleneksel Canny operatörünün ön tespitine dayalı olarak yol suyu ve gölgeler gibi arka plan parazit problemlerini çözmek için, bir yön rehberliği optimizasyonu yöntemi önerilmiştir. (3) Büyük eğrilik eğri çizgilerinin doğru tespiti sorunu. Önceki optimizasyona dayalı olarak, büyük kavisli dönüşlerde şerit çizgilerinin doğru tespitini sağlamak için, farklı kavislere sahip çizgi segmentlerinin seçimini optimize etmek ve yol işaretlerini doğru bir şekilde tespit etmek için düz çizgi ve kavis eşiklerinin optimizasyonuna dayalı genelleştirilmiş bir Hough dönüşüm yöntemi önerilmiştir. Ve kenar çizgisi, gerçek zamanlı hesaplama ve navigasyon merkezi kılavuz çizgisinin sapma açısının düzeltilmesi.
1 Koordinat dönüşümü
Koordinat dönüşümü, görsel navigasyonun gerçekleştirilmesi için birincil koşuldur.Görüntü koordinatları ile gerçek araç fiziksel koordinatları arasındaki anlam eşlemesini gerçekleştirmek için, bu kağıt, aracın gittiği gerçek yol ortamına dayalı bir koordinat sistemi kurar ve kamera merkezini koordinatların başlangıcı ve X eksenini aracın yönü olarak ayarlar. Y ekseni, hareket yönünün pozitif soludur ve kontrol pan / eğiminin uzunlamasına ekseni Z eksenine ayarlanır. Sonraki PTZ kontrolünün analizini kolaylaştırmak için, aracın fiziksel koordinat sistemi ile elde edilen görüntü (xr, yr, zr) olarak ifade edilir ve ilgili piksel koordinat sistemi (u, v) olarak ifade edilebilir. Şekil 1 koordinat dönüşümünden önceki ve sonraki arasındaki farkı göstermektedir. Spesifik dönüşüm ilişkisi şu şekilde hesaplanır:
Araç navigasyon işlemi sırasında tespit edilmesi gereken yol işaretleri her zaman bir düzlem durumunda (zr = 0) olduğundan, hesaplama kolaylığı açısından koordinat sistemi xrOyr koordinat sistemine revize edilebilir ve formül (1) şu şekilde yeniden hesaplanabilir:
2 Yol kenarı tespiti ve yön rehberliği optimizasyonu gerçekleştirme
2.1 Yön kılavuzu optimizasyonunun gerçekleştirilmesi
Öncelikle Canny hesaplaması ile ön tespiti yapın Görüntünün kenar bilgisi alındıktan sonra görüntüdeki kontur bilgisi korunur.Ancak gölgeler, durgun su ve yol çatlakları gibi kaldırım özelliklerinin karışması nedeniyle dağınıklık kontur bilgisi de korunur.Dolayısıyla bu kısım Gölge girişimini ortadan kaldırmak için esas olarak yön yönlendirmeli arama optimizasyonunu kullanın. Kameranın ön ucu tarafından elde edilen görüntünün 3x3 görüntü bloklarına bölündüğü varsayıldığında, mevcut piksel noktası (Şekil 2 (a) 'daki gri merkez noktası) 8 bitişik piksele sahiptir. Mevcut pikselin sol şeritte olduğunu varsayarak, aramanın yönlülüğünü göstermek için, Şekil 2 (a) 'da gösterildiği gibi aracın hareket ettiği sadece 3 yön vardır. Benzer şekilde, Şekil 2 (b) 'de gösterildiği gibi sağ şeritte 3 sürüş yönü vardır.
Aracın yolda sürüş kurallarına göre optimum seçim yönü 90 °, ikinci en iyi seçim 45 ° ve en düşük seviye 0 ° olarak tanımlanabilir.Aracın sol şeritte sürüşü örnek alınarak arama işlemi aşağıdaki gibi anlatılır.
(1) Referans olarak görüntünün sol alt köşesi ile düzlemi tarayın Mevcut piksel bir kenar olarak değerlendirilirse, bir aday çizgi parçası kaydedin ve oluşturun; aksi takdirde, bir kenar noktası bulunana kadar taramaya devam edin ve (2) adımını gerçekleştirin.
(2) Yön önceliği ilkesine göre tarayın, kenar noktasının 3 yöndeki konumunu belirleyin ve koordinatları kaydedin ve sonuna kadar taramaya devam edin; kenar noktası 3 yönde taranmazsa (3) adımına geçin.
(3) Sonuna kadar yeni kenar noktaları arayarak tüm görüntüyü çaprazlayın.
Yukarıdaki yön öncelikli arama tamamlandıktan sonra, bir dizi çizgi bölümü oluşturulabilir ve her bir çizgi bölümünün başlangıç koordinatları kaydedilebilir.
2.2 Navigasyon parametrelerinin hesaplanması
Bölüm 2.1'deki tespit temelinde, aracın sürüşünü daha doğru bir şekilde yönlendirmek için, navigasyon merkezi kılavuz çizgisinin çıkarılması ve saptanan kenar çizgisine ve yol işaretleme çizgisine bağlı olarak sapma açısının hesaplanması gerekir. İlk olarak, Şekil 3'te gösterildiği gibi, doğru navigasyon kılavuz çizgileri elde etmek için görüntü ağırlık merkezi segmentasyonu yöntemi kullanılır.
İki işaretleme çizgisi içindeki görüntülerin ağırlık merkezi hesaplanarak (işaretleme çizgisi içindeki görüntüler, esas olarak robotun hareket ettiği sınır işaretleri dahil), ikinci bölümleme, merkez A'yı ve üst ve alt görüntüleri elde etmek için merkezin koordinatına göre gerçekleştirilir. B noktasında, AB düz çizgisi, robot sürüş alanındaki merkez kılavuz çizgidir. Şekil 3 (b) 'de gösterildiği gibi, O çerçeve görüntüsünün genel ağırlık merkezidir ve I1 ve I2 esas olarak sapma açısını hesaplamak için kullanılır. Spesifik hesaplama süreci Şekil 4'te gösterilmektedir.
Robotun sürüş sapma açısını ve ofsetini hesaplamak için, robot kılavuz çizgisini elde ettikten sonra, bitiş noktası koordinatlarını ve çizgi parçasının uzunluğunu kullanarak bir daire çizin ve kılavuz çizginin sapma açısını hesaplamak için çizgi parçasının diğer uç pikselinin koordinat konumunu birleştirin. Deneyde, kılavuz çizgisini başlatmak için önce robotu sürüş bölümüne yerleştirin, yol kılavuz çizgisini sığdırmak için Şekil 3 (a) 'yı kullanın ve ardından Şekil 3 (b)' ye göre kılavuz çizgisinin doğrusal denklemini hesaplayın ve özel konumunu m belirleyin. Kamerayı O noktası olarak alarak, I1 ve I2'ye göre robotun konum ofseti D ve sapma açısını hesaplayın.
3 Deney ve sonuç analizi
Bu yazıda yöntemin etkinliğini doğrulamak için, bu bölüm esas olarak karmaşık yol koşullarında viraj sürüşünü analiz etmektedir ve video çerçeve görüntü boyutu 400 piksel × 300 pikseldir. Şekil 5 (a), kampüs eğrisi testi deney alanında elde edilen eğri gezinme görüntüsünü gösterir ve Şekil 5 (b), bu makalenin optimize edilmiş algılama sonucunu gösterir.
Tablo 1, eğrinin video kare sekansına ait hesaplama sonuçlarının ortalama karşılaştırma sonucudur.Tablodan görülebileceği gibi, virajlı sürüş durumunda üç yöntemin hesaplama doğruluğunun azaldığı, bunlar arasında literatür ve literatürün performansı önemli ölçüde bozulmuştur. Bu makaledeki yöntem, dizinin hesaplama doğruluğu için hala çok yüksek bir doğruluğu muhafaza etmektedir Ortalama sapma açısının hesaplama hatası, 1.5 ° içinde kontrol edilir ve ortalama sürüş ofseti, yaklaşık 5 pikselde kontrol edilir.
4. Sonuç
Bu makale esas olarak aktif görüş navigasyon sistemi parametrelerinin hesaplama yöntemine odaklanır ve yönlü kılavuz optimizasyonuna dayalı bir aktif görüş navigasyon parametresi hesaplama yöntemi önerir. Bu yöntem, literatür temelinde optimize edilir ve geliştirilir ve parametreleri hesaplamak için aktif görüş kamerasının hareket kontrol edilebilirliğini kullanır. Yön rehberliği için geleneksel Canny operatörünün algılama sonuçlarını optimize ederek, yol gölgelerinin, yol alanı suyunun ve diğer dağınıklıkların paraziti önemli ölçüde azaltılır.Bu temelde, eşik optimizasyonlu genelleştirilmiş Hough dönüştürme yöntemi, algılama sonuçlarını sınıflandırmak ve optimize etmek için daha fazla kullanılır. Şerit çizgilerinin ve yol işaretlerinin iç ve dış kenarlarının doğru tespitini gerçekleştirin. Deneysel sonuçlar, bu makaledeki yöntemin navigasyon parametrelerinin hesaplama doğruluğunun bir virajda sürerken açıkça iyileştirildiğini ve mükemmel performans göstergelerine sahip olduğunu göstermektedir.
Referanslar
Ji Changying, Zhou Haziran Tarım makineleri navigasyon teknolojisinin gelişimi üzerine analiz, Tarım Makinaları Dergisi, 2014, 45 (9): 4-54.
Li Lin, Wei Xinhua, Zhu Wenjing ve diğerleri.Makine görüş destekli navigasyon sistemi üzerine araştırma. Tarım Makinaları Dergisi, 2015, 46 (5): 1-7.
Zhang Zhibin, Luo Xiwen, Zhou Xuecheng, vb. Hough dönüşümü ve Fisher kriterine dayalı sırt çizgisi tanıma algoritması, Chinese Journal of Image and Graphics, 2007, 12 (12): 2164-2168.
GUERRERO J M, GUIJARRO M, MONTALVO M, et al.Mısır tarlalarında doğru ürün sırası tespiti için görüntülere dayalı otomatik uzman sistem.Uygulamalı Uzman Sistemler, 2013, 40 (2): 656-664.
WALKER J S, CHEN Y J. Ağaç tabanı dalgacık alt bant korelasyonu ve küçültme kullanılarak görüntü denoising Optik Mühendisliği, 2000, 39 (11): 2900-2908.
Ji Wei, Zhao Dean, Cheng Fengyi ve diğerleri.Elma hasat robotu için yönlendirilen otomatik tanıma görme sistemi Bilgisayarlar ve Elektrik Mühendisliği, 2012, 38 (5): 1186-1195.
Li Bin, Wang Maohua. Ananas hasat robotları için tarla içi tanıma ve navigasyon yolu çıkarma. Akıllı Otomasyon ve Yumuşak Hesaplama, 2013, 19 (1): 9-20.
Wei Xiangqin, Jia Kun, Lan Jinhui ve diğerleri.Meyve toplama robotunun görüş sistemi için karmaşık tarımsal zemin altında meyve nesnesi ekstraksiyonunun otomatik yöntemi.Optik International Journal for Light and Electron Optics, 2014, 125 (19): 56845689.
Tang Jinglei, Jing Xu, He Dongjian, et al.Seri BP sinir ağı kullanan tarım robotu için görsel navigasyon kontrolü Çin Ziraat Mühendisliği Derneği Transactions, 2011, 27 (2): 194-198.
Li Jingbin, Chen Bingqi, Liu Yang.Pamuklu film ekicisinin navigasyon rotası için görüntü algılama yöntemi Tarım Makinaları Dergisi, 2014, 40 (1): 40-45.
Zhang Zhengming, Lu Wei, Lu Jingxia. Hızlı sözde top filtrelemeye dayalı akıllı traktör görsel navigasyonunda sahneleri buğu çözme yöntemi Robot, 2015, 37 (5): 603-613.
Li Hao, Yang Ming.Doğrusal olmayan ters perspektif dönüşümüne dayalı kamera bozulma parametrelerinin kalibrasyonu Şangay Jiaotong Üniversitesi Dergisi, 2008, 42 (10): 1136-1139.
Su Jianbo.Camera kalibrasyonu alıcı alanlara göre. Patern Tanıma, 2007, 40 (10): 2837-2845
DANG T, HOFFMANN C, STILLER C. Kamera parametre izleme ile sürekli stereo kendi kendine kalibrasyon Görüntü İşleme IEEE İşlemleri, 2009, 18 (7): 1536-1550.
Hu Zhanyi, Wu Fuchao.Aktif görüşe dayalı kamera kalibrasyon yöntemi. Chinese Journal of Computers, 2002, 25 (11): 1149-1156.
BAKKER T, WOUTERS H, ASSELT K V, et al.Şeker pancarı için vizyona dayalı sıra algılama sistemi.Tarımda Bilgisayar ve Elektronik, 2008, 60 (1): 87-95.
Zhu Jia, Li Xingfei, Xu Yingxin.Kameralar için aktif bir görme kalibrasyon yöntemi Acta Optics, 2010, 30 (5): 1297-1303.
