采用机器视觉的排爆机器人设计

    在这种机器人中，我们采用了Carry R.Bradski提出的CAMSHIFT（Continuously Adaptive Mean Shift）算法，该算法以颜色的直方图为目标模式的目标跟踪算法，即使目标出现变形和部分遮挡也可以应用，而且运算效率很高。cSn安检之家

    CAMSHIFT算法简要流程：cSn安检之家

    （1）初始化目标模型、候选区域、候选区域中心位置y0cSn安检之家

    1）计算目标区域的hue分量图的直方图。cSn安检之家

    cvCalcHist（&hue，hist，0，mask）；cSn安检之家

    2）初始化候选区域，y0即候选区域的中心坐标。cSn安检之家

    track_window=selection；cSn安检之家

    （2）根据目标模型的直方图计算权值，将当前帧转换为反向投影图。cSn安检之家

    cvCalcBackProject（&hue，backproject，hist）；cSn安检之家

    cvAnd（backproject，mask，backproject，0）；cSn安检之家

    （3）计算新的目标候选位置y0（mean shift算法）cSn安检之家

    1）按公式（2）计算新的目标位置y1.cSn安检之家

    2）令d=||y1-y0||，y0=y1，设ε为误差阀值，N为最大迭代次数。如果d<ε或者k≥N，则迭代结束，返回新的目标位置y0；否则k=k+1，跳到1）。cSn安检之家

    下图为调试CAMSHIFT算法识别目标物cSn安检之家

cSn安检之家

    应用CAMSHIFT算法前需将爆炸物的图像由RGB颜色空间转化到HSV颜色空间，依据CAMSHIFT算法流程，首先选择大小为S的爆炸物图像作为初始搜索窗口，然后对该窗口中每个像素点H通道采用，得到色调直方图。然后将该直方图保存下来作为搜索目标的颜色直方图模型，在目标跟踪过程中，对摄像头采集到的图像的每个像素通过查询目标颜色直方图，得到该像素为目标像素的概率。经过上述预处理，视频中每一帧图像都转化为目标颜色概率分布图，也成为目标颜色投影图。下图为流程图：cSn安检之家

cSn安检之家

    摄像头随动设计cSn安检之家

    当摄像头采集到目标爆炸物时，操作者在上位机端圈出目标物所在区域作为初始搜索窗口，通过CAMSHIFT算法可以可到目标物在摄像头采集图像窗口中的位置，从而计算出目标物所在区域离图像窗口中心点的偏移量Δx、Δy。将所得的偏移量转化为摄像头云台的转动量，使云台跟随目标物转动，从而使目标物可以保持在摄像头采集画面窗口的中心位置。调试过程中出现跟随不及时现象，经检验为主控芯片多任务操作性能不佳。决定采用双主控芯片方案，由一片单独的芯片负责摄像头云台的随动动作，检验证明随动性能由明显提高。下图为随动流程图：cSn安检之家

cSn安检之家

 cSn安检之家