当前位置:文档之家› 自主移动机器人足球比赛视觉定位方法综述

自主移动机器人足球比赛视觉定位方法综述

自主移动机器人足球比赛视觉定位方法综述王 珂1,2,庄 严1,2,王 伟1,潘学军1(1.大连理工大学信息与控制研究中心,辽宁大连116024;2.中国科学院沈阳自动化研究所机器人重点实验室,辽宁沈阳110016)

摘要:综述了RoboCup足球赛中全自主移动机器人基于视觉的定位技术,包括机器人自定位和多机器人协作物体定位.介绍了定位技术的发展情况与分类.从机器人环境构建形式的不同以及先验位姿和概率方法的应用与否等方面,系统地分析和比较了各种自定位方法.对于多机器人协作物体定位,阐述了静态方法和动态跟踪方法.

总结了定位过程中需要重点研究的传感器模型构建、图像处理、特征匹配以及协作过程涉及的相关问题.最后就视觉定位存在的问题和技术发展趋势进行了讨论.

关键词:基于视觉的自定位;多机器人协作物体定位;移动机器人;RoboCup

中图分类号:TP24 文献标识码:A

Vision-basedlocalizationforautonomousmobilerobotinRoboCup:asurveyWANGKe1,2,ZHUANGYan1,2,WANGWei1,PANXue-jun1(1.ResearchCenterofInformationandControl,DalianUniversityofTechnology,DalianLiaoning116024

,China;

2.RoboticsLaboratory,ShenyangInstituteofAutomation,ChineseAcademyofScience,ShenyangLiaoning110016,China

)

Abstract:

Theworkaimstosummarizethevision-basedlocalizationapproachesforautonomousmobilerobotsinRoboCup

competition,andstudiestheself-localizationandcoordinatedmulti-robotobjectlocalization.Firstly,thestateofartsandcate2goriesoflocalizationtechniqueswerepresented.Accordingtowhetherpriorposeortheprobabilisticapproachesareusedandhowtherepresentationsofworkingenvironmentsareconstructed,thispapersystematicallycomparedandanalyzedvariousself-localizationmethods.Forcoordinatedobjectlocalization,thestaticanddynamictrackingmethodswereinvestigated.Severalkeyissuesrelatedtomulti-robotcollaborativetask,especiallyvisualsensormodeling,imageprocessingandfeaturematchingappliedinself-localizationwerediscussedrespectively.Finally,someexistingproblemswerepointedoutandthetechniquedevelopmenttrendsweregiven.Keywords:vision-basedself-localization;multi-robotcollaborativeobjectlocalization;autonomousmobilerobot;

RoboCup

1 引言(Introduction)

1992年Mackworth提出以机器人足球比赛作为促进人工智能、视觉技术以及机器人学等学科研究的平台[1].通过这种标准的比赛方案,参赛队伍能够

检验所采用的方法和技术在实际应用中的有效性[2].自从1997年首届RoboCup成功举办至今,

RoboCup已成为集学术研究、机器人展示、仿真和实体机器人对抗于一身的综合性普及型赛事.

RoboCup中型组比赛的机器人主要采用视觉传感器来获取环境信息,并由多个机器人共同协作来完成比赛中多种复杂任务.所有这些行为和决策必

须由机器人自主完成,不能人为介入.机器人一方面需要通过视觉传感器提供的环境数据判定自身位姿状态,一方面要与同伴彼此协调共同完成场上各种复杂的比赛任务.前者是机器人的自定位问题,后者则在前者基础上完成机器人之间的信息交流,用以扩充单机器人对环境的感知能力.比赛中机器人视觉系统需要综合考虑其执行效率、测量精度和实时性等问题,而解决动态环境下自定位和多机器人协作定位是其核心任务.本文综述了RoboCup机器人基于视觉的自定位和多机器人协作定位方法,并讨论了当前自主移动机器人足球比赛视觉定位的研究

 收稿日期:2004-04-15;收修改稿日期:2004-11-22.

基金项目:中科院沈阳自动化研究所机器人学重点实验室基金资助项目(RL200204);辽宁省高等学校学科拔尖人才资金资助项目(2003-54).

 第22卷第4期2005年8月控制理论与应用ControlTheory&ApplicationsVo1.22No.4Aug.2005 

文章编号:1000-8152(2005)04-0597-07重点和技术发展趋势.2 视觉定位研究的发展及分类(Developmentandcategoriesofvision-basedlocalization)随着RoboCup比赛的日益普及,基于视觉的机器人自定位方法和协作技术也在不断地进步和完善.定位方法最初仅依赖于视觉传感器的量测来反映机器人与环境的位置关系,多传感器数据融合技术的引入,使得纯几何的静态定位发展为对机器人位姿的动态跟踪[3,4].这种发展可归因于贝叶斯等概率统计方法在移动机器人研究中的应用.通过概率统计原理描述的各种“不确定性”情况及假设模型,机器人综合考虑观测、运动情况和即时环境等信息以适应高度变化的动态环境.RoboCup自主机器人视觉定位方法的发展总体上可概括为如下三个过程:研究方法从简单的几何推理到较为复杂的概率统计法的应用过程;适用范围从简单静态环境到复杂动态环境的扩展过程;研究对象从封闭式个体到分布式信息共享群体的系统过程.这种发展过程在于定位技术在具体实施时的有效性,而有效性也取决于机器人对各种相关因素的综合考虑.以美国的卡内基梅隆大学Hammer2heads的研究为例:最初其采用基于机器人与环境几何关系的定位方法[5],而后应用概率统计原理描述机器人观测模型[6],使该方法能适应较为复杂的观测情况,继而又实现了分布式机器人对同一物体的协作定位[7].考虑以下因素对基于视觉的自定位方法分类.1)环境描述形式的不同.RoboCup环境是一种结构化室内环境,有固定的颜色和几何特征,从而降低了环境建模的复杂性.环境可用路标、几何地图或者拓扑地图等加以表述.从表述上看,可将路标近似归为几何地图中.从而把视觉自定位方法看作是有先验地图支持的定位方法,并将其分为基于拓扑地图[8]和几何地图两类方法.2)是否借助于先验位姿估计.通常情况下,机器人可通过里程计的航迹推算估计其位姿.几何地图下的自定位方法根据是否借助该先验位姿,分为全局方法[9~14]和局部方法[3,4,15~18].3)是否应用概率统计方法.传感器噪声、机器人位姿表述的确定性程度会影响自定位算法的实施.几何地图下,可用概率统计方法描述、处理测量噪声及机器人的位姿不确定性;如果机器人位姿采用确定性描述且忽略测量噪声的

影响,可用非概率几何推理法确定机器人的位姿状态.

基于视觉的多机器人协作定位,本文是指多机器人通过彼此通讯和信息融合来确定被观测物体位置的过程.根据信息融合方法适用的情况,协作过程可分类为静态方法[7,19]和动态跟踪方法[20,21].

3 基于视觉的机器人自定位方法(

Vision-

basedself-localization)基于视觉的自定位过程是对视觉传感器捕获的环境特征进行提取和分析,并按特定准则所确立的观测特征和环境数据库间的对应关系,进而确定机器人自身位姿的过程[22](如图1所示).RoboCup

境下,自定位方法的实施要综合考虑视觉传感器模型、环境模型,机器人角色和所采用的位姿估计的形式等因素.机器人的视觉传感器包括单向、全向及双目等CCD摄像机.视觉定位的核心任务是从这些传感器捕捉的图像中提取出期望的图像特征并与环境特征建立某种一致性的联系[23].图像特征往往以色

块,曲线或者点集等形式表述,这种特征的表述形式取决于由静态形式的路标或地图所描述的环境特征.尽管机器人足球的环境是动态的,但机器人必须依据这些已知的静止参考系来实现自定位.因此环境特征必须易被感知且能给机器人提供必要的空间信息.

图1 基于视觉的定位过程Fig.1 Processofvision-basedlocalization

路标和几何地图通常能满足定位的精度要求.

拓扑地图表意直观、构建简单,但其自定位精度和鲁棒性要逊于基于前者自定位方法.从一定意义上讲,

拓扑地图有利于机器人的路径规划[24],而路标和几

何地图模型更利于机器人实现自定位.基于路标和几何地图的自定位方法分为全局和局部方法,局部方法实际是利用图像特征对先验位姿重新修正的过程,体现了融合多传感器数据以产生更精确位姿估计的思路,而其假设前提是估计位姿与实际位姿偏差不能过大;全局方法侧重于直接根据图像特征来分析机器人与环境特征的位置关系,分析结果用于确定机器人的绝对位姿,或纠正里程计错误的位姿推算.自定位方法实施时,要考虑机器人的观测和位

598 控 制 理 论 与 应 用第22卷

相关主题