张东波1，2 刘长青1，2 郭洪红1，2 李明海1，2
(1 北京市智能机械创新设计服务工程技术研究中心，北京，100020；2 北京联合大学机电学院，北京，100020)
摘 要：本文以舵机驱动的两自由度转动云台为控制对象，以51系列的单片机为云台控制器，采用计算机为图像处理器，设计实现了一个基于视觉伺服的目标跟踪控制系统，并基于VS2008和OpenCV开发设计了软件平台，以颜色特征设计图像处理算法实现对目标物的实时检测，以目标物的成像中心为视觉伺服控制特征，开发设计了实时通信数据传输策略，实现了基于视觉伺服的目标跟踪控制。
关键词：机器人，视觉伺服，目标跟踪，自动控制，单片机
锁定跟踪目标物是自主机器人控制、导弹导航、智能监控等研究中的重要内容之一，机器视觉技术作为潜在的、低故障、低风险、非接触式的检测技术有着广泛的应用前景。视觉伺服控制是采用视觉传感器来直接或者间接检测机器人当前位姿或者其关于目标体的相对位姿，然后对机器人进行定位控制或者轨迹跟踪，即将机器视觉应用于反馈环对机器人进行控制，采用视觉伺服控制可以充分发挥机器视觉的优势，与基于传统传感器的机器人控制相比，视觉伺服控制系统具有更高的灵活性和智能性，本文基于舵机驱动的两自由度转动云台，采用视觉伺服控制的方法实现了对特定颜色目标的实时跟踪控制。
1.1 系统整体结构组成
视觉伺服目标跟踪控制系统采用PC机为图像处理器，采用单片机为两自由度平台机构的运动控制器，图像处理器和运动控制器之间采用串口通信，系统组成示意图如图1所示。
图1 系统组成示意图
1.2 两自由度云台
两自由度的运动平台是基于视觉伺服的目标跟踪控制的机械基础，为实现对目标物大运动范围的实时跟踪，本文采用了两个旋转自由度，为便于试验测试，在旋转转轴部分设计安装了能够读取旋转角度的刻度盘。
两自由度平台的旋转运动采用舵机进行驱动，基于舵机的控制特性，根据对舵机转角的控制信号能够获得舵机位置信号，基于舵机的两自由度云台驱动能够简化系统的机械结构，控制方案也比较简单。舵机驱动的两自由度云台的结构组成如图2所示，两自由度云台采用舵机直接驱动的方式进行连接，连接时采用轴承实现承重，以减小运动阻力、提高系统性能。舵机选择的是7.2V的大功率舵机，具有较好的运动效果和驱动能力。
图2 基于舵机的两自由度云台
2.1 控制器选型及电气原理图
本文云台控制器主要实现的是舵机的运动控制功能，图像处理任务由图像处理器来完成，然后通过串口的方式将控制任务传递给云台控制器。因此，51系列的单片机最小系统开发板作为控制器就能够满足控制任务的需要。本文中，两自由度运动平台的单片机控制器的型号为STC89C52RC，单片机的供电电压为5V，端口输出信号能够用于舵机的驱动控制。
控制器的接线如图3所示。其中，P3.0和P3.1连接到PC机上，利用串行通信的方式进行数据交互；P1口接有8个LED发光二极管，用于调试和指示，指示灯用来指示系统的运行状态，在调试过程中可以凭借观察指示灯的状态来观察控制效果，方便调试；按键用于手动控制云台的运动，每按一下按键，舵机将会转动一个角度。
图3 云台单片机控制器电气原理图
2.2 舵机控制设计
一般舵机的控制方式是采用20ms的脉宽调制信号实现，高电平的持续时间从0.5ms到2.5ms变化时，舵机的转角从0°到最大转角（本文选择的舵机的最大转角270°）变化，通过控制输出脉冲的高电平的持续时间就可以精确控制舵机的转角。控制舵机转角的关键是控制脉冲信号的高电平的持续时间，脉冲信号的周期对舵机转角控制的影响不是很大。
单片机常用的控制时间的方式有两种，一种是通过定时器中断的方式进行，另一种是通过软件延时的方式。本文采用的是51系列的单片机STC89C52RC，该单片机共有3个定时器，其中串口通信需要一个定时器，舵机控制实现定时的时间精度和稳定性要求比较高，采用定时器0和定时器1分别控制上下转动舵机的高电平持续时间，采用软件延时的方式实现低电平的控制。通过对定时器的使能开启定时器，在定时器中断处理中将使能位置0关闭定时器，从而实现对舵机控制高电平的持续时间的控制；改变定时器的定时时间可控制高电平持续时间；软件延时下，低电平阶段的处理包括计算机的通信、循环延时、显示、读取按键等操作，控制时序图如图4所示。
图4 舵机控制时序示意图
2.3 目标物视觉伺服特征提取和控制策略设计
本文用摄像头来检测提取目标物，图像采集设备选用的是价格低廉、市场上常用的USB2.0接口的网络摄像头蓝色妖姬M2200（图5）。该摄像头传感器采用的是1/5英寸CMOS感光片OV7740，动态分辨率640×480，最大帧频30帧，具有自动白平衡、自动曝光功能，五玻镜头，手动对焦。该设备具有RGB格式的图像输出。RGB颜色空间三个通道的信息与像素亮度相关，当光照变化时，颜色分割提取的最佳阈值也会发生变化。该设备通过三个通道值间的相互计算，在突显需要的颜色特征的同时，还能够有效避免光照变化的影响，得到国内外研究人员青睐。通过试验对比分析，笔者确定采用通道间的相互计算实现增强目标信息的效果，然后采用阈值分割法分割提取出目标物，对于绿色目标物采用超绿算法（2G-R-B），对于红色目标物采用超红算法（2R-G-B）。
阈值分割方法的数学描述如式1所示，式中f(x,y)是图像设备采集到的图像数据，g(x,y)是通过阈值T分割后的二值化图像数据。
以绿色物体为对象提取，提取得到的结果如图5所示，图中展示的是绿色信息提取的结果，所开发的软件界面能够实现对绿色目标物的锁定和跟踪，同时反馈云台的控制信息，以及计算目标物所处的空间位置。这里只介绍该系统对绿色目标物的实时跟踪功能，对于其他颜色或者特定特征的目标物的跟踪，可以通过修改图像处理算法实现。
图5 目标提取测试
提取出目标以后，计算获得目标物的中心点坐标，以中心点的坐标为视觉伺服特征，以目标中心点和图像中心位置重合为视觉伺服控制目标，依据视觉伺服控制差值控制两自由度云台进行运动，实现目标物图像处于图像中间的控制。视觉伺服控制策略流程如图6所示。
图6 视觉伺服控制策略流程
2.4 通信方案设计
本文中图像处理用计算机完成，两自由度云台采用单片机控制器，计算机与单片机之间采用串口通信的方式实现信息的交互。为了保证实时性，以及控制数据的可靠性和稳定性，本文设计提出了如图7所示的通信策略；将8位字节分为两个部分，一个部分为选择舵机及其控制方式，另一个部分为舵机的控制数据。控制指令在图像处理器中进行编码，编码时实现控制指令的赋值，在单片机程序设计中实现对控制指令的解码，然后确定选择的舵机，最后将控制指令传递给所要控制的舵机上。
图7 计算机和单片机的通信策略
以绿色和红色球为目标物对上述系统进行跟踪测试（图8），测试结果显示，系统能够很好地对特定目标物进行实时跟踪。该设计方法在智能监测、机器人导航、目标跟踪等领域具有应用前景。
图8 系统整体跟踪性能测试
参考文献：
[1] 贾丙西，刘山，张凯祥，等. 机器人视觉伺服研究进展∶ 视觉系统与控制策略[J]. 自动化学报，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] 马文罗，胡建新，钱东海. 基于视觉的运动目标伺服跟踪研究[J]. 计算机工程，2012，38（8）：183-185.
本文为北京联合大学“新起点”计划项目，项目编号Zk10201605；北京联合大学“启明星”大学生科技创新项目，项目编号201511417026。
联系客服
