視覺是人類感知外界信息的重要手段，視覺伺服系統是機器人獲取環境信息的關鍵組成部分。本文主要討論仿人機器人BHR-1的視覺伺服系統。首先介紹機器人頭部的視覺總體結構方案，然后論述了基于立體視覺的信息處理和頭部運動控制，最后通過目標跟蹤和物體抓取實驗說明了系統的可行性。

總體方案及控制系統

仿人機器人的視覺伺服系統要求能夠根據具體環境和具體情況進行主動搜索，實時將攝像頭轉向目標，實現對空間目標的實時跟蹤并獲取物體的三維位置信息，從而控制手臂實現對物體的準確抓取。

BHR-1）的頭部有2個自由度，面部放置兩只CCD攝像頭作為視覺傳感器來模擬人的眼睛。機器人的手臂也是模仿人類的上肢設計的，具有7個自由度，肩關節3個自由度，肘關節2個自由度，腕關節2個自由度，可以實現人類上肢的各種動作。機器人根據目標的三維位置信息實現對物體的抓取。

仿人機器人BHR-1的總體設計方案如圖2所示。為了實現物體的快速定位，需要完成圖像處理和運動控制的任務。一臺計算機將難以滿足快速定位的實時性要求，因此本文采用了雙計算機處理和Memolink通信方式的系統結構，使用兩臺計算機分別負責雙目立體視覺的信息處理和機器人的運動控制。Memolink是系統間進行快速通信的一種有效解決方案。

機器人的視覺跟蹤以及目標抓取的實現都依賴運動控制計算機對機器人的運動控制。運動控制系統根據視覺處理系統的處理結果，控制機器人采取相應決策。例如:頭部的兩自由度轉動，以跟蹤目標的運動或者上肢手臂去抓取目標。運動控制子系統以RT-Linux實時操作操作系統作為軟件平臺，保證了機器人控制系統的實時性。

機器人的運動控制子系統的被控對象是機器人的各關節的角度，而關節是由電機帶動的，因此被控對象實際上是帶動關節轉動的電機轉動的角度，是一個位置伺服系統。

系統使用了一套多功能接口板，將所有的A/D轉換、D/A轉換、ENC、PWM、32位IO等多種功能都集成在該接口板上，提高了系統的集成性并減小了系統體積和重量。

在控制信號的輸入方面，由于控制的目的是為了機器人的頭部能夠跟蹤運動的目標，因此實際上輸入量就是根據圖像處理子系統的處理結果得到的，在圖像處理的過程中，最終求得的目標的位置就是后面運動控制子系統的輸入量。由于圖像處理子系統的處理結果本身就是數字量，運動控制子系統所得到的位置信息也是數字信號，因此，這里不需要模數轉換的過程。

在反饋信號的輸入方面，因為被控對象是電機，確切的說是電機轉動的角度，是位置控制，因此可以用電機上面的軸角編碼器的輸出作為反饋信號。軸角編碼器是一個測量電機所轉過的角度的器件，它以脈沖的方式來反饋電機轉過的角度，電機轉過的角度越大，它輸出的脈沖個數就越多，反之，輸出的脈沖個數就越少。因此我們采用了接口板上的ENC（encoder）接口來作為反饋信號的輸入通道，它可以測量軸角編碼器的脈沖輸出個數。機器人頭部的運動控制子系統的結構框圖如圖3所示。

基于立體視覺的視覺信息處理

系統采用了基于立體視覺的解決方案，通過加入了深度信息，使得目標的搜索結果更加準確。系統使用了美國SRI人工智能中心所開發的一套高速的雙目立體視覺系統SVS（small vision system）。

圖像分割是物體識別的預處理階段，是機器人視覺伺服系統的關鍵技術之一。該系統采用了基于顏色信息的閾值分割方法。理論分析和實驗結果都表明，對同一顏色屬性的物體，在光源種類、照度、物體反射特性等不同條件下，測得的RGB顏色值分布很分散，很難確定識別RGB的閾值范圍。而HSV模型更接近人眼對顏色的感知，它將采集的顏色信息分為色調、飽和度和亮度三種屬性量化，色調屬性H能比較準確地反映顏色種類，對外界光照條件的變化敏感程度低，因此，HSV較之RGB更適合于用做識別處理的基礎。本文采用HSV模型作為顏色識別處理的基礎，選取其中的參數H和V作為識別處理的判別依據。RGB空間中一點到HSV空間中一點的具體轉化關系如下:

V=max（r,g,b），V′= min（r,g,b）;
If V= 0 or V = V′then H=0, S=0;
If r = V then H=（g－b）/（V－V′）;
If g= V then H=2+ （b－r）/（V－V′）;
If b = V then H=4+ （r－g）/（V－V′）, H=H×60;
If H <0 then H=H+360, S=（V－V′）/V

系統首先離線采樣目標圖像區域，將該局部彩色圖像從RGB模型轉化為HSV模型，對其中H、S兩個分量分別作直方圖，得到選定區域的H、S閾值，這是一個離線的學習過程。在隨后的實時圖像識別中，H、S閾值根據前一個視覺周期的彩色圖像實時更新以適應新的光照條件。

視覺處理系統的流程圖如圖4所示，系統使用攝像頭來采集圖像，在對圖像進行一系列的預處理之后，對其進行區域分割，以得到多個區域，再搜索這些區域，根據已知目標特征找到目標所在的區域。如果找到，則控制機器人頭部面向目標，同時更新目標的特征，以用來在下次搜索時使用，如果沒有找到相匹配的目標，則可能目標被暫時隱藏或丟失，這時開始下一次處理，以等待目標再次出現。

因為視覺處理系統處理的是上一個周期的圖像，所以得到的目標坐標也是上一個周期的坐標，如果用此方向坐標來作為運動控制的輸入，則頭部運動始終滯后一個周期。為了加快系統的速度，本文采用了比例微分控制，系統地輸入輸出函數為:

Iα（k＋1）＝kp eα（k）＋kd（eα（k）－eα（k-1））
Iβ（k＋1）＝kp eβ（k）＋kd（eβ（k）－eβ（k-1））
eα（k）＝αk－αk’,eβ（k）＝βk－βk’

式中Iα（k＋1）和Iβ（k＋1）為在t（k＋1）時間上控制系統的輸出;（αk,βk）表示在時間 t（k）目標的方向坐標;（αk’, βk’）該時刻二自由度機構的方向坐標;eα（k）和eβ（k） 分別表示該時刻頭部位置與目標位置之間的偏差;kp和kd分別為控制系統的比例系數和微分系數。通過實驗調節kp和kd，kd＜＜kp，系統可以既有較高的反應速度，同時又具有穩定性。

運動控制過程

根據前面的敘述，計算機控制系統的工作過程是一個循環的實時數據采集，實時決策，實時控制的過程，在本系統中，根據所選用器件的具體情況，假設對所有的控制環完成這樣的一個循環大約需要m毫秒的時間左右。在視覺信息處理系統中，處理一幀圖像平均需要n毫秒左右的時間，由于視覺處理和運動控制任務的特點的不同，n>>m，也就是說視覺處理的周期要遠遠大于運動控制的周期。在一個視覺處理的周期內，系統可以完成多個控制周期的處理。因此在一個視覺處理周期之后，系統應該做好下一個視覺處理周期之內的運動規劃，也就是做好后面多個控制周期之內的運動規劃，這樣才能保證機器人的頭部以均勻、平緩，同時又是準確的速度來跟蹤目標。控制系統軟件流程如圖5所示。