- Trang Chủ
- Tự động hoá
- Nghiên cứu phát triển hệ Robot – camera tự động tìm kiếm và bám đối tượng di động VICON.
Xem mẫu
- Nghiên cứu phát triển hệ Robot – camera
tự động tìm kiếm và bám đối tượng di động VICON.
PGS. TSKH Phạm Thượng Cát, Ths. Trần Việt Phong
Phòng công nghệ Tự Động Hóa - Viện Công Nghệ Thông Tin
Tel. 8363484, e-mail: ptcat@ioit.ncst.ac.vn
Tóm tắt:
Hệ điều khiển visual servoing bám đối tượng di động liên quan đến vấn đề điều khiển và thị giác máy được
rất nhiều tác giả quan tâm. Hệ thống được trình bày trong báo cáo này bao gồm một robot hai bậc tự do pan/tilt
có gắn một camera. Hệ thống có nhiệm vụ bám đối tượng đang di chuyển với quỹ đạo không biết trước, thông
qua điều khiển các khớp quay của robot sao cho ảnh của đối tượng thu được ở chính giữa tâm camera. Báo cáo
đưa ra mô hình động học của hệ, liên quan đến vị trí của đối tượng trong ảnh và góc quay pan, tilt. Sau đó, để
mục tiêu luôn luôn ở chính giữa ảnh, một mô hình dự báo vị trí và tốc độ của mục tiêu được áp dụng. Báo cáo
cũng giới thiệu về phương pháp xử lí ảnh, tự động tìm kiếm và nhận dạng đối tượng di động. Các kết quả nghiên
cứu được áp dụng trong hệ thực nghiệm VICON cho kết quả rất khả quan.
Development of a Robot-camera system VICON
for automatic recognition and tracking of moving objects.
Abstract:
The robotic visual servoing system relates to robot control and machine vision issue has received many
attention from reseachers. The system introduced in this paper consists of a pan/tilt robot with 2 degree of
freedom (pitch and yaw) that controls a videocamera. The aim of system is to move robot in such a way that the
image of an unknown moving object attains the center of camera. We propose a kinematic model that relates the
position of object’s centroid in the image plane with the pan and tilt rotation angles. In order to permanently
maintain the object in the field of vision of videocamera, a prediction algorithm is used. This paper also briefly
describes image processing, auto detection and recognition of moving objects. The experiments with VICON
system present good results.
1.GIỚI THIỆU.
Hệ thống điều khiển robot có thị giác được
sử dụng để theo dõi các mục tiêu di động trong các
ứng dụng của robot công nghiệp và quốc phòng. Hệ
thống thị giác có thể được phân thành hai lớp, theo
như cấu trúc của hệ, đó là hệ có camera gắn cố định
và hệ có camera gắn trên tay máy (eye-in-hand).
Trong hệ camera cố định, các camera được gắn cố
định so với hệ tọa độ thực, thu thập ảnh của cả mục
tiêu và của cả môi trường. Mục đích của hệ này là
cung cấp tín hiệu điều khiển tay máy sao cho tay
máy đạt tới vị trí mong muốn. Mục đích của cấu
trúc eye-in-hand là điều khiển tay máy sao cho ảnh
của mục tiêu cố định hoặc di động luôn luôn được
duy trì ở vị trí mong muốn trên mặt phẳng ảnh thu
được. Trên cơ sở ảnh thu được từ camera, được số
hóa và tích hợp trong vòng điều khiển phản hồi, hệ
thống điều khiển các khớp của tay máy (DOF). Để
cải thiện chất lượng của hệ bám, các thuật điều
khiển khác như thích nghi, tối ưu, lọc Kalman
thường được sử dụng. Số bậc tự do của robot tùy
thuộc từng bài toán cụ thể, ví dụ khi iTf0AB Tc 10.02 0 0 10.0203174.717 t76.00032 TmTj/T/TT038194 2TT3.46027
á59838962TT3.46027
ng, 94 2TT3.46027 Tmgb
i
- thể thay đổi không biết trước (do gió, ánh sáng thay dựa vào chuỗi ảnh liên tiếp thu được từ camera để
đổi). Các nghiên cứu về hệ môi trường động bị bỏ nhận dạng và tính toán vị trí của đối tượng quan
khá xa so với hệ môi trường tĩnh do bị ảnh hưởng tâm. Phần thứ hai là phần điều khiển, dựa vào thông
khá lớn của tốc độ tính toán, cũng như độ chính xác tin vị trí của đối tượng trong mặt phẳng ảnh, tính
của việc phân tích ảnh. Do vậy, có nhiều thuật toán toán tín hiệu điều khiển robot sao cho ảnh của đối
để cải thiện tốc độ xử lý ảnh và xem xét đến các tượng di chuyển duy trì ở chính giữa mặt phẳng
yếu tố nhiễu tác động lên quá trình thu thập ảnh. ảnh.
Một thách thức khác của bài toán visual servoing là
việc phân loại đối tượng. Một robot có thể phải đối Precision Range Max velocity
deg/step deg deg/s
mặt với rất nhiều đối tượng khác nhau, trong đó chỉ
có một đối tượng quan tâm, còn các đối tượng khác Pan 0.01290 -1590 – +1580 60
thì không. Do vậy chúng ta phải mở rộng khả năng Tilt 0.01290 -300 – +410 60
của hệ thống bao gồm chức năng thông minh tự
Bảng 1. Các đặc trưng chủ yếu của Robot.
nhận dạng chính xác đối tượng cần tìm. Để nhận
được thông tin về vị trí của mục tiêu trong môi Các thông số cơ bản của robot được giới thiệu như
trường động, các đặc trưng của mục tiêu rất quan trên bảng 1.
trọng. Các điểm lỗ, các góc cạnh, các đặc trưng Do các tín hiệu điều khiển dựa trên thông tin xử lí
hình học của mục tiêu được phân tích thông qua ảnh, nên một mô hình ánh xạ từ mặt phẳng ảnh vào
quá trình nhận dạng. Đặc tính về trọng tâm của mục không gian robot cần được thực hiện. Hơn nữa, để
tiêu có thể dễ dàng tính thông qua momen bậc nhất giảm ảnh hưởng của nhiễu và giảm khối lượng tính
của ảnh, trong trường hợp môi trường tĩnh, nhưng toán trong xử lí ảnh nên các bước tiền xử lí, nhận
trong trường hợp môi trường động, việc này rất khó dạng, thích nghi cũng được sử dụng. Các bước này
thực hiện vì chi phí thời gian tính toán lớn. Một giải sẽ lần lượt được trình bày dưới đây.
pháp hay được sử dụng để lọc nhiễu, dự báo vị trí
tiếp theo của mục tiêu, do đó giảm đáng kể thời 3. MÔ HÌNH HÓA ĐỘNG HỌC ROBOT.
gian xử lí ảnh, được trình bày trong trong bài báo là
Nhằm mục đích duy trì ảnh của mục tiêu
phương pháp lọc Kalman.
càng gần tâm của mặt phẳng ảnh, chúng ta thiết lập
Hệ thống VICON được thiết kế dựa trên sơ đồ hình
mối quan hệ tương đối giữa biến quan sát được x0
1 được thử nghiệm trong phòng thí nghiệm cho kết
và y0 là tọa độ của đối tượng trên hệ tọa độ gắn với
quả tốt, mặc dù có một số hạn chế sẽ được trình bày
mặt phẳng ảnh (IP), đối với biến điều khiển của
ở phần sau. Bài báo này được tổ chức như sau.
robot φ và θ. Yc
Phần thứ nhất mô tả hệ bám mục tiêu di động. Phần
thứ hai trình bày về mô hình động học của hệ Xc
thống. Phần tiếp theo giới thiệu về mô hình bộ lọc Oc
Kalman trong dự báo vị trí mục tiêu. Phần thứ 4 là Z Zc P(X, Y, Z)
thuật toán nhận dạng, xử lí ảnh. Kết quả thử nghiệm Y'
hệ thống VICON sẽ được trình bày ở phần 5. Cuối d2
cùng là kết luận và hướng nghiên cứu tiếp theo. φ θ
d1
2. MÔ TẢ HỆ BÁM MỤC TIÊU DI ĐỘNG. X
Z' O X'
Hệ bám mục tiêu di động được trình bày
trong bài này như hình 2. Hệ thống bao gồm một bệ
quay hai bậc tự do (2DOF), camera CCD có thể di Y
chuyển đồng thời theo hai hướng pan và tilt.
Hình 3. Mô hình động học hệ.
Trong hình 3, ta có thể nhìn thấy rằng φ và θ là các
góc quay xung quanh trục tương ứng là OZ và OZ’,
sao cho, sau khi di chuyển tâm của mục tiêu di
động có tọa độ P(X, Y, Z) sẽ được ánh xạ lên tâm
của mặt phẳng ảnh.
Mô hình động học của hệ sẽ được thể hiện trong hai
phần. Đầu tiên là xây dựng một mô hình hình học
xấp xỉ quan hệ giữa biến điều khiển và biến quan
Hình 2. Thiết bị điều khiển pan/tilt-camera. sát. Tiếp theo, sử dụng xấp xỉ đó để xây dựng mô
hình động học của hệ.
Cấu trúc hệ điều khiển visual servoing gồm hai
thành phần chính. Phần thứ nhất là phần xử lí ảnh,
2
- 1. Mô hình xấp xỉ hình học. Nhằm mục đích tìm mô tả quan hệ giữa xp và yp đối
Gọi OXYZ là hệ toạ độ thực của hệ robot-camera với φ và θ, đầu tiên ta tìm ma trận chuyển đổi đồng
và OXcYcZc là hệ toạ độ gắn với camera. P(X, Y, Z) nhất R O c của hai phép quay camera xung quanh O
O
là toạ độ của đối tượng trên hệ toạ độ thực, toạ độ một góc φ và θ.
của P chiếu lên mặt phẳng ảnh là (xp, yp). Hình 4 Hệ toạ độ quy chiếu của robot được xác định theo
thể hiện quan hệ hình học của góc quay φ là góc quy tắc David - Hetenberg như trên hình 3.
quay của hệ robot-camera sao cho tâm của đối
tượng P(X, Y, Z) nằm trên trục OcZc. Từ hình vẽ 4, Y
có thể nhận thấy: P(X, Y, Z)
Xc
Y (1)
tan( φ ) =
X φ Y Zc
và λ α
xp
−x p (2) O Oc X
X Y d1
tan( α ) = c = =
Zc X − d1 λ IP
X
trong đó X và Y thể hiện vị trí của tâm mục tiêu
trong hệ tọa độ thực, d1 là khoảng cách từ trục OY Hình 4. Phép chiếu quay quanh trục OZ.
đến trục OcXc , λ là tiêu cự camera.
Từ (1) ta nhận thấy, để tính được φ chúng ta phải Ma trận chuyển từ hệ toạ độ O’X’Y’Z’ về hệ toạ độ
biết X và Y, là các đại lượng không đo được, cũng OXYZ:
không quan sát được, khi chỉ dùng một camera tĩnh.
Cũng từ (2) ta nhận thấy rằng, từ xP, là biến có thể cos(φ) 0 sin(φ) 0
quan sát được, và λ là đại lượng có thể đo được, ta sin(φ) 0 -cos(φ) 0
có thể tính được α. RO =
O' 0 1 0 0
Nếu sai số để có thể xấp xỉ φ ≈ α là đủ nhỏ, thì φ có 0 0 0 1
thể tính qua α, do đó có thể tính φ từ các đại lượng
đo được và quan sát được. Ma trận chuyển từ hệ toạ độ OcXYZ về hệ toạ độ
Nếu φe là sai lệch khi thực hiện xấp xỉ này thì ta có O’X’Y’Z’ khi quay quanh O’Z’ góc θ:
φ = α + φe. Do đó ta có thể viết:
cos(θ) -sin(θ) 0 0
tan(α ) + tan(φ e ) sin(θ) cos(θ) 0 0
tan(φ ) = tan(α + φ e ) = (3) O'
ROC =
1 − tan(α ) tan(φ e ) 0 0 1 0
0 0 0 1
từ (1), (2), (3) ta có: Ma trận đồng nhất khi chuyển từ hệ toạ độ camera
⎛ d1Y ⎞ O O O'
Oc về hệ toạ độ thực O là ROC = RO' ROC . Ma trận
φ e = arctan⎜ 2 ⎟ (4)
⎜ X −d X +Y2 ⎟
⎝ 1 ⎠ đồng nhất khi chuyển từ hệ tọa độ thực O về hệ tọa
độ camera Oc, theo định nghĩa ta có:
từ (4) có thể nhận thấy rằng sai số khi thực hiện xấp
xỉ có thể chấp nhận được, trong các trường hợp sau:
- limY→0 φe = 0. Khi hệ điều khiển bám chính xác
O O
( ) = (R )
RO c = ROC
−1 O T
OC
đối tượng. Do vậy:
- limd1→0 φe = 0. Khi gốc O và Oc là trùng nhau.
- limX→∞ φe = 0. Khi khoảng cách X rất lớn so với cos(φ)cos(θ) sin(φ)cos(θ) sin(θ) 0
d1 và Y, tức là X >> d1Y . O
RO c = -cos(φ)sin(θ) -sin(φ)sin(θ) cos(θ) 0
Các giả thiết này được áp dụng cho mô hình động sin(φ) -cos(φ) 0 0
0 0 0 1
học của hệ thống đang xét với sai số nhỏ φc ≈ 0.005
rad. Sai số này có thể chấp nhận được nếu so với
sai số do độ phân giải của robot và sai số do nhiễu Hình 3 và hình 4 chỉ ra rằng các điểm P(X, Y, Z) sẽ
trong xử lí ảnh. được chiếu lên tâm của mặt phẳng ảnh IP sau khi
Đối với xấp xỉ góc θ cũng tính tương tự. Ta có thể thực hiện phép quay φ và θ . Do vậy, khi biết ma
O
kết luận rằng, khi tính φ và θ có thể giả thiết rằng O trận đồng nhất RO c , ta có thể viết được như sau:
và OC trùng nhau. Mục đích của xấp xỉ này là c
chúng ta có thể tính góc quay pan φ và góc tilt θ từ 0
các biến quan sát được xP, yP và đo lường được λ. 0 (5)
=
1
2. Mô hình động học của hệ robot-camera.
3
- cos(φ)cos(θ) sin(φ)cos(θ) sin(θ) 0 X x k = [u k u k v k v k ]T ; y k = [ u k v k ]T
& &
-cos(φ)sin(θ) -sin(φ)sin(θ) cos(θ) 0 Y
trong đó (uk, vk) và (u k , v k ) tương ứng là toạ
& &
sin(φ) -cos(φ) 0 0 Z
0 0 0 1 1 độ và tốc độ của ảnh đối tượng trên mặt phẳng ảnh
ở thời điểm thứ k.
Trong đó, (c, 0, 0, 1) và (X, Y, Z, 1) là tọa độ đồng
nhất của điểm P khi nhìn trong hệ toạ độ Oc và hệ - Nhiễu quá trình ωk là nhiễu thể hiện độ không
toạ độ O tương ứng. chính xác của mô hình và được giả thiết là nhiễu ồn
trắng có giá trị kỳ vọng bằng 0 và ma trận tương
Giải (5) ta có: quan Q; ζk là nhiễu đo lường do độ không chính
Xsin(φ) - Ycos(φ) = 0 (6) xác của sensor và cũng được giả thiết là nhiễu ồn
-Xcos(φ)sin(θ) - Ysin(φ)sin(θ) + Zcos(θ) = 0 trắng có giá trị kỳ vọng bằng 0 và ma trận tương
quan R. Trong mô phỏng Q, R được chọn xác định
ta có: dương và là các ma trận đơn vị.
⎛Y ⎞ Trong bài toán dự báo vị trí và vận tốc của
φ = arctan⎜ ⎟
⎝X⎠ (7) điểm đặc trưng, ta xấp xỉ chuyển động của mục tiêu
giữa hai lần cắt mẫu T có vận tốc không đổi.
⎛Z ⎞ Các ma trận được tính như sau:
θ = − arctan⎜ cos (φ)⎟
⎝ Y ⎠ ⎡1 T 0 0⎤
⎢0 1 0 0⎥
từ giả thiết xấp xỉ (1) và (2) ta có: ⎡1 0 0 0⎤
A=⎢ ⎥ C=⎢ ⎥
⎛ xp ⎞ ⎢0 0 1 T⎥ ⎣0 0 1 0⎦
φ = − arctan⎜ ⎟ ⎢ ⎥
⎜ λ ⎟ (8) ⎣0 0 0 1⎦
⎝ ⎠
G=I
⎛ yp ⎞ Gọi P là ma trận tương quan sai lệch, ban đầu P0
⎜ λ cos(φ)⎟
θ = arctan⎜ ⎟ chọn là ma trận đơn vị, chỉ số “-“ xác định giá trị
⎝ ⎠ trước thời điểm hiện tại.
Công thức (8) biểu diễn quan hệ giữa vị trí của mục Ta có thuật toán lọc Kalman [9]:
tiêu trên hệ tọa độ ảnh và các biến điều khiển của
robot, qua đó ta có thể điều khiển robot sao cho ảnh
của mục tiêu tiến tới chính giữa của mặt phẳng ảnh.
Trước khi trình bày về phần xử lý ảnh, ta giới thiệu
về phương pháp dự báo vị trí, tốc độ của mục tiêu
trên ảnh để điều khiển sao cho ảnh của mục tiêu
luôn duy trì ở chính giữa mặt phẳng ảnh khi mục
tiêu di chuyển, đồng thời phép dự báo này cũng làm
giảm khối lượng tính toán xử lí ảnh.
3. DỰ BÁO VỊ TRÍ CỦA MỤC TIÊU TRONG
MÔI TRƯỜNG CÓ NHIỄU BẰNG BỘ LỌC
KALMAN.
Bài toán bám mục tiêu di động với quỹ
đạo không biết trước yêu cầu phải dự báo được vị
trí và tốc độ của đặc trưng ảnh ở bước tiếp theo. Bộ
lọc Kalman được sử dụng để ước lượng dự đoán Đầu ra của bộ dự báo cho ta vị trí và tốc độ của
căn cứ vào thông tin ảnh thu được từ camera số tại điểm đặc trưng.
thời điểm hiện tại. Bộ lọc Kalman được coi như bộ Mô phỏng của bộ lọc dự báo Kalman được trình
ước lượng trạng thái hệ thống, có cấu trúc lọc đơn bày trên hình 5, khi ảnh của mục tiêu di chuyển với
giản và độ hội tụ tốt cùng với khả năng lọc nhiễu quỹ đạo thẳng.
cao [8], [9], [10].
Mô hình cần được ước lượng dự báo được mô tả
bởi hệ phương trình trạng thái:
x k +1 = Ax k + Gω k
(15)
y k +1 = Cx k + ζ k
ở đây, x và y tương ứng là vector trạng thái và
vector đầu ra của hệ thống, các chỉ số ‘k’ và ‘k+1’ Hình 5. Kết quả bộ lọc Kalman.
chỉ các vector tại thời điểm thứ k và k+1. Đối với
bài toán ước lượng đặc trưng ảnh, ta có:
4
- Trong thực tế, áp dụng bộ lọc Kalman phụ thuộc trường sẽ tạo ra nhiều pixel có giá trị 1, mà các
nhiều vào việc lựa chọn ma trận tương quan Q, R. diểm này lại không phải là điểm quan trọng.
Ngoài ra nếu mục tiêu di chuyển với sự thay đổi Ngưỡng hợp lí được tạo ra sau khi thực hiện một số
quỹ đạo nhanh chóng, tức là giả thiết tốc độ mục phép lọc nhiễu và các bước tiền xử lí ảnh khác.
tiêu là hằng số giữa hai lần lấy mẫu không còn Khi ảnh đã được xử lí ngưỡng, ảnh nhị phân thu
chính xác thì việc dự báo bằng bộ lọc Kalman sẽ được sẽ gồm các pixel có hai trạng thái 0 và 1. Các
tiến tới kết quả không ổn định. Khi đó có thể sử pixel 0 thuộc nền và các pixel 1 thuộc các đối
dụng phương pháp dự báo khác như phương pháp tượng, ta phải phân tích các đối tượng được thể
Luenberger [10]. hiện. Tuy nhiên ảnh thu được sẽ bao gồm rất nhiều
đối tượng khác nhau, bao gồm cả nhiễu, nhưng
4. NHẬN DẠNG VÀ BÁM MỤC TIÊU DI trong đó chỉ có duy nhất một đối tượng cần quan
ĐỘNG. tâm. Các bước xử lí ảnh nhị phân tiếp theo được
thực hiện nhằm loại bỏ nhiễu, hoặc điền đầy các lỗ
Nhận dạng mục tiêu di động là bước quan
của đối tượng, cũng làm giảm khối lượng tính toán
trọng trong hệ tự động tìm kiếm và bám mục tiêu di
của các bước xử lí ảnh tiếp theo. Quá trình phân
động. Mục đích của quá trình này là thực hiện các
đoạn ảnh thành từng đối tượng riêng rẽ được thực
phép xử lí ảnh để tìm kiếm đối tượng cần quan tâm,
hiện thông qua algorithm đánh nhãn liên tiếp
xác định vị trí của nó trong mặt phẳng ảnh hiện
(Sequential Labeling Algorithm). Quá trình này có
thời. Trong quá trình tìm kiếm, ta chia một ảnh là
thể tạo ra hàng trăm đối tượng khác nhau, trong đó
tập hợp các pixel bao gồm hai thành phần, hoặc là
chỉ có một số đối tượng gần với đối tượng quan
thuộc đối tượng, hoặc là thuộc nền. Ta xem xét việc
tâm. Một quá trình quét tiếp theo sẽ loại bỏ các đối
tìm kiếm để nhận dạng các điểm thuộc đối tượng
tượng không hợp lý so với đối tượng mẫu.
trong mỗi ảnh thuộc chuỗi ảnh thu được.
Bước tiếp theo là phân tích các đặc trưng của các
Có rất nhiều cách để nhận dạng một đối tượng, ví
đối tượng vừa thu thập được trên ảnh, và quyết định
dụ ta có thể áp đặt mô hình của đối tượng đã biết
xem đối tượng nào thuộc lớp đối tượng quan tâm.
trước (màu sắc, hình dáng) lên toàn bộ ảnh, từ đó
Sử dụng phương pháp momen bất biến hoặc
tìm ra vị trí phù hợp nhất của đối tượng trong ảnh.
phương pháp quyết định Bayes là các biện pháp
Tuy nhiên cách này phải tốn nhiều thời gian, và
tương đối hiệu quả [4]. Việc còn lại là xác định vị
không hiệu quả trong thực tế. Một phương pháp
trí trọng tâm của mục tiêu trên ảnh tương đối đơn
nhanh hơn để xử lí ảnh và nhận dạng đối tượng
giản, thông qua xác định momen bậc nhất.
được trình bày như lưu đồ trên hình 6.
Quá trình xử lí ảnh được thực hiện không phải trên
toàn bộ ảnh thu được, mà sử dụng kết quả dự báo ở
Bắt đầu trên để làm giảm thời gian tính toán. Hình 7 thể
hiện ảnh kết quả sau khi đã thực hiện nhận dạng.
Tiền xử lý
ảnh nhị phân
ảnh phân vùng
Nhận dạng
mục tiêu a) ảnh gốc. b) ảnh sau khi xử lí
Hình 7. ảnh sau khi qua các bước xử lí.
Xác định tọa độ
mục tiêu 5. THỬ NGHIỆM HỆ THỐNG.
Hệ thống VICON được xây dựng bao gồm
Kết thúc một robot tay máy với hai bậc tự do pan và tilt của
hãng DPerception Inc, như hình 1, với các đặc
Hình 6. Lưu đồ xử lí ảnh. trưng chủ yếu của robot giới thiệu trong bảng 1.
Camera CV-M50, monochrome CCD Camera của
Để đánh giá trạng thái của một pixel là đối tượng hãng JAI Corporation, có tiêu cự λ = 8mm, tín hiệu
hay là nền, chúng ta giả thiết là đối với các pixel ra video 25 hình/s. Quá trình thu thập ảnh và số hóa
thuộc nền, cường độ sáng thay đổi chậm, trong khi ảnh được thực hiện nhờ card xử lí ảnh FrameLocker
đó đối với pixel thuộc đối tượng, cường độ sáng của hãng Ajeco, tốc độ xử lí 33ms. Thiết bị tính
thay đổi lớn. Như vậy, một phép so sánh được thực toán và điều khiển là một máy tính Touchscreen
hiện giữa các pixel trong ảnh hiện thời, nếu giá trị màn hình 6.4 inchs, theo chuẩn PC104, tốc độ xử lí
của pixel lớn hơn ngưỡng đặt trước, pixel đó có giá 800MHz/s, do hãng Nagasaki IPC Technology chế
trị 1, nếu không pixel có giá trị 0. Nếu ngưỡng quá tạo. Phần mềm của hệ điều khiển và xử lí ảnh được
lớn, pixel thuộc đối tượng có thể lẫn với nền, nếu viết bằng ngôn ngữ C trên môi trường MS-DOS.
ngưỡng quá nhỏ, thì sự thay đổi ánh sáng trong môi
5
- Thực nghiệm hệ thống với mục tiêu đặt cách 1. J.Somlo, B.Lantos, P.T.Cat. Advanced robot
camera khoảng 6.5 m. Mục tiêu được gắn động cơ control. Akademiai Kiado press, 1997.
di chuyển với tốc độ khoảng 0.5m/s. Hình 8 chỉ ra 2. Wolfram Stadler. Analytical robotics and
một số frame ảnh trích từ chuỗi ảnh thu được từ mechatronics. McGraw-Hill, Inc press, 1995.
camera, minh họa khả năng bám đối tượng cũng 3. D. Maravall, L. Baumela. Adaptive control of a
như tìm kiếm tự động đối tượng. video camera for the automatic detection and
tracking of mobiles.
4. Charles A. Rechards, Nicholaos
Papanikolopoulos. The automatic detection and
visual tracking of moving objects by eye-in hand
robotics system.
5. Bharat N. Shah, Paul.Y.Oh. Biomimetic Visual
Servoing Using A Partitioned Control Scheme.
6. Apostolos Dailianas, Robert B. Allen, Paul
England. Comparison of automatic video
segmentation algorithms.
7. Halina Kwa_nicka and Bartosz Wawrzyniak.
a) Frame ảnh ban đầu b) Frame ảnh thứ 4 License plate localization and recognition in
camera pictures. Artificial Intelligence Methods
8. K. Daniilidis, C. Krauss, M. Hansen and G.
Sommer. Real-Time Tracking of Moving Objects
with an Active Camera. Real-Time Imaging 4,
(1998).
9. Kyu Bum Han, Yoon Su Back. Visual servo
tracking strategy using time-varying kalman filter
estimation. Yonsei University, Seoul, Korea.
c) Frame ảnh thứ 5 d) Frame ảnh thứ 6
10. J.A. Piepmeier, G.V. McMuray, H.Lipkin.
Tracking moving target with Model Independent
Visual Servoing: A predictive estimate Approach
Proceeding of the 1998 IEEE, Int. Conf. On
intelligent robot and system, Leuven, Begium,
1998.
11. Armel Cretual, Francois Chaumette. Image-
e) Frame ảnh thứ 7 f) Frame ảnh thứ 8 based visual servoing by integration of dynamic
measurements. IEEE Int. Conf. Robot. Automat.,
Hình 8. Chuỗi ảnh thu được sau khi thực hiện xử lí Vol 3:1994-2001, May, 1998.
ảnh và điều khiển hệ robot-camera. 12. Venkataraman Sundareswaran, Patrick
Bouthemy, Franácois Chaumette. Visual servoing
Từ kết quả thực nghiệm thấy rằng, hệ bám mục tiêu using dynamic image parameters.
di động với tốc độ xử lí ảnh khoảng 15 frame/s. Với 13. Trần Việt Phong. Xây dựng hệ điều khiển robot
tốc độ này, thí nghiệm cũng chỉ ra rằng, khi mục trên cơ sở phản hồi hình ảnh. Luận văn thạc sỹ, Đại
tiêu di chuyển với tốc độ nhanh thì ảnh mục tiêu sẽ học Bách Khoa 2002.
di chuyển ra ngoài vùng quan sát của camera, do
vậy hệ sẽ không bám được mục tiêu. Các thuật xử lí
ảnh và nhận dạng sẽ được cải thiện nhằm tăng chất
lượng của hệ thống.
6. KẾT LUẬN.
Báo cáo này đã mô tả ngắn gọn hệ thống
tự động bám đối tượng di động sử dụng thông tin
phản hồi hình ảnh. Động học của hệ được xây
dựng, vị trí của đối tượng trong ảnh được nhận
dạng theo kỹ thuật đã được trình bày ở trên. Nhằm
mục đích duy trì mục tiêu ở tâm của ảnh, phương
pháp dự báo Kalman cho vị trí tiếp theo của mục
tiêu được áp dụng. Hệ thống đã cho kết quả tốt khi
thử nghiệm, tuy nhiên để nâng cao tính ổn định và
tốc độ bám, các nghiên cứu tiếp theo sẽ được thực
hiện để hệ thống càng hoàn chỉnh hơn.
7. TÀI LIỆU THAM KHẢO.
6
nguon tai.lieu . vn
