基于计算机视觉的智能机器人设计
李波波，刘卫东，柴炜**
作者简介：李波波，（1988-），男，研究生，主要研究方向：电力电子技术，自动化设备
通信联系人：刘卫东，（1976-），男，副教授，主要研究方向：自动控制理论. E-mail: lwdcumt@163.com
（中国矿业大学信息与电气工程学院，江苏 徐州 221008）
5 摘要：基于计算机视觉技术，详细设计了数字图像处理的软硬件。系统通过摄像头采集道路
信息，采集的图像先二值化处理，再用哈夫变换得到路径形状信息通过无线传给上位机，处
理后再通过无线串口将控制命令发给机器人，从运行结果来看系统的实时性满足设定的要
求。
关键词：计算机视觉；图像二值化；哈夫变换；上位机
10 中图分类号：TP23
Design of Intelligent Robot Based on Computer Vision
LI Bobo, LIU Weidong, CHAI Wei
(School of Information and Eletrical Engineering,China University of Mining and Technology,
15 JiangSu XuZhou 221008)
Abstract: Based on computer vision technology, detailed design of digital image processing
hardware and software.The System collected road information through the camera, captured
images before binarization processing, then the path shape Hough transform information passed to
the host computer via wireless, then processed through a wireless serial port control commands to
20 the robot, from the results view real-time systems to meet the set requirements.
Keywords: Computer vision; Image binarization; Hough transform; Host computer
0 引言
现代智能机器人在人工智能、芯片制造、传感器行业的发展推动下有了很大的技术突破，
25 应用范围越来越广泛[1]，本项目的智能机器人可以应用于煤矿井下发生突发事件时对井下环
境的探测，完成安全检查，监控等功能。它的设计由传感器模块、图像处理模块、执行模块
等组成，采用摄像头作为机器人的“眼睛”，拓宽了机器人的视野，使得导航物体的选用范
围变得更宽，增强了系统的灵活性，降低了维护成本。并且大量复杂的关于图像处理的运算
都由计算机完成，增加了机器人控制的的实时性，在路径识别方面选取鲁棒性较好的算法处
30 理视频信息，从而控制小车沿着给定路径前行。
1 整体系统结构
基于计算机视觉的智能机器人系统的硬件部分由计算机、USB 接口无线摄像头、无线
串口、AS-UIII 实验用机器人组成。上位机分为3 部分，即图像处理、机器人运动控制和其
他信息显示部分。基于视觉导航的原始输入图像是连续的数字视频图像。系统工作时，图像
35 预处理模块首先对原始的输入图像进行缩小、边缘检测、二值化等预处理。然后利用哈夫变
换提取出对机器人有用的路径信息。最后，运动控制模块根据识别的路径信息，调用直行或
转弯功能模块使机器人做相应的移动。整个工作流程如图1 所示。
 图1 系统工作流程
40 Fig. 1 System Workflow
2 路径识别
2.1 色彩模型性变换
彩色图像的描述一般采用RGB 模型[2-3]，RGB 模型是基于三基色的一种色彩描述方式，
45 它是基于笛卡尔坐标系的，而HIS 模型是基于色调，灰度，饱和度的一种色彩描述方式，
它是基于圆柱极坐标系的，如图2 所示。RGB 容易理解但不宜进行计算机编程，HIS 模型
易于将颜色分离，利于计算机编程，所以我们要将RGB 模型转换到HIS 模型中。
图2 RGB 模型（左）与HSI 模型（右）
50 Fig. 2 Model of RGB (Left) and Model of HIS (Right)
本项目中我们用VC++编程，实现图像处理，由RGB 到HIS 的转换表达式为：
  式中
图像处理结束后，即可针对图像的某方面特性进行处理。例如，仅需要对图像的灰度进
55 行处理，就相当于把一副彩色图像变成了只有灰度参数的黑白图像，但表面上图像依然是彩
色的，并不影响我们观察现实物体。
2.2 图像的二值化处理
图像的二值化又称为灰度分划(Threshold)[4]，一般影像的灰度分划只有两种灰度值，即
设定一个灰度值，凡是影像本身灰度大于设定灰度值的令其为亮点，反之令其为暗点，如此
60 可得到一个二元的影像。凡是需要作文字识别或条纹辨认的影像，皆可利用此方式将一个复
杂的图面简单化。假设m 为二值化的阀值(thresholding value)，例如设定影像灰度分划值m
为m = f (x, y) ，式中(x, y) 为像素点的坐标值。
凡是影像的灰度值低于分划值m 的令为0，影像的灰度值高于分划值m 的令为1，这种
技巧称之为二值化阀值撷取(bilevel thresholding)。这样就可以提取影像中的特征点，让复杂
65 图像简单化。这种划分方法具有较强的鲁棒性，只要阈值取得适当，就可以较好地辨识出要
找的特征物体，同时可以滤去干扰信息。二值化处理前后的轨道图像如图3 所示，
图3 二值化处理前后的轨道图像对比
70 Fig. 3 Comparison of Track Images after Binarization
2.3 哈夫变换路径判别
哈夫变换所实现的是一种由图像空间到参数空间的映射关系[5-6]。它的实质是将图像空
间中具有一定关系的像元进行聚类，找到能把这些像元用某一解析形式联系起来的参数空间
75 累积对应点。哈夫变换可以用来检测某些具有特定曲线方程的曲线，如直线、抛物线、圆等。
本项目中，摄像头得到的是240×320 的图像，以左上角为坐标原点，每个像素点都有它
的坐标。图像经过二值化处理后，可以得到每个“1”像素和“0”像素交界处的坐标，这便
 是要处理的路径。
在图像空间XY 里，所有过点（x，y）的直线都满足方程：
80 y = px + q
其中p 为斜率，q 为截距。上式也可写成：
q = −px + y
上式可是认为代表参数空间PQ 中过点（p，q）的1 条直线。
由此可知在图像空间中共线的点对应在参数空间里相交的线。反过来，在参数空间中相
85 交于同1 个点的所有直线在图像空间里都有共线的点与之对应。这就是点—线的对偶性。
具体计算时需要在参数空间PQ 里建立1 个2D 的累加数组。设这个累加数组A（p，q），
如图4 所示，其中[Pmin，Pmax]和[Qmin，Qmax]分别为预期的斜率和截距的取值范围。开
始时置数组A 为零，然后对每1 个图像空间中的给定点，让p 取遍P 轴上所有可能的值，
并算出对应的q。再根据p 和q 的值（设都已经取整）对A 累加:A（p，q）=A（p，q）+1。
90 累加结束后，根据A（p，q）中的最大值就可以得到图像空间共线点的最大值，这样就提取
出了图像上的特征图形——直线。
图4 参数空间数组
Fig. 4 Array of parameter space
95
3 上位机设计
本项目采用visual c++ 6.0 设计上位机，包括小车信息反馈、图像处理、手动控制等模
块。上位机主要完成图像处理、路径判别、发送命令等功能，机器人运动的控制命令通过和
计算机连接的无线串口发送。
0
P
Pmin 0 Pmax
Qmax
Qmin
A（p，q）
 100
图5 上位机界面
Fig. 5 PC Interface
当机器人视野中出现一条主引导线时，哈夫变换会检测出这条直线，此时发送直行命令。
105 如果机器人在运动中出现侧偏，则采用下述方法进行直行控制：根据引导线在图像平面坐标
中的位置来判断机器人的偏向。当引导线位于图像平面的左半边，则命令机器人左转；当引
导线位于图像平面的右半边，则命令机器人右转；当引导线在图像平面中间时，则命令机器
人不偏转继续直行。机器人在前进过程中，根据图像平面中引导线的位置不断调整方位，以
一定的转动角度(微小的转动角度即可，使机器人的摆动幅度尽量小)在直线路径上行走。
110 如果机器人的视野中出现转弯路口，那么哈夫变换会检测出直线过短，此时开始执行转
弯模式。机器人需要在距转角合适的距离处开始运行转弯模块，以保证机器人视野中始终具
有引导线。
4 电机控制
本项目下位机控制芯片采用NXP 公司的ARM7 中的LPC2132 微处理器，用来完成命
115 令接收、电机控制和机器人状态信息的上传的功能，图六是其电机控制电路图。
图6 电机控制电路
Fig. 6 Circuit of Motor Control
120 通过PWM 控制电机转速，但是由于电机本身的差异，即使相同的电压驱动也很难保证
 机器人走直线，所以采用PID 闭环控制[7]。
应用PID 算法进行反馈控制。根据控制量，这里采用位置式算法。
P 公式如：U=KEi+Uo；
PI 公式如： i j o U K(E T/T* E) U; i = + Σ +
PID 公式如： i i j d 1 o U K(E T/T* E T /T*(E E )) U; i i− 125 = + Σ + − +
其中， o U 是控制量的基准，这里是50，电机期望的速度是50，E 是实际速度与期望，
这里因为我们没有控制对象的具体参数，所以我们只能用试凑法，控制一个量不变，改变其
他可变量观察控制效果，直到得到最好的控制效果，我们通过做实验是具体结果是：
1 2 i1 i2 K＝1.0，K =1.6，T =20，T =20，T=0.5
130 实验结果，小车可以走直线，即便有时会偏出直线但也会以S 型路线重新回到轨道。
5 结束语
本文主要研究了基于计算机视觉的智能机器人的设计，将二值化、哈夫变换用于图像处
理和路径识别，用visual c++制作了控制界面，完成了算法的程序设计。应用PID 算法对小
车进行闭环控制，用ARM7 作为下位机控制芯片，达到了快速性要求。从实验结果来看，
135 本方案设计的运动机器人可靠性高，定位准确，达到了现场应用的设计要求。