NAO机器人的视觉系统与图像处理分析

宁夏大学物理与电子电气工程学院 王中意 朱小波 车 进

NAO机器人的视觉系统与图像处理分析

宁夏大学物理与电子电气工程学院 王中意 朱小波 车 进

NAO机器人它是一种交互性的机器人，它是由许多传感器、电机等各种软硬件相结合的产物。近年来，NAO机器人越来越受到世界各地院校和科研机构的青睐；成功运用在机器视觉、模式识别、运动控制、机电一体化、人机互动等教学及研究领域。本文介绍了NAO机器人的视觉系统及其相关图像处理。

NAO机器人；视觉；图像处理

0 引言

NAO作为一款类人智能机器人，全世界已经超过500间实验室和科研院所作为学术研究工具。随着人工智能在不同领域的兴起，大都以计算机视觉和机器视觉为入口，如自动驾驶，人脸识别，无人机等，所以视觉对于很多智能系统是至关重要的，是进行智能决策的前提条件和保障；并且对类人机器人的视觉系统进行设计研究，也显得尤为重要。目前NAO机器人视觉系统主要是通过装有的摄像头采集图像信息并通过系统进行处理，来分析周围环境，辅助机器人进行决策并完成相应任务。

1 NAO机器人视觉系统

NAO机器人的视觉系统通过摄像头摄取的彩色图像进行分析处理来获取周围环境信息，比如通过图像处理来获得机器人本身位置，是否有障碍物以及障碍物的位置等重要信息。视觉信息是NAO机器人执行决策时重要的辅助信息。

NAO拥有上下两个摄像头：一个位于前额，负责较远距离的水平扫视，视野较广；另外一个摄像头位于NAO的嘴部，负责脚下附近的短距离的周围环境，如图1。所以通常使用前额部摄像头进行较远距离的物体视觉识别，嘴部摄像头可以用作距离较近的精准测距和定位[1]。当机器人运动的时候摄像头的水平、垂直视角随头部转动而发生改变。两个摄像头的分辨率都为640*480，图像的有效像素为920万，系统可提供30帧/秒的图像帧率。在实际的运行中，由于系统原因，两个摄像头不能同时进行工作，但可以随时上下切换，所以NAO机器人是单目摄像机模型[2]。两个摄像头的相关参数如表1所示。表1列出了NAO的两个摄像头的一些具体参数，其中，NAO机器人摄取输出的图像格式为YUV422格式，两个摄像头的垂直视角、水平视角分别为34.8度、58度；焦距为固定值，范围从30cm至无穷远处，摄像头的焦距可以通过标定得到。

NAO机器人的两个摄像头之间的中心夹角为40度，配合表1所示中的一些具体参数可以得到目标或障碍物的图像信息，计算出目标或障碍物与机器人自身的距离[3-5]。NAO有自己独有的NAOqi系统，为摄像头获取图像信息提供两种方式：远程模式和本地模式。远程模式指NAO机器人通过WIFI等技术和外部主机相连，获取全部的图像信息，并在外部主机上对图像进行识别等处理。本地模式是指信号的处理和运算都在NAO机器人上，不借助外部主机，对于图像返回的是存储在NAO内存上的地址指针。因此，对于图像的处理和调用，本地模式要优于远程模式。对于需要实时性的比赛就通过本地模式访问和处理图像，对于日常的实验和分析可以开启远程模式[6]。

表1 NAO机器人摄像头参数表

图1 NAO机器人摄像头

2 NAO机器人图像处理

NAO机器人的摄像头采集到的彩色图像存在不同程度的噪声，影响图像质量，进而影响后续的图像处理，导致识别精确度下降。所以在图像视觉处理中，必须对图像进行去噪，实现精准分割，才能正确识别目标或障碍物并获得重要的位置信息，有利于更进一步的定位、跟踪等任务。

NAO机器人通过摄像头采集图像来获取外界信息，而图像受外界光照变化的影响，所以我们在进行图像处理时应寻找能够适应克服光照强度变化的图像处理算法；并且有时图像处理需要达到实时性的任务要求，视觉系统设计的算法也应该较为简练，运算量较小。

在图像处理过程中常用的颜色空间有RGB、HIS和YUV颜色空间，这三种颜色空间可以相互转换，但各有优缺点。NAO摄像头支持这三种常用的颜色空间模型，表2为NAO机器人采集不同颜色空间图像所需要的时间，可知，YUV颜色空间采集图像的时间小于RGB、HIS颜色空间，并且YUV颜色空间不易受关照强度变化的影响[1]；因此，NAO机器人视觉系统适于选用YUV颜色空间进行图像处理。

表2 NAO机器人采集一幅图像所需时间

NAO机器人通常根据颜色识别目标物体，在处理过程中容易产生椒盐噪声，所以适用中值滤波进行平滑滤波处理。在分割阶段，需要将目标提取出来进行进一步分析，目前有三种主要的图像分割算法：基于边缘、基于区域、基于颜色的图像分割算法[7]。由于NAO机器人内存空间的限制，在保证实时性要求下，图像处理算法计算量不能太大，上述三种分割算法中基于颜色的图像分割算法比上述其他两种的算法简单并计算量小，所以在图像分割阶段适宜选用基于颜色的分割算法。

3 结束语

NAO机器人在视觉处理过程，需要考虑自身因素以及外界光照环境的变化，选用适当的视觉处理算法，提高系统的鲁棒性和准确性。NAO机器人的视觉具有重要的学术研究价值，能使我们更加深入的了解计算机视觉和机器视觉理论以及挖掘机器人在人工智能领域的潜在价值。

[1]宗鹏程．基于NAO机器人的视觉目标检测与跟踪[D]．华北电力大学,2015．

[2]A．Ryberg,A．Chistiansson, E．Eriksson and Bengt Lennartson．A new Camera Model for Higher Accuracy Pose Calculations[C]．In：IEEE Proceedings of International Symposium on Industrial Electronics,2006,2：2798-2802．

[3]Zhao M,Liu L,Wang J,et al．Control system design of THBIP-1 humanoid robot[C]．IEEE International Conference on Robotics and Automation．Piscataway,NJ,USA：IEEE,2002：2253-2258．

[4]孙增圻．RoboCup世界杯与中国机器人大赛[J]．机器人技术与应用,2010(04)：6-10．

[5]张广军．机器视觉[M]．北京：科学出版社,2005,6．

[6]张勇．基于NAO机器人的模式识别和自定位研究[D]．华中科技大学,2015．

[7]J．van de Weijer,C．Schmid,J．Verbeek．Using high-level visual information for color constancy[C]．Proceedings of the IEEE 14th International Conference on Computer Vision．2007,12：1-8．

注：本文获宁夏大学研究生创新项目资助（项目编号：GIP2017012）。