带死区的PTZ摄像头模糊PID跟踪方法研究

梅权杰，吴功平，付 博，殷庆斌

（1.武汉大学动力与机械学院，湖北 武汉 430072；2.国网吉林省电力有限公司白山供电公司，吉林 白山 134300）

1 引言

机器视觉捕获图像信息是机器人判断自身运动状态，完成巡检任务目标解析的主要方法。其中主动视觉是对移动目标实时跟踪技术中的一个重要研究方向，使得安装于固定位置的摄像机能够根据目标位置和方向信息进行镜头位姿调整。目前常用的主动视觉摄像机为PTZ（Pan/Tilt/Zoom）摄像机，其主要控制方法如下：文献[1]采用KCF目标跟踪方法并使用粒子滤波框架对目标进行状态预测，基于跟踪结果使用PID算法对PTZ摄像机进行协调控制；文献[2]运用模糊控制方法对PTZ摄像机进行运动控制，在控制方向上采取优先控制策略，对比目标质心在视场中x和y两个方向的位置偏差，使摄像机优先转动至偏差大的方向以完成校准，而在转速控制方面则通过设置速度比例系数来线性调节摄像头转速，最后通过波门面积对比设定阈值来确定缩放操作；文献[3]对PTZ摄像机进行模型辨识和建立动态矩阵，通过仿真和试验反复调整控制参数对PTZ摄像机实现主动控制以实现视觉目标跟踪，但对模型的匹配度要求较高；文献[4]采用P控制器控制PTZ摄像头实现目标跟踪，并且通过增加比例项减少持续跟踪过程中跟踪误差引起的剧烈振荡；文献[5]综合计算位置偏差和误差积累，采用PI控制器控制摄像头跟踪目标。

在机器人跟踪目标过程中，搭载在移动机器人平台上的PTZ摄像机通过定位目标位置来观察不同场景中的细节，且利用主动视觉来观察目标物。但是，跟踪中图像的稳定性和振荡性会影响跟踪目标的精度。以高压输电线路巡检机器人[6]巡检作业为研究对象，基于巡检机器人搭建的主动目标跟踪平台，提出运用带死区的模糊PID控制方法，对架空高压输电线杆塔的金具作为目标物进行跟踪。实验结果表明，此算法能够实现基于PTZ摄像机的主动视觉跟踪，较好的控制采集图像的稳定性，降低图像振荡。

2 PTZ摄像机目标跟踪平台

2.1 机器人平台与工作环境介绍

以工作在高塔架空地线上的巡检机器人搭建PTZ摄像机主动视觉目标跟踪平台。机器人结构包括两套安装在同一水平导轨上的机械臂和一套收展臂机构，其中机械臂是由行走轮机构、压紧轮机构和松锁臂机构共同组成的轮臂复合式结构。两台SONY SNC-WR630系列高清PTZ网络摄像机对称安装在机器人控制箱两侧。机器人行走轮安装了轴后编码器，压紧轮安装了霍尔传感器，机箱内置倾角传感器，三者辅助机器人完成自动运行。巡检机器人外观，如图1所示。

图1 机器人结构图Fig.1 The Robot Structure

机器人在高压输电线上的运行过程包括直线段运行和越障，其中越障根据障碍物类型分为越金具和越塔，金具为防震锤，越塔根据塔型分为“越直线塔”和“越耐张塔”两种。机器人通过对不同机构的组合动作实现“滚动越障”和“蠕动越障”。

（1）“滚动越障”即为双臂压紧轮松开，滚动越过障碍物；

（2）“蠕动越障”即为在一只机械臂行走轮保持制动状态并且压紧轮保持压紧状态下，另外一只机械臂通过压紧轮松开，行走轮配合收展臂机构向内或向外实现单臂越过障碍物。

机器人巡检作业任务即为在直线段行驶过程中拍摄杆塔金具，具体包括防震锤、绝缘子串、船型线夹和拉线金具等，均可作为主动跟踪对象。

2.2 机器人自主定位方法

为便于机器人越过塔头，对直线塔和耐张塔分别采用了C型挂板和耐张过桥的改造结构[7]，而机器人通过机械结构和传感器融合定位方法完成自主定位[8]为主动视觉控制提供了必要条件，定位方法，如图2所示。

图2 机器人自主定位方法Fig.2 Automatic Location Method of Robot

机器人由耐张杆塔运动至直线杆塔，以耐张过桥中点为原点建立杆塔坐标系{A}，同时建立机器人坐标系{B}，在任意位置，可通过行走轮编码器、压紧轮霍尔传感器和倾角传感器记录并求解出机器人相对坐标原点OA的位置偏移量ΔyB、ΔzB和由杆塔转角引起的角度偏移量α，则通过坐标分解即可得到机器人坐标系原点OB相对坐标系{A}的空间坐标ApBo，如式（1）所示。

3 目标跟踪模型与方法

3.1 跟踪控制量求解

建立机器人运动过程中需要跟踪的目标信息数据库，并建立摄像机坐标系{C}，如图3所示。图中φ为摄像机安装角，ΔxC、ΔyC分别为坐标系{C}在x和y方向上的偏移，机器人可基于定位信息计算出目标物在PTZ摄像机坐标系{C}中的坐标，进一步转化为控制量。

图3 摄像机坐标系分解图Fig.3 The Decomposition Diagram of Camera Coordinate System

在巡检过程中，设t=t0时刻机器人已完全越过防震锤，开始目标跟踪位置为D，机器人自D点开始跟踪目标。设时间间隔δ，在时间tn=t0+nδ(n=1，2，...，N)时，机器人到达Dn点，由定位算法得到机器人在沿导线竖直平面的y和z两个方向的定位距离为Ay(tn)和Az(tn)，同时通过倾角传感器测得沿导线方向的倾角为θ(tn)，则对于在坐标系{A}中坐标为Ap=(Ax0，Ay0，Az0)的目标，其在摄像机坐标系{C}中的坐标可通过如下坐标转换关系求得：

式中：xB、yB、zB—坐标系{B}的坐标轴。通过控制摄像机的两个方位使其视轴对准目标物，由图3 可得对于目标物Cp=(Cx0，Cy0，Cz0)，在摄像机坐标系{C}中的位置分解，如图4所示。

由分解图可得控制量Pan和Tilt分别如下：

式中：pan0—摄像机Pan方向初始角度；tilt0—Tilt方向初始角度。则在连续跟踪时间内，形成了摄像机位置跟踪曲线t-pan、t-tilt。

3.2 PTZ摄像机控制方法

PTZ摄像机在主动跟踪目标时需要根据目标位置调整自身镜头位姿。使用的PTZ摄像机提供了基于C++的CGI（Command Get/Inquiry）命令控制方式，主要包括以下三种：（1）绝对位置控制：Pan、Tilt，速度（Pan和Tilt均为四位16进制数）；（2）方向速度控制：方向，速度（对Pan，方向为right/left；对Tilt，方向为up/down）；（3）位置反馈：Inqury=Pan，Tilt，Zoom。

对摄像机在Pan方向和Tilt方向的速度控制等级进行参数标定，结果如图5、图6所示。由图5和图6可知，虽然摄像机的调速范围较宽，且呈非均匀分布，但实际速度控制量只能取有限的等级，低速区域适合减弱旋转运动模糊；高速区域适合快速到达跟踪曲线的起始点以及波动较大的点。

图5 Pan等级Fig.5 Pan Level

图6 Tilt等级Fig.6 Tilt Level

4 带死区的模糊PID控制方法

在实际目标跟踪问题中，考虑到目标位置不断变化和PTZ摄像机速度控制等级的非均匀分布的特点，为了能够稳定有效地跟踪巡检目标，采用带死区的模糊PID控制方法动态调节PID参数，该模型包含模糊控制器和PID控制器，其结构，如图7所示。

图7 模糊PID控制器设计Fig.7 The Design of Fuzzy PID Controller

4.1 模糊控制器结构

由自主定位目标跟踪算法得到的PTZ摄像机目标位置为给定信号，实际反馈位置为输出信号，对pan和tilt两个方向均选取角度偏差e和偏差变化率ec构成输入语言变量，选取PID 的ΔKp、ΔKi、ΔKd增益控制量构成输出语言变量。

4.1.1 变量模糊化

通过实验确定输入和输出的基本论域，根据量化因子和比例因子分别将输入和输出转化到论域，如式（4）所示。

定义输入和输出论域模糊量语言值均为e、ec、ΔKp、ΔKi、ΔKd=｛NB、NM、NS、ZE、PM、PS、PB｝，隶属度函数，如图8所示。

图8 隶属度函数Fig.8 The Subordinating Degree Function

4.1.2 模糊推理及去模糊化

模糊推理是模糊控制器的核心，能根据模糊逻辑中的蕴涵关系及推理规则从输入模糊量推导出输出模糊量。通过实验经验总结出推理规则，如表1所示。采用“重心法[9-10]”将输出模糊量去模糊化，再经过输出比例因子的尺度变换得到最终的实际输出ΔKp、ΔKi、ΔKd，如式（5）所示。

式中：fij=ui(e)·uj(ec)；ui(e)—e的隶属度；uj(ec)—ec的隶属度；Ku—比例因子；uij的值由模糊规，如表1所示。

表1 模糊PID推理规则表Tab.1 The Rules of Fuzzy Control

4.2 带死区的PID控制器结构

采用离散位置式PID[11]控制方法，控制量计算，如式（6）所示。

式中：Kp、Ki、Kd—由模糊控制器在线整定所得，如式（7）所示。

式中：Kp0=0.5、Ki0=0.2、Kd0=0.2—PID初始整定值；对于由模糊控制修正后计算求得的u（k），根据其值的大小和正负按照2.1中速度等级测算结果转化为实际控制等级和控制方向。

由于PTZ 摄像机控制等级数量有限，在误差较小时，模糊PID控制器会解算选择低控制等级，使摄像机在单位时间内转动的角度大于该误差，无法到达目标位置，易处于低等级方向频繁切换状态，导致巡检画面极不稳定，且会使摄像机自身产生机械磨损。因此，采用带死区的PID[10]，其控制算式，如式（8）所示。

即当计算误差小于设定误差时，令e（k）=0，则此时摄像机停止动作，式中e0可通过摄像机由实验确定。

4.3 Zoom控制

针对PTZ摄像机Zoom控制中调整焦距倍率问题，可根据目标相对PTZ摄像机距离进行调整。

根据3.1中图4可得目标相对PTZ摄像机视场中心距离，如式（9）所示。

文中使用的摄像机包括30级倍率，根据距离做出的调整策略，如表2所示。

表2 Zoom倍率调整策略Tab.2 The Adjustment Strategy of Zoom Ratio

5 实验与验证

基于VS2008和摄像机提供的API接口搭建摄像头主动视觉目标跟踪软件平台（CVS人机交互界面），通过该界面可得到主动视觉目标跟踪图像结果，如图9所示。

图9 CVS人机交互界面Fig.9 CVS Man-Machine Interface

在搭建的模拟实验平台上通过机器人采集连续运行过程中的定位信息，并计算得到pan方向和tilt方向控制量跟踪曲线，对摄像头进行离线目标控制位置跟踪试验。现场照片，如图10所示。

图10 现场实验Fig.10 The Field Experiment

实验条件，如表3所示。

表3 实验条件信息Tab.3 The Information of Experimental Condition

表3中位置反馈命令平均应答时间t1指从发出命令到接收到位置信息时间，速度控制命令应答时间t2指从发出命令到摄像机开始动作时间，t1和t2由实际测试过程多组值取平均值所得。考虑到图像分辨率越大会影响图像传输速率，在不影响图片质量的前提下选择图像分辨率为（640×480）。

由于PTZ摄像机视场较宽，短距离内的巡检无法检验其跟踪能力，因此设定机器人在越过直线塔防震锤后行走15m直线段过程中对防震锤进行动态跟踪，此过程中定位坐标采样时间T=200ms，测试其跟踪效果。实验过程包括使用Fuzzy PID带死区和不带死区的Fuzzy PID的两种方法进行跟踪实验，试验过程中记录目标位置变化曲线、摄像机实际跟踪曲线和速度控制等级变化曲线，主要对比目标跟踪的连续性和稳定。

由图11～图14可以看出：（1）在模糊PID控制中，对比带死区和不带死区两种控制结果：从跟踪曲线可以看出，当摄像机反馈角度位置与给定目标位置偏差较小时，在Pan方向和Tilt方向上摄像机控制等级均处于等级1，对于设置死区的控制器，当位置误差进入死区后，计算得到控制等级为0，摄像机接收Move=stop，motor命令，保持当前位置状态不变，可有效地减少由于无死区的控制动作过于频繁带来的图像晃动和机械震动。（2）如图11 所示，Pan方向目标位置角度在逐渐增加，当保持当前位置状态一段时间后，偏差会逐渐增加，最终脱离死区，控制等级如图12所示发生突变，因此将目标跟踪过程中拍摄图片时间选定在死区范围内，以避免旋转运动模糊对图像的影响。（3）Pan方向角度范围变化相对于Tilt方向宽，对视角整体影响较大，而Tilt方向趋于平稳，死区在对Tilt方向上的控制影响更为明显。

图11 Pan方向Fuzzy PID控制跟踪曲线Fig.11 Fuzzy PID Control Tracking Curve of Pan Direction

图12 Pan方向Fuzzy PID控制等级曲线Fig.12 Fuzzy PID Control Grade Curve of Pan Direction

图13 Tilt方向Fuzzy PID控制跟踪曲线Fig.13 Fuzzy PID Control Tracking Curve of Tilt Direction

图14 Tilt方向Fuzzy PID控制等级曲线Fig.14 Fuzzy PID Control Grade Curve of Tilt Direction

6 结论

机器人在通过PTZ摄像机主动跟踪目标过程中根据目标位置不断调整姿态，但由于目标位置随时发生变化和摄像机控制精度有限等问题导致视场不稳定和振荡，文中提出了一种带死区的模糊PID控制方法，基于架空高压输电线巡检机器人搭建PTZ摄像头主动视觉跟踪平台，对杆塔目标物进行主动跟踪。实验表明该方法可以有效降低视场频繁振荡，满足目标跟踪需求。