MÔ TẢ HỆ BÁM MỤC TIÊU DI ĐỘNG.

Chia sẻ: Ngo Chung | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

175
lượt xem 38
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Các nghiên cứu về hệ môi trường động bị bỏ khá xa so với hệ môi trường tĩnh do bị ảnh hưởng khá lớn của tốc độ tính toán, cũng như độ chính xác của việc phân tích ảnh. Do vậy, có nhiều thuật toán để cải thiện tốc độ xử lý ảnh và xem xét đến các yếu tố nhiễu tác động lên quá trình thu thập ảnh.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: MÔ TẢ HỆ BÁM MỤC TIÊU DI ĐỘNG.

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 iittTm(ng)Tj10.02 0 Tmgb ng, 94 2TT3.46027 0 100 2165194 112590 186 Tmm(i )Tj10.02 0 0 10.02 244.472 92.88251 966. 1Tj10112590 186 T0 Tc 0
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 Precision Range Max velocity việc phân loại đối tượng. Một robot có thể phải đối deg/step deg deg/s mặt với rất nhiều đối tượng khác nhau, trong đó chỉ 0.01290 -1590 – +1580 Pan 60 có một đối tượng quan tâm, còn các đối tượng khác 0.01290 -300 – +410 Tilt 60 thì không. Do vậy chúng ta phải mở rộng khả năng 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 Các thông số cơ bản của robot được giới thiệu như được thông tin về vị trí của mục tiêu trong môi trên bảng 1. trường động, các đặc trưng của mục tiêu rất quan Do các tín hiệu điều khiển dựa trên thông tin xử lí trọng. Các điểm lỗ, các góc cạnh, các đặc trưng ảnh, nên một mô hình ánh xạ từ mặt phẳng ảnh vào hình học của mục tiêu được phân tích thông qua không gian robot cần được thực hiện. Hơn nữa, để quá trình nhận dạng. Đặc tính về trọng tâm của mục giảm ảnh hưởng của nhiễu và giảm khối lượng tính tiêu có thể dễ dàng tính thông qua momen bậc nhất toán trong xử lí ảnh nên các bước tiền xử lí, nhận của ảnh, trong trường hợp môi trường tĩnh, nhưng dạng, thích nghi cũng được sử dụng. Các bước này trong trường hợp môi trường động, việc này rất khó sẽ lần lượt được trình bày dưới đây. thực hiện vì chi phí thời gian tính toán lớn. Một giải pháp hay được sử dụng để lọc nhiễu, dự báo vị trí 3. MÔ HÌNH HÓA ĐỘNG HỌC ROBOT. tiếp theo của mục tiêu, do đó giảm đáng kể thời 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 Xc thứ hai trình bày về mô hình động học của hệ thống. Phần tiếp theo giới thiệu về mô hình bộ lọc Oc Kalman trong dự báo vị trí mục tiêu. Phần thứ 4 là P(X, Y, Z) Zc Z Y' thuật toán nhận dạng, xử lí ảnh. Kết quả thử nghiệm d2 hệ thống VICON sẽ được trình bày ở phần 5. Cuối θ cùng là kết luận và hướng nghiên cứu tiếp theo. φ d1 X 2. MÔ TẢ HỆ BÁM MỤC TIÊU DI ĐỘNG. O X' Z' Hệ bám mục tiêu di động được trình bày trong bài này như hình 2. Hệ thống bao gồm một bệ Y quay hai bậc tự do (2DOF), camera CCD có thể di 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 sát. Tiếp theo, sử dụng xấp xỉ đó để xây dựng mô Hình 2. Thiết bị điều khiển pan/tilt-camera. 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 với φ và θ, đầu tiên ta tìm ma trận chuyển đổi đồng Gọi OXYZ là hệ toạ độ thực của hệ robot-camera nhất R O c của hai phép quay camera xung quanh O và OXcYcZc là hệ toạ độ gắn với camera. P(X, Y, Z) 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 Y tượng P(X, Y, Z) nằm trên trục OcZc. Từ hình vẽ 4, có thể nhận thấy: P(X, Y, Z) Xc (1) Y tan( φ ) = X φ Y Zc λ α và xp O Oc −x p (2) X X Y d1 tan( α ) = c = = X − d1 λ Zc 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) sin(φ) 0 0 quan sát được, và λ là đại lượng có thể đo được, ta sin(φ) -cos(φ) 0 0 RO = có thể tính được α. 0 1 0 0 O' 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 ) = O' (3) 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 ⎟ ⎝ ⎠ đồng nhất khi chuyển từ hệ tọa độ thực O về hệ tọa 1 độ camera Oc, theo định nghĩa ta có: từ (4) có thể nhận thấy rằng sai số khi thực hiện xấp ( ) = (R ) xỉ có thể chấp nhận được, trong các trường hợp sau: −1 OT O O RO c = ROC OC - limY→0 φe = 0. Khi hệ điều khiển bám chính xác 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 sin(φ) -cos(φ) 0 0 Các giả thiết này được áp dụng cho mô hình động 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 Hình 3 và hình 4 chỉ ra rằng các điểm P(X, Y, Z) sẽ sai số do độ phân giải của robot và sai số do nhiễu được chiếu lên tâm của mặt phẳng ảnh IP sau khi trong xử lí ảnh. thực hiện phép quay φ và θ . Do vậy, khi biết ma Đối với xấp xỉ góc θ cũng tính tương tự. Ta có thể 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. (5) 0 = 1 2. Mô hình động học của hệ robot-camera. 3
x k = [u k u k v k v k ]T ; y k = [ u k v k ]T & & cos(φ)cos(θ) sin(φ)cos(θ) sin(θ) X 0 -cos(φ)sin(θ) -sin(φ)sin(θ) cos(θ) Y 0 trong đó (uk, vk) và (u k , v k ) tương ứng là toạ && sin(φ) -cos(φ) 0 0 Z độ và tốc độ của ảnh đối tượng trên mặt phẳng ảnh 0 0 0 1 1 ở thời điểm thứ k. Trong đó, (c, 0, 0, 1) và (X, Y, Z, 1) là tọa độ đồng - Nhiễu quá trình ωk là nhiễu thể hiện độ không nhất của điểm P khi nhìn trong hệ toạ độ Oc và hệ chính xác của mô hình và được giả thiết là nhiễu ồn toạ độ O tương ứng. 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 xác của sensor và cũng được giả thiết là nhiễu ồn Xsin(φ) - Ycos(φ) = 0 (6) trắng có giá trị kỳ vọng bằng 0 và ma trận tương -Xcos(φ)sin(θ) - Ysin(φ)sin(θ) + Zcos(θ) = 0 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⎜ ⎟ điểm đặc trưng, ta xấp xỉ chuyển động của mục tiêu ⎝X⎠ (7) 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 0 0⎤ T ⎢0 1 0 0⎥ ⎡1 0 0 0⎤ từ giả thiết xấp xỉ (1) và (2) ta có: A=⎢ ⎥ C=⎢ ⎥ ⎢0 0 1 T⎥ ⎣0 0 1 0⎦ ⎛ xp ⎞ ⎢ ⎥ φ = − arctan⎜ ⎟ ⎜λ ⎟ ⎣0 0 0 1⎦ (8) ⎝ ⎠ G=I Gọi P là ma trận tương quan sai lệch, ban đầu P0 ⎛ yp ⎞ ⎜ 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 trên để làm giảm thời gian tính toán. Hình 7 thể B ắt đ ầu hiện ảnh kết quả sau khi đã thực hiện nhận dạng. Tiền xử lý ảnh nhị phân ảnh phân vùng Nhận dạng a) ảnh gốc. b) ảnh sau khi xử lí mục tiêu Hình 7. ảnh sau khi qua các bước xử lí. Xác định tọa độ 5. THỬ NGHIỆM HỆ THỐNG. mục tiêu 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 trưng chủ yếu của robot giới thiệu trong bảng 1. Hình 6. Lưu đồ xử lí ảnh. Camera CV-M50, monochrome CCD Camera của hãng JAI Corporation, có tiêu cự λ = 8mm, tín hiệu Để đánh giá trạng thái của một pixel là đối tượng 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
1. J.Somlo, B.Lantos, P.T.Cat. Advanced robot Thực nghiệm hệ thống với mục tiêu đặt cách control. Akademiai Kiado press, 1997. camera khoảng 6.5 m. Mục tiêu được gắn động cơ 2. Wolfram Stadler. Analytical robotics and di chuyển với tốc độ khoảng 0.5m/s. Hình 8 chỉ ra mechatronics. McGraw-Hill, Inc press, 1995. một số frame ảnh trích từ chuỗi ảnh thu được từ 3. D. Maravall, L. Baumela. Adaptive control of a camera, minh họa khả năng bám đối tượng cũng video camera for the automatic detection and như tìm kiếm tự động đối tượng. 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. License plate localization and recognition in a) Frame ảnh ban đầu b) Frame ảnh thứ 4 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- based visual servoing by integration of dynamic e) Frame ảnh thứ 7 f) Frame ảnh thứ 8 measurements. IEEE Int. Conf. Robot. Automat., Vol 3:1994-2001, May, 1998. Hình 8. Chuỗi ảnh thu được sau khi thực hiện xử lí 12. Venkataraman Sundareswaran, Patrick ảnh và điều khiển hệ robot-camera. Bouthemy, Franácois Chaumette. Visual servoing using dynamic image parameters. Từ kết quả thực nghiệm thấy rằng, hệ bám mục tiêu 13. Trần Việt Phong. Xây dựng hệ điều khiển robot di động với tốc độ xử lí ảnh khoảng 15 frame/s. Với trên cơ sở phản hồi hình ảnh. Luận văn thạc sỹ, Đại tốc độ này, thí nghiệm cũng chỉ ra rằng, khi mục học Bách Khoa 2002. tiêu di chuyển với tốc độ nhanh thì ảnh mục tiêu sẽ 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