第5期 贺超，等：采用Kinect的移动机器人目标跟踪与避障 .427. 信息获取的影响， 体感摄像机，它也可以在个人计算机上使用，目前支 本文利用Kinect代替传统测距传感器，构建移 持Kinect在个人计算机上使用的软件开发包有 动机器人目标跟踪与避障系统，利用基于统计的局 OpenNI以及微软公司提供的SDK,Kinect通过USB 部地图更新法解决了其在使用中存在的盲区问题和 接口与计算机连接.使用Kinect可以获得一幅分辨 噪声问题结合改进的人工势场避障算法[3】与基于 率为640×480的RGB彩色图像和一幅与之对应的 颜色信息的粒子滤波目标跟踪算法9)，在差动驱 深度图像利用获得的深度信息，可以通过转换得到 动的轮式移动机器人上实现了目标跟踪的同时进行 相应环境的3-D模型，转换后的三维坐标系如图2， 动态避障 原点0为摄像机所在位置，Z轴正方向为摄像机正 1移动机器人与Kinect简介 前方。 RGB彩色摄像机 1.1移动机器人运动学模型 目前使用的移动机器人多为轮式差动驱动，其 在惯性坐标系下的运动学描述为 0 sg2 红外发射与接收 图2 Kinect及其图像坐标系 式中：x、y为移动机器人在全局参考系下的坐标，日 Fig.2 Kinect and its image coordinates 为移动机器人在全局参考系中的方向角，”为移动 由于Kinect摄像机的坐标系统与移动机器人 机器人直线移动速度，ω为移动机器人转动的角速 度.图1为移动机器人的惯性坐标系，其中X,、Y,确 使用的坐标系统不同，因此从Kinect获得的3-D坐 定了移动机器人的局部坐标系，X、Y确定了其世界 标需要经过转换才能保证与移动机器人坐标系统一 坐标系 致.具体的转换关系如图3所示，图中X、Y、Z为Ki- nect的3-D坐标系，X,、Y,为移动机器人局部坐标系」 10 图1移动机器人惯性坐标系 Fig.I Inertial coordinate system of the mobile robot 图3 Kinect与移动机器人坐标系对应关系 根据移动机器人全局坐标系与局部坐标系的 Fig.3 Coordinates relationship between Kinect and mobile robot 相应关系，可以将局部坐标系中的坐标转换为相对 因此，根据Kinect与移动机器人的坐标对应关 于全局坐标系的坐标.令坐标(x1,y)为机器人局部 系以及坐标转换方法，可以将由Kinect获取的移动 坐标系的坐标，并且已知移动机器人在全局坐标系 机器人局部坐标系的环境信息转换为移动机器人全 中的位置(xy,0),那么其相对于机器人全局坐 局坐标系下的环境信息。 标系的坐标(x。y)可由式(1)计算： 需要注意的是Kinect读取深度数据时存在盲 (x=x.+xcos 0.yisin 6., (1) 区，在实际的使用中，Kinect能够读取到深度数据的 (y=ye xisin 0 y cos 0. 有效范围约为600~5000mm,这就导致当障碍物进 1.2 Kinect 入到距离Kinect小于600mm的范围时，其位置信 Kinect是微软公司推出的一款用于X-OX360的 息不能有效地被获取.因此需要将障碍物的信息做信息获取的影响. 本文利用 Ｋｉｎｅｃｔ 代替传统测距传感器ꎬ构建移 动机器人目标跟踪与避障系统ꎬ利用基于统计的局 部地图更新法解决了其在使用中存在的盲区问题和 噪声问题.结合改进的人工势场避障算法[３￣８] 与基于 颜色信息的粒子滤波目标跟踪算法[９￣１１] ꎬ在差动驱 动的轮式移动机器人上实现了目标跟踪的同时进行 动态避障. １ 移动机器人与 Ｋｉｎｅｃｔ 简介 １.１ 移动机器人运动学模型 目前使用的移动机器人多为轮式差动驱动ꎬ其 在惯性坐标系下的运动学描述为 ｘ 􀅰 ｙ 􀅰 θ 􀅰 é ë ê ê ê ê ù û ú ú ú ú ＝ ｃｏｓ θ ０ ｓｉｎ θ ０ ０ １ é ë ê ê êê ù û ú ú úú ｖ ω é ë ê ê ù û ú ú ＝ ｖｃｏｓ θ ｖｓｉｎ θ ω é ë ê ê êê ù û ú ú úú . 式中:ｘ、ｙ 为移动机器人在全局参考系下的坐标ꎬθ 为移动机器人在全局参考系中的方向角ꎬｖ 为移动 机器人直线移动速度ꎬω 为移动机器人转动的角速 度.图 １ 为移动机器人的惯性坐标系ꎬ其中 Ｘｒ、Ｙｒ确 定了移动机器人的局部坐标系ꎬＸ、Ｙ 确定了其世界 坐标系. 图 １ 移动机器人惯性坐标系 Ｆｉｇ.１ Ｉｎｅｒｔｉａｌ ｃｏｏｒｄｉｎａｔｅ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｍｏｂｉｌｅ ｒｏｂｏｔ 根据移动机器人全局坐标系与局部坐标系的 相应关系ꎬ可以将局部坐标系中的坐标转换为相对 于全局坐标系的坐标.令坐标 (ｘｌꎬｙｌ) 为机器人局部 坐标系的坐标ꎬ并且已知移动机器人在全局坐标系 中的位置 (ｘｃꎬｙｃꎬθｃ)ꎬ 那么其相对于机器人全局坐 标系的坐标 (ｘｇ ꎬｙｇ ) 可由式(１)计算: ｘｇ ＝ ｘｃ ＋ ｘｌ ｃｏｓ θｃ － ｙｌ ｓｉｎ θｃꎬ ｙｇ ＝ ｙｃ ＋ ｘｌ ｓｉｎ θｃ ＋ ｙｌ ｃｏｓ θｃ { . (１) １.２ Ｋｉｎｅｃｔ Ｋｉｎｅｃｔ 是微软公司推出的一款用于Ｘ￣ＯＸ３６０的 体感摄像机ꎬ它也可以在个人计算机上使用ꎬ目前支 持 Ｋｉｎｅｃｔ 在个人计算机上使用的软件开发包有 ＯｐｅｎＮＩ 以及微软公司提供的 ＳＤＫꎬＫｉｎｅｃｔ 通过 ＵＳＢ 接口与计算机连接.使用 Ｋｉｎｅｃｔ 可以获得一幅分辨 率为 ６４０×４８０ 的 ＲＧＢ 彩色图像和一幅与之对应的 深度图像.利用获得的深度信息ꎬ可以通过转换得到 相应环境的 ３￣Ｄ 模型ꎬ转换后的三维坐标系如图 ２ꎬ 原点 Ｏ 为摄像机所在位置ꎬＺ 轴正方向为摄像机正 前方. 图 ２ Ｋｉｎｅｃｔ 及其图像坐标系 Ｆｉｇ.２ Ｋｉｎｅｃｔ ａｎｄ ｉｔｓ ｉｍａｇｅ ｃｏｏｒｄｉｎａｔｅｓ 由于 Ｋｉｎｅｃｔ 摄像机的坐标系统与移动机器人 使用的坐标系统不同ꎬ因此从 Ｋｉｎｅｃｔ 获得的 ３￣Ｄ 坐 标需要经过转换才能保证与移动机器人坐标系统一 致.具体的转换关系如图 ３ 所示ꎬ图中 Ｘ、Ｙ、Ｚ 为 Ｋｉ￣ ｎｅｃｔ 的 ３￣Ｄ 坐标系ꎬＸｒ、Ｙｒ为移动机器人局部坐标系. 图 ３ Ｋｉｎｅｃｔ 与移动机器人坐标系对应关系 Ｆｉｇ.３ Ｃｏｏｒｄｉｎａｔｅｓ ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ Ｋｉｎｅｃｔ ａｎｄ ｍｏｂｉｌｅ ｒｏｂｏｔ 因此ꎬ根据 Ｋｉｎｅｃｔ 与移动机器人的坐标对应关 系以及坐标转换方法ꎬ可以将由 Ｋｉｎｅｃｔ 获取的移动 机器人局部坐标系的环境信息转换为移动机器人全 局坐标系下的环境信息. 需要注意的是 Ｋｉｎｅｃｔ 读取深度数据时存在盲 区ꎬ在实际的使用中ꎬＫｉｎｅｃｔ 能够读取到深度数据的 有效范围约为 ６００~５ ０００ ｍｍꎬ这就导致当障碍物进 入到距离 Ｋｉｎｅｃｔ 小于 ６００ ｍｍ 的范围时ꎬ其位置信 息不能有效地被获取.因此需要将障碍物的信息做 第 ５ 期 贺超ꎬ等:采用 Ｋｉｎｅｃｔ 的移动机器人目标跟踪与避障 􀅰４２７􀅰