壁面移动机器人视觉检测技术发展研究概述*

重庆科技学院 机械与动力工程学院 重庆 401331

引言

爬壁机器人是特殊的移动机器人，在工业场景中应用相当广泛，比如应用于检查和维护海面船只、油罐和高层建筑玻璃板等场合。一般来讲，爬壁机器人要在未知环境中实现安全、可靠地作业，除了应具有较高的运动灵活性和壁面吸附稳定性，还需用传感器感知周围环境。近年来，随着图像传感器硬件技术以及图像处理技术的飞速发展，机器视觉已成为爬壁机器人检测技术发展的重要方向。

1 障碍检测技术

非接触式检测技术是当前壁面障碍检测主流方式，包括超声波、红外探测、激光测距和视觉检测等。因为反射信号面积较小，通常对于表面体积不大的壁面障碍来说超声波和红外技术表现不佳；激光扫描面积大，精度高，但由于成本高昂，普及难度较大。视觉检测因其具有成本低、精度高、实时性好等优点，基于视觉的检测技术在壁面障碍检测和目标定位应用较为广泛。根据所使用的相机数目视觉检测技术可分为单目视觉、双目视觉、多目视觉检测。实际应用中双目视觉障碍检测成本较单目系统高，但是与超声波、红外探测、激光测距等方案相比成本又较低，而且双目视觉系统没有样本的概念，无须维护样本数据库。双目视觉技术直接利用视差计算距离，精度比单目高。因而双目立体视觉技术较单目视觉技术在障碍检测领域有更多的应用。

2 基于视觉技术的障碍检测研究现状

2004年，发射的火星探测车机遇号和勇气号通过对拍摄到的图像对进行图像预处理、立体匹配、三维重建等方法检测出障碍物信息[1]。2005年，王辉[2]通过区域分割，把图像对应点的匹配问题简化为区域边界点的匹配，将障碍物三维信息计算转化为视差的判断，提高了匹配的速度，解决了立体视觉障碍检测匹配精度以及匹配算法的实时性问题。2010年，谭磊[3]通过引入LVQ神经网络分类器，在HSV空间内分割图像，有效地消除了环境因素对视觉障碍检测的影响，并根据摄像机模型几何关系，推导图像坐标与机器人坐标的转换关系，实现障碍物的快速准确定位，使得该方案对环境光线变化和阴影有较强的自适应能力。2012年，何少佳[5]采用小目标阈值选取法，对图像进行分割，然后采用目标场景匹配法和目标投影匹配法相结合的方法，获取分割后目标像素的差异和投影的变化，并依据此提取障碍物。2016年，刘昱岗[5]通过双目图像视差和三角测量原理获取图像中各目标的实际坐标，设定最大深度计算最小视差，依据视差阈值提取障碍。2017年，王军华[6]利用预检验法和内点阈值限定法对采用随机采样一致性估计的平面拟合法进行改进，实现障碍物快速检测。2020年，唐东林[7]针对壁面障碍物的不确定性，通过建立壁面检测模型约束检测范围，引入面积阈值，过滤干扰进行障碍物提取，提出了一种障碍物定位算法，解决障碍物中心视差丢失问题。

3 总结与展望

基于视觉技术的障碍检测技术的应用潜力可在工业、农业及军事等多个领域有着广阔前景，是未来一个很重要的发展方向。同时随着近年来视觉技术的飞速发展，将双目立体视觉技术应用于移动机器人已有较多研究。但是双目立体视觉当前仍存在一些不足：

对计算单元的性能要求非常高，导致双目系统的产品化、小型化的难度较大。

双目的配准效果，直接影响障碍检测的准确性。视觉检测技术高度依赖图像的质量，实际检测过程中双目视觉系统对环境光照非常敏感，光照角度或强度等环境因素的变化均会导致拍摄的两张图片亮度差别较大，使得系统对匹配算法的要求极高。

这两点不足直接导致了视觉技术在壁面障碍检测应用中易用性较低，双目系统的大型化必然影响壁面移动机器人的壁面吸附稳定性。视觉系统不如人眼适应性强和敏感，环境光影的变化通常导致检测系统的误检或漏检。那么在当视觉系统硬件水平尚未满足工业环境检测条件前，可采用将视觉系统与多传感器相融合的方法，利用多传感器采集的信息与机器视觉提取障碍信息融合综合提取的信息能解决单一视觉系统的局限，提高融合后的系统可信度和准确度。同时，解决和改善双目立体视觉理论上的缺陷与不足才能逐步提高视觉技术在障碍检测领域的实用性与易用性。