引言 Altera公司的Nios II處理器是可編程邏輯器件的軟核處理器。NiosII軟核處理器和存儲器、I／O接口等外設(shè)可嵌入到FPGA中，組成一個可編程單芯片系統(tǒng)（SOPC），大大降低了系統(tǒng)的成本、體積和功耗。適合網(wǎng)絡(luò)、電信、數(shù)據(jù)通信、嵌入式和消費市場等各種嵌入式應(yīng)用場合。 本文提出一個基于Nios II處理器結(jié)構(gòu)的系統(tǒng)用于實現(xiàn)機(jī)器人實時運動檢測跟蹤，使用線性卡爾曼濾波器算法來快速完成運動估計及進(jìn)一步分析和校正，算法中的乘除利用MATLAB／DSP Builder生成的模塊作為Nios II處理器的自定義指令的設(shè)計方法。 機(jī)器人視覺伺服控制器的研究與設(shè)計 機(jī)器人視覺伺服控制就是用各種成像系統(tǒng)代替視覺器官作為輸入的敏感手段，并由高速處理器替代大腦完成相應(yīng)的處理和解釋，其最終研究目標(biāo)就是使機(jī)器人視覺伺服控制器能像人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力，可依據(jù)視覺敏感和反饋，以某種程度的智能完成一定的任務(wù)。 系統(tǒng)硬件實現(xiàn) 基于SOPC的機(jī)器人視覺伺服控制器，主要由FPGA、存儲器和外設(shè)三個部分，如圖1所示。 攝像頭位置固定，它所能采集圖像的范圍稱為視覺區(qū)域，調(diào)整攝像機(jī)使視覺區(qū)域覆蓋機(jī)器人的工作空間，即機(jī)器人要跟蹤的曲線在該視覺區(qū)域內(nèi)。利用攝像機(jī)采集圖像，而后系統(tǒng)對采集的圖像進(jìn)行處理，分析、提取出離散的采樣點序列，最后再根據(jù)采樣點序列規(guī)劃機(jī)器人的運動路徑。其中，F(xiàn)PGA部分核心是Nios II處理器Core。在一般的嵌入式系統(tǒng)開發(fā)中，當(dāng)需要新的外設(shè)模塊時往往需要在PCB上加入相應(yīng)的外設(shè)芯片或者換用更高檔的CPU，而SOPC設(shè)計可以同一個FPGA芯片內(nèi)加入相應(yīng)的外設(shè)模塊核，并通過在片上的Avalon總線與NiosⅡ處理器Core相連，因而不需要在PCB這個層面上作更多的修改。成像采集裝置從目標(biāo)對象場景中采集圖像序列，保存在SOPC的片外存儲器中，然后利用NiosⅡ處理器和定制的乘法、除法等DSP運算指令來實現(xiàn)線形卡爾曼濾波器的算法，從而實現(xiàn)運動目標(biāo)的識別與跟蹤。 系統(tǒng)軟件的實現(xiàn) 離散線性卡爾曼濾波算法 線性卡爾曼濾波是美國工程師Kalman在線性最小方差估計的基礎(chǔ)上，提出的數(shù)學(xué)結(jié)構(gòu)上比較簡單的最優(yōu)線性遞推濾波方法，具有計算量、存儲量低，實時性高的優(yōu)點。特別是經(jīng)歷了初始濾波的過渡狀態(tài)后，濾波效果非常好。 線性卡爾曼濾波基本算法如下：設(shè)一隨機(jī)動態(tài)系統(tǒng)，其數(shù)學(xué)模型為： 公式1中x（k）為系統(tǒng)狀態(tài)矢量，w（k）為系統(tǒng)噪音矢量,φ（k）,Г（k）為系統(tǒng)矩陣,公式2中Z（k）為系統(tǒng)觀測矢量，H（k）為系統(tǒng)觀測矩陣，V（k）為系統(tǒng)觀測噪音矩陣。 關(guān)于系統(tǒng)的隨機(jī)性，本文假定，系統(tǒng)噪音和觀測噪音是不相關(guān)的零均值高斯白噪聲。隨機(jī)系統(tǒng)的狀態(tài)估計問題，就是根據(jù)選定的估計準(zhǔn)則和獲取的測量信息對系統(tǒng)狀態(tài)進(jìn)行估計，卡爾曼濾波的估計準(zhǔn)則是： 其中，即估計是x（k）無偏和最小方差，根據(jù)這兩個準(zhǔn)則可推導(dǎo)出對系統(tǒng)的完整的濾波算法，即： 預(yù)測誤差方程為： 增益矩陣方程為： 濾波誤差方差陣為： 上述公式中I是單位矩陣，Q為w（k）自協(xié)方差方差陣，R為V（k）自協(xié)方差方差陣。卡爾曼濾波采用遞推算法，計算最優(yōu)濾波值時，K（k+1）由P（k+1|k）來確定，P（k+1|k）由P（k）來確定，P（k+1）由P（k+1|k）和K（k+1）來確定，如此反復(fù)遞推運算。 系統(tǒng)程序流程 　　本系統(tǒng)的主要功能是完成運動目標(biāo)的鎖定，并控制運動平臺對目標(biāo)進(jìn)行實時跟蹤。使用高性能NiosII處理器作為控制器控制著整個系統(tǒng)的實現(xiàn)流程和高效的線性卡爾曼濾波算法對目標(biāo)運動參數(shù)的估計，有效地提高了圖像處理速度，實現(xiàn)了運動目標(biāo)的快速跟蹤。以下是系統(tǒng)流程： 1．系統(tǒng)初始化：由SOPC通過控制總線設(shè)置USB接口微型攝像頭工作模式，并初始化其主控程序變量。 2．確定運動區(qū)域：由Nios II處理器根據(jù)圖像序列鎖定運動物體，根據(jù)被跟蹤物體確定運動跟蹤區(qū)間，接下來的跟蹤操作都是在這個跟蹤窗口中進(jìn)行。 3．預(yù)測計算：利用線形卡爾曼濾波器方程進(jìn)行計算。 4．濾波：預(yù)測和濾波是相互作用的，即由濾波得到預(yù)測而由預(yù)測又可得到濾波。 5．輸出：SOPC發(fā)出控制信號給隨動平臺。 　　該系統(tǒng)采用集成了Nios軟核處理器的Stratix高密度FPGA，控制器通過攝像頭記錄每一時刻運動目標(biāo)的位置和速度作為觀測值。然后按照公式（3）、（4）、（5）、（6）進(jìn)行最佳狀態(tài)估計，得到每一時刻運動目標(biāo)的位置和速度的預(yù)測值。由于各種干擾因素的存在，經(jīng)過七八個時間段后預(yù)測位置與觀測位置相當(dāng)接近，即可實現(xiàn)準(zhǔn)確的狀態(tài)預(yù)測。 結(jié)語 　　本文建立了一套基于SOPC結(jié)構(gòu)的多關(guān)節(jié)機(jī)器人視覺伺服系統(tǒng)，主要應(yīng)用線性卡爾曼濾波算法成功的預(yù)測了運動目標(biāo)的狀態(tài)參數(shù)功能是鎖定運動目標(biāo)，實現(xiàn)對目標(biāo)進(jìn)行實時跟蹤。由于應(yīng)用卡爾曼濾波后極大地縮小了搜索空間，減少了系統(tǒng)的圖像處理時間，可以有效地提高系統(tǒng)的實時性，實現(xiàn)對運動目標(biāo)的快速跟蹤。