帶目標(biāo)識別系統(tǒng)的雙足機器人研究

祝敏航，李曉明，范澤冰，馬 超，王金龍，蔡 迪

（浙江理工大學(xué)，a.啟新學(xué)院；b.機械電子工程研究所，浙江 杭州 310018）

雙足機器人是一個多自由度、運動鏈復(fù)雜的動力學(xué)系統(tǒng)，是機器人研究領(lǐng)域的主要方向之一，其核心技術(shù)包括了計算機技術(shù)、機器人學(xué)、傳感技術(shù)、人工智能等高新技術(shù)。

與工業(yè)機器人相比，類人型機器人的研究水平，遠沒有達到實際應(yīng)用的程度。另一方面，嵌入式技術(shù)的迅猛發(fā)展，使得其得以應(yīng)用于機器人領(lǐng)域。嵌入式微處理器性能的提升，滿足了機器人系統(tǒng)較高的使用要求，使得智能機器人的實現(xiàn)更具可行性。

本文采用SAMSUNG公司的S3C2400A微處理器，開發(fā)了雙足機器人的控制硬件電路及軟件系統(tǒng)，實現(xiàn)了機器人對特定物體（本文中為黃色圓球，黑色背景）的目標(biāo)識別，以及根據(jù)識別結(jié)果進行趨于目標(biāo)的雙足行走。

1 雙足機器人本體設(shè)計

本文研究的是具有6個自由度的雙足機器人，如圖1、圖2所示。其中包括2個髖關(guān)節(jié)、2個膝關(guān)節(jié)和2個踝關(guān)節(jié)：髖關(guān)節(jié)與膝關(guān)節(jié)各有1個自由度，負責(zé)前向運動；踝關(guān)節(jié)有1個自由度，負責(zé)側(cè)向運動；6個關(guān)節(jié)均為轉(zhuǎn)動副。

圖1 雙足機器人模型

圖2 雙足機器人實物

2 機器人的系統(tǒng)硬件設(shè)計

本文采用SAMSUNG公司的S3C2440A微處理器和芯片為OV9650的CMOS攝像頭，完成了對特定目標(biāo)的識別；采用32路舵機控制器和Tower Pro公司型號為MG945和MG995兩款舵機，完成了雙足機器人的轉(zhuǎn)彎和直線行走。其硬件結(jié)構(gòu)如圖3所示。

圖3 機器人硬件框圖

S3C2440A微處理器內(nèi)部集成了ARM公司ARM920T處理器核，主頻達到400 MHz，最高可達533 MHz，滿足了系統(tǒng)在圖像處理方面的要求。同時，本系統(tǒng)配置了256M Nand Flash和在板64M 32位SDRAM，以滿足圖像數(shù)據(jù)的存儲要求。

32路舵機控制器，是雙足機器人6路舵機協(xié)調(diào)動作的軟硬件結(jié)合系統(tǒng)，主要由上位機軟件和伺服舵機驅(qū)動控制器組成，不但能實現(xiàn)位置控制和速度控制，還具有時間延時斷點發(fā)送指令的功能。

通過S3C2440A和32路舵機控制器的串口通信，即可實現(xiàn)6路伺服舵機的單獨控制或同時控制，完成雙足機器人各關(guān)節(jié)的協(xié)調(diào)配合。

3 機器人系統(tǒng)軟件設(shè)計

3.1 嵌入式linux系統(tǒng)及其內(nèi)核配置

嵌入式linux系統(tǒng)，為開放源碼的操作系統(tǒng)，具有較高的可移植性和方便的內(nèi)核配置等特性。本文使用的linux系統(tǒng)內(nèi)核版本為Linux2.6.32.2，交叉編譯器版本為arm-linux-gcc-4.4.3。通過交叉編譯器編譯，即可將宿主機中的源代碼編譯成可在目標(biāo)板中運行的可執(zhí)行文件。內(nèi)核移植時已燒寫進了CMOS攝像頭驅(qū)動程序，故內(nèi)核配置只需選擇相應(yīng)選項即可：

（1）在Device Drivers菜單中，選擇Multimedia support進入；

（2）選擇 ov9650 on the S3C2440 driver。

3.2 目標(biāo)識別與雙足行走設(shè)計

雙足機器人系統(tǒng)的軟件實現(xiàn)如圖4所示。

圖4 軟件工作流程

其中主要步驟說明如下：

（1）圖像采集。CMOS攝像頭的設(shè)備文件名位于Linux系統(tǒng)下的/dev/camera目錄，利用CMOS攝像頭動驅(qū)程序提供的I/O操作接口函數(shù)，來打開攝像頭設(shè)備：

（2）圖像數(shù)據(jù)的轉(zhuǎn)換及灰度化。本文使用的攝像頭采集的圖片格式為16位的RGB格式，即單個像素的位數(shù)為16，其中B為5位，G為6位，R為5位（按內(nèi)存中排列順序）。由于灰度化時要用到24位的RGB格式，所以需要進行相應(yīng)轉(zhuǎn)換。按照灰度化公式

將圖像轉(zhuǎn)換為灰度圖像。

具體可通過以下代碼實現(xiàn)：

其中，Addr為圖像數(shù)據(jù)的首地址，LineLen是圖像數(shù)據(jù)每行的字節(jié)長度。

（3）邊緣檢測與二值化。邊緣檢測的算子有Roberts算子、Sobel算子、Prewitt算子、Krisch 算子等，本文采用Sobel算子進行邊緣檢測，具體算法如下：

Sobel算子是一種利用局部差分尋找邊緣的算子，它考慮圖像3×3領(lǐng)域的處理。該算子由2個卷積核組成，如圖5所示。

圖5 卷積核

將圖像中的每個像素點分別與這兩個核做卷積，取值較大的作為該像素點的灰度值。

在做卷積過程中可以參考以下方法：

設(shè)某一像素點（P5）與其相鄰的8個像素點的關(guān)系如圖6所示。

圖6 相鄰9點的位置關(guān)系

兩卷積可以表示為

Gx、Gy為卷積值，取其中的大值作為P5點的灰度值。

通過sobel算子處理后的圖像在目標(biāo)邊緣的灰度值呈現(xiàn)出一定的特征。通過實驗發(fā)現(xiàn)，在本系統(tǒng)中目標(biāo)邊緣特征灰度值取（110，180）較為合適。令灰度值在（110，180）中的像素點的灰度值為1，其他像素點的值為0，實現(xiàn)圖像的二值化。

（4）梯度Hough變換（GHT）檢測圓心。Hough轉(zhuǎn)換常用于檢測幾何圖形，在傳統(tǒng)Hough轉(zhuǎn)換的基礎(chǔ)上發(fā)展出來的新型算法，大大提高了檢測速度。本文選取了GHT來實現(xiàn)對目標(biāo)中心的檢測。

GHT算法的核心思想是用極坐標(biāo)方程表示圓：

式中，a，b分別表示圓心橫縱坐標(biāo)；

x，y為圓周點的橫縱坐標(biāo)；

r為半徑；

θ為點（x，y）的梯度角。

有sobel算子可知

實際上，上式就表示了圓周點（x，y）處的梯度信息。

結(jié)合梯度信息，利用常規(guī)Hough變換，即可較為快速地得到所識別圓的圓心（a，b）。DHT的實現(xiàn)步驟為：

步驟一，針對二值化后的圖像，對每個灰度值為1的像素點，按式（2）中求的梯度角θ，在對半徑r的循環(huán)中求得a、b；

步驟二，建立一個累加數(shù)組center[height][width],在上述循環(huán)中，center[b][a]加1；

步驟三，找出累加數(shù)組中的最大值，對應(yīng)的a、b就是圓心坐標(biāo)。

針對本機器人系統(tǒng)只要求出a，即可判斷機器人的行走方向，所以我們只求取了圓心坐標(biāo)中的橫坐標(biāo)a。具體可通過以下代碼實現(xiàn)：

若像素點的灰度值在上述閾值（110，180）范圍內(nèi)，則求出以下的 SinTheta，x1，x2

……

x1=i-radius*SinTheta;//對其中（i，j）為像素點坐標(biāo)，radius為窮舉的半徑值

x2=j+radius*SinTheta;

for(x=x1；x<=x2;x++){

center[x]+=1;//a為center[x]數(shù)組中最大值對應(yīng)的x

}

根據(jù)a的值，我們可以調(diào)整機器人的朝向。

（5）串口通信與舵機控制。S3C2440本身帶有3個TTL串口UART0、1、2，利用其中之一就能實現(xiàn)串口通信。本文選用了UART0與32路舵機控制器進行通信。將UART0中的TXD0管腳，GND管腳分別與舵機控制器的RX管腳，GND管腳相連。S3C2440作為上位機，給32路伺服舵機控制器發(fā)送指令，設(shè)置波特率為115200，即可完成通信，指令說明如下：

#PST

= 舵機號，0～31；

=脈沖寬度，單位μs，范圍500～2 500；

=移動速率即每秒移動脈寬數(shù)，單位μs/s，針對一個舵機有效；

=移動到指定位置使用的毫秒數(shù)；

=ASCII 13（回車）；

=ASCII 27（取消當(dāng)前命令）。

串口通信可通過以下程序?qū)崿F(xiàn)：

根據(jù)（4）中判斷結(jié)果調(diào)用相關(guān)指令，完成雙足機器人的行走。

（6）生成可執(zhí)行文件。利用linux下的交叉編譯器arm-linux-gcc中的編譯指令arm–linux–g++，生成在目標(biāo)板中的可執(zhí)行文件，即可運行程序，完成雙足機器人的目標(biāo)識別及朝向目標(biāo)地雙足行走。

4 機器人系統(tǒng)具體實現(xiàn)

在機器人目標(biāo)識別及跟蹤行走中，通過CMOS攝像頭抓拍下如圖7所示的畫面及圖8所示的判斷結(jié)果。此時，雙足機器人左轉(zhuǎn)彎，朝著目標(biāo)直線前進，直到程序設(shè)定時間，然后再進行下次判斷。

圖7 抓拍圖

圖8 判斷結(jié)果

5 結(jié)束語

本雙足機器人研究，結(jié)合了圖像處理技術(shù)和機器人機構(gòu)分析，基于嵌入式linux系統(tǒng)，使得雙足機器人具備了自動識別具有一定特征的目標(biāo)的能力，利用32路舵機控制器，實現(xiàn)了機器人雙足行走的要求，其研究成果具有廣泛的教學(xué)應(yīng)用前景。該研究的不足之處，在于為了得到更為準(zhǔn)確的位置定位，采用了綜合多次判斷結(jié)果得出最后判斷結(jié)果的算法，使得判斷時間增加。該算法過于簡單，在以后的研究中，可以考慮換用不同的算法，或進一步改進hough變換的算法，以提高效率。

[1]張 勇，許東來.小型雙足步行機器人的步態(tài)規(guī)劃[J].計算機仿真，2010，27(11):148-151.

[2]劉海波，沈 晶，郭 聳.Visual C++數(shù)字圖像處理技術(shù)詳解[M].北京：機械工業(yè)出版社，2010.

[3]瞿 鈞，甘嵐.梯度Hough變換在圓檢測中的應(yīng)用[J].華東交通大學(xué)學(xué)報，2007，24(1):101-104.

[4]周 奮，王 婷.嵌入式系統(tǒng)中串口通信幀的同步方法[J].單片機與嵌入式系統(tǒng)應(yīng)用，2006，(10)：73-75.

[5]馬文輝，李蘭友.Linux環(huán)境下的串口通信[J].儀器儀表用戶，2005，(1):39-42.