具有顏色識別功能的類人機器人設計＊

周冬波，鄧記才

（鄭州大學 信息工程學院，鄭州450001）

引 言

智能移動機器人是近年來發展起來的一門綜合學科，涉及機械設計、傳感檢測、人工智能等多方面知識［1］。類人機器人的控制系統分為三個層次［2］：最上層是機器人的策略規劃層，利用各種算法實現各部分的功能；中間一層運行各類應用程序的嵌入式實時操作系統；最底層是硬件平臺，通過外圍接口獲得各類數據、信息［3］。

自主機器人利用傳感器獲取的信息控制機器人的動作［4］。本文根據武術擂臺機器人的實際需要，設計了機器人的控制系統，實現攝像頭圖像采集、處理和舵機控制等功能。

策略規劃層中，由于圖像信息具有信息豐富、對場景描述完全的特點，主要通過處理攝像頭采集的圖像信息實現顏色目標定位。這里采用Linux嵌入式操作系統，由于嵌入式系統資源的限制，要求目標識別算法運行效率高，占用內存空間小。硬件平臺主要是控制舵機實現機器人的運動控制。

1 系統控制電路與視頻識別算法

1.1 機器人整體架構

在武術擂臺技術挑戰賽中，機器人要采集目標的位置信息。由于I／O、A／D轉換的有效檢測距離有限，機器人采用攝像頭采集場地上的圖像信息，根據目標的顏色進行識別、定位。當檢測到目標位置以后控制舵機自主運動向目標靠攏，完成自我介紹、抱繡球等動作。所設計的機器人外形如圖1所示。

從圖中可以看出，機器人頭部采用攝像頭，通過USB接口與主控板進行連接，用于采集圖像信息。機器人腰部、腿部、胳膊各關節利用舵機使其具有一定的自由度，用到的舵機為CDS系列數字舵機。它內部有ATmega8芯片，主控板通過串口與ATmega8通信，就可以實現舵機的控制。針對以上要求，同時考慮系統的實時性，采用S3C6410作為主控芯片。實際控制系統總體框圖如圖2所示。

1.2 舵機控制系統設計

主控板通過串口1完成與舵機之間的數據通信，舵機控制電路的原理圖如圖3所示。

圖1 機器人外形圖

圖2 系統總體框圖

由于半雙工數據線只有一根，所以必須在電路上實現發送和接收上的分離。這里網絡Robotis＿UART一端直接接到舵機的信號線上，而另一端經過74HC126的兩個緩沖器分別與主控芯片的TXD1和RXD1相連，再通過主控芯片使能的方式來確定是發送還是接收數據。主控芯片可以使NLED1為高而NLED2為低，這時TXD1就取得了線路的控制權，主控芯片就可以發送數據到舵機了。反之，當NLED2為高而NLED1為低時，這時RXD1就取得了線路的控制權，這時舵機可以返回數據。

圖3 舵機控制電路

舵機控制的軟件方面，需要完成串口的相關配置，主要包括波特率、起始位數、數據位數、停止位數和流控制模式。這里將其配置為波特率19 200、起始位1位、數據位8位、停止位1位和無流控制模式。串口的設置主要是設置struct termios結構體的各成員值，如下所示：

2 圖像識別算法

攝像頭采集到的圖像主要作如下處理：首先對數據解碼，利用查表法將RGB空間模型數據轉化為HSI空間模型［5］，然后采用類間方差法將圖像進行二值化，再利用連通域對目標進行標定，最后對圖像進行去噪，從而實現目標的識別和定位。圖像處理程序流程圖如圖4所示。

圖4 圖像處理程序流程圖

攝像頭采集的圖像為RGB格式，但RGB模型中R、G、B值易受光線影響，不適宜進行顏色識別；HSI模型中，不同的顏色對應不同的色調參數H，并且H受外界光照影響小，因此采用HSI模型實現顏色識別。因此，要通過某種算法，先將RGB色域空間映射到HSI空間。常用的顏色空間轉換算法如下：

實現顏色空間轉換以后就要根據不同的H值對圖像進行二值化處理。二值化的實質是一分類問題，即把一幅圖像所含有的0～255的二進制像素按照某個閾值劃分成兩類。如果閾值設得太低，結果會引入過多的背景信息，但太高就會導致目標信息的丟失。類間方差法（Otsu）［6］、最大熵方法（KSW）［7］和直方圖平衡法（Balanced Histogram Thresholding，BHT）［8］是目前應用較廣的自動閾值計算方法。

這里采用類間方差法，它的核心思路就是通過最大化類間方差來尋找最佳閾值。假設某一閾值T將整個二值圖像分為C0（1，…，T）和C1（T，…，255）兩類，則兩類的出現概率可以用下式計算：

其中，Pi代表灰度為i的像素的出現概率。而各類的類內平均灰度則可表示為：

類間方差和類內方差分別定義為：

其中，μT表示整個圖像的平均灰度，且式（4）還滿足：

如上所述，最佳閾值的判斷標準是使得類間方差最大。于是通過遍歷每一個灰度值，并計算其劃分帶來的類間方差，總能找到一個合適的閾值滿足條件。由于式（4）計算二階中心矩計算量較大，考慮到：

接下來的工作就是對圖像進行標定，這里所指的標定就是根據二值化后的圖像，計算出目標區域的外接矩形位置。在目標構成比較簡單的情況下，投影法［9］是效率最高的方法，而當場景中存在多個目標時，多數情況下需要進行連通域計算［10］。拓撲學中把連通性定義為，區域內任意兩點之間存在至少一條曲線可以將兩者連接。目前的連通域標記方法主要分兩類：掃描法［11－12］和輪廓跟蹤法［13］。掃描法的基本思路是逐個檢查每個像素的值和連通性，從而獲得所有的連通性描述信息，然后根據每點之間的相互關系計算出最后的區域個數和構成關系。基于掃描的連通標記演示如下（以8連通為例）：

首先對二值圖像進行行掃描得到線段連通標記，如圖5所示。然后檢查每行之間線段與上一行線段之間的連通關系，并更改標記。

第1行：線段1創建標記A。

第2行：線段2、1之間連通，線段2標記為A；線段3同理標記為A。

圖5 行掃描

第3行：線段4、2之間連通，線段4標記為A；線段5創建標記為B。

第4行：線段6、4之間連通，線段6標記為A；線段6、5之間連通，將線段5的標記由B變為A。

第5行：線段7創建標記B；線段8、6之間連通，線段8標記為A。結果如圖6所示。

將圖像標定完畢可以去掉圖像中的噪點，并且找到目標的中心，實現目標的定位。

圖6 標記結果

3 實驗與結果分析

將控制卡裝到機器人上，控制機器人運動，在運動中攝像頭采集圖像，并且用方框將目標進行標定。利用上述顏色識別算法對圖紅色繡球進行標定，得到如圖7所示的結果。

圖7 結果圖片

隨著機器人的運動，繡球在圖像中的位置發生變化，機器人根據標定結果，就可以得到繡球的位置，根據位置調整自己的運動準確找到繡球。圖像采集的速度達到15幀／s，舵機控制準確度達到0.32°，可以圓滿完成比賽任務。

結 語

本文以S3C6410作為主控芯片，設計了具有視覺識別功能的類人機器人控制系統。改進的顏色識別算法利用查表法、類間方差法、連通域等方法對圖像進行處理，取得了良好的視頻識別效果。實踐證明，由該控制系統的設計方案制作而成的類人機器人，具有良好的自主控制穩定性和較好的視覺識別能力，能夠較出色地完成比賽。

［1］孟慶春.智能機器人及其發展［J］.中國海洋大學學報，2004（9）.

［2］程南瑞，劉國棟.基于嵌入式實時操作系統的類人足球機器人的設計［J］.江南大學學報，2008，7（5）：564－566.

［3］劉科，孔令富，趙逢達.類人機器人中目標識別算法和動作規劃的研究與實現［D］.秦皇島：燕山大學，2008.

［4］馮占英，李永霞，盛洪.自主機器人指定顏色形狀屬性物體的識別方法［J］.北京聯合大學學報：自然科學版，2011（3）.

［5］R C Gonzalez，R E Woods.Digital Image Processing［M］.3rd edition.［S.l.］：Pubilshing House of Eletronics Industry，2010.

［6］Otsu Nobuyuki.Threshold Selection Method from Gray－Level Histograms［J］.IEEE Transactions on Systems，Man and Cybernetics，1979，9（1）：62－66.

［7］J N Kapur，P K Sahoo，A K C Wong.A new method for gray－level picture thresholding using the entropy of the histogram［J］.CVGIP，1985，29（3）：273－285.

［8］Andrew B，John R.Thinking in Perspective：Critical Essays in the Study of Thought Processes［M］.［S.l.］：Routledge，1978.

［9］吳建華，鄒德旋，李靜輝，等.基于小范圍搜索的虹膜定位方法［J］.儀器儀表學報，2008，29（8）：1704－1708.

［10］Fei Guo，Ji－cai Deng，Dong－bo Zhou.A Connected Domain Analysis Based Color Localization Method and Its Implementation in Embedded Robot System［J］.IJIGSP，2011，3（5）.

［11］C Grana，D Borghesani，R Cucchiara.Optimized Block－Based Connected Components Labeling With Decision Trees［J］.ICIP，2010，19（6）：1596－1609.

［12］K Suzuki，I Horiba，N Sugie.Linear－time connected－component labeling based on sequential local operations［J］.CVIU，2003，89（1）：1－23.

［13］Fu Chang，Chun－Jen Chen.A component－labeling algorithm using contour tracing technique［C］／／ICDAR，Edinburgh，August，2003.［S.l.］：IEEE，2003：741－745.