基于DSP信號實時編碼的采摘機器人避障控制研究

馬　將，文宇橋，詹　旭

(四川理工學院 自動化與電子信息學院，四川 自貢　643000)

?

基于DSP信號實時編碼的采摘機器人避障控制研究

馬將，文宇橋，詹旭

(四川理工學院 自動化與電子信息學院，四川 自貢643000)

摘要：為了提高采摘機器人成功避障的性能，在采摘機器人機器視覺技術中引入了DSP實時編碼技術，通過對成熟果蔬圖像和視頻的實時編碼，獲取果蔬位置和障礙物位置，達到成功避障的目的。根據機器人視頻采集驅動的軟件架構，對采集驅動進行了改造，在不增加前端外設的前提下實現了主動降幀，并根據DSP芯片的特點，對實時編碼器進行了優化設計，大大提高了高分辨率圖像實時編碼的速率。最后，對機器人的距離位置測量和避障功能進行了測試，通過測試發現：在1.20～2.00m的距離范圍內，測量的距離和實際距離的最大偏差不超過0.03m，6組避障測試中機器人成功避障的概率較高，其中最低也達到了97.28%，符合設計的要求。

關鍵詞：采摘機器人；實時編碼；機器視覺；降幀處理；避障控制

0引言

基于DSP平臺實現H.264編碼器具有高性能、低成本等特點，能夠滿足圖像和視頻實時編碼的需求，是機器人避障編碼的一種理想的解決方案。本文選取的TMS320DM642是Ti 公司C64X系列中比較經典的一款DSP芯片，采用兩級Cache的哈佛結構及甚長指令字和單指令多數據結構，具有獨立的地址總線和數據總線， 其性能超越了傳統的多媒體處理器。本文將DSP平臺應用在了機器人機器視覺的圖像和視頻處理技術中，利用實時編碼的方式獲取成熟果蔬的具體位置，并利用勢函數方法作為避障算法，以期提高采摘機器人的作業效率和作業精度。

1采摘機器人避障控制總體設計

果蔬采摘機器人采摘過程中，為了實現其避障功能，將其設計成由4部分組成的機械結構，包括5自由度的機械手、行走機構、液壓驅動系統和單片機控制系統，采摘過程如圖1所示。在機器人進行采摘時，機器人首先?？吭诰嚯x母樹距離為3～5m時，操縱機械手利用回轉馬達實現定位，對準目標，準備采摘。

在采摘作業過程中，利用DSP與信號實時編碼控制機械手到達一定的高度后，機械手末端張開，并開始擺動，對準采摘樹枝；然后利用避障功能躲開樹枝，再用手指摘取果實，其避障流程如圖2所示。

圖1　采摘機器人作業過程示意圖

圖2　采摘機器人避障過程示意圖

由圖2可以看出：利用速度、圖像和角度傳感器，獲取機器人動作參數和障礙物圖像后，通過DSP信號實時編碼，采用避障勢函數算法，利用變頻器控制電機，向執行末端發出命令，可以成功地躲避障礙物。

圖3為圖像DSP實時編碼的流程圖。為了實現視頻的實時編碼，利用一定的延遲和VPort口的主動降幀，對高清的(1024×768)60Hz的視頻圖像，視頻采集幀率可以穩定在30幀的目標幀率，提高了實時編碼的效率。

圖3　圖像降幀實時編碼流程圖

2采摘機器人避障結構和控制算法設計

為了使采摘機器人能夠成功地躲避障礙物，需要對機器人執行末端結構進行設計，包括夾持結構和切斷裝置，具體設計如圖4所示。

1.直流電機　2.蝸輪蝸桿機構　3.鋼絲軟管傳動　4.刀架與刀片

其中，設計氣缸的活塞桿通過銷軸與兩手指后端滑槽的高副連接，從而把直線運動的導桿轉換成了繞轉軸擺動，利用滑槽導桿機構，實現了對果蔬的夾持。在手指圓弧內使用橡膠層，保障了抓取過程中夾緊力的均勻分布，避免了果蔬的損傷；橡膠層還增大了果蔬與手指間的摩擦力，使夾緊更加可靠。

夾持裝置需要切割裝置的配合來完成果蔬的采摘。目前切割裝置主要有兩種方式：一種是利用機器人手腕和軸關節的轉動來擰斷果柄，一般應用在果柄較易斷裂的水果，如番茄等；但對于果柄柔性較大的裝置，其操作空間較大，不利于機器人的避障。另一種方法是利用切刀對果柄進行切斷，這種方式對果蔬的定位要求較高，但手握需要有必要的自由度；雖然采摘成功率較高，但是采摘效率較低，機器人的結構相對復雜。基于此，設計了如圖5所示的果柄切割裝置。

1.直流電機　2.微型蝸輪蝸桿減速器　3.鋼絲繞盤　4.鋼絲

切割裝置采用直流電機作為切割動力的來源，并利用軟管鋼絲作為傳動裝置，驅動刀片繞手指外做1周的旋轉，可以完成手指周圍任意位置果柄的切割。這樣設計可以減少檢測果柄范圍和調整機械手姿態的裝置的設計，使裝置更加簡單、動作效率更高。同時，刀片使用楔形刀片，這種切割方式使切割過程中的果柄與刀刃存在滑動，更加有利于果柄的切斷，提高了采摘的成功率。

為了實現機器人的避障功能，需要采用一定的算法規劃機器人的動作路徑，本文使用人工勢場法對機器人的避障行為進行設計。其基本思想是構造這樣的人工勢場，使得在該勢場中運動的機器人受到其目標位姿引力場和障礙物周圍斥力場的共同作用，無碰撞路徑規劃可以通過搜索函數的下降方向來實現。

假定采摘作業機器人的連桿均為直桿，其工作空間可以看作每個障礙物都包含在1個球中，可以利用障礙物和機器人之間的幾何關系構造避障函數。其中，連桿和障礙物之間的距離為

(1)

其中，i=1,2,3,…，n；k=1,2,3,…，n；k表示障礙數，n表示關節連桿數，Oi表示障礙物的位置矢量，Pj表示關節j的位置矢量。

圖6為采摘機器人機械手和障礙物的位置示意圖。機械手關節與障礙物距離為

d1ij=Pj-Oij=2,3,…,n+1

(2)

其避障勢函數為

(3)

當(d1ij-ri-si)<0，且Dij位于Pj和Pj+1之間時，Fij1(q)=(d1ij-ri-si)2，否則Fij1(q)=0；當(d2ij-ri-si)<0時，Fij2(q)=(d1ij-ri-si)2，否則Fij2(q)=0。其中，W1和W2表示正的常數，ri表示球體的半徑，si表示安全因子，Dij表示連桿j經過障礙物i的中心垂線的垂足。

人工勢場函數的優勢在于相對于自由空間法而言更適合于動態環境及多關節機械臂的避碰路徑規劃，因此本文選取該方法作為避障算法，可以有效提高采摘機器人避障的準確率。

圖6　采摘機器人機械手與障礙物位置示意圖

3采摘機器人避障功能測試

為了驗證本文設計的采摘機器人避障功能的有效性和可靠性，本文首先對其DSP視頻和圖像信號實時編碼系統進行了測試，并對避障功能結果進行分析。其中，果樹的采摘范圍如圖7所示。

圖7　果樹采摘范圍標定

在采摘機器人避障過程中，需要重復考慮搜索范圍。考慮到蘋果采摘的搜索范圍， 需要同時引入3個宏塊行的數據，其中1 024×768分辨率視頻半行數據為包含32個宏塊。機器人對于圖像和視頻的處理流程如圖8所示。

圖8　DSP幀編碼流程圖

圖8中，采用單幀參考的方法，將步長量化選擇為25，結合視頻的降幀和視頻采集驅動，對高分辨率的采摘圖形進行分析，采摘試驗選用蘋果采摘作為研究對象，采摘過程如圖9所示。

為了對高清圖像進行實時處理，采用DSP實時編碼的形式，并對編碼后的圖像進行實時圖像分割，成熟蘋果圖像分割后的效果如圖10所示。

為了提取出成熟果實的圖像，采用DSP實時編碼分割技術，通過分割得到了蘋果的二值化圖像。由圖10可看出：待采摘蘋果圖像的輪廓清晰，可以被機器人視覺系統所識別。

圖9　機器人蘋果采摘實驗

圖10　圖像分割結果

表1為利用DSP對蘋果采摘視頻和圖像進行編碼測試得到的結果。通過測試可以發現：系統的平均PSNR損失較小，小于0.5dB，碼率的增加也不大，其數值小于碼率5%；而可將編碼速度提高了2.98 倍，可以實現25幀/s的編碼速率。

表1　DSP實時編碼測試結果

表2為障礙物測量距離和時間偏差的測試結果。由表2可以看出：在1.20～2.00m的距離范圍內，測量的距離和實際距離的最大偏差不超過0.03，而蘋果的直接一般在0.1m，所以可以滿足采摘需求。

為了測試本文設計的采摘機器人成功避障的概率，對不同采摘時間的避障率進行了6組測試，通過測試得到了如表3所示的結果。由表3可以看出：6組測試中機器人成功避障的概率的較高，其中最低也達到了97.28%，符合設計的要求。

表2障礙物測量距離和實際距離偏差表

Table 2The deviation of distance and actual distance of obstacles

m

表3　采摘時間和成功避障率測試

4結論

基于DSP實時編碼技術，結合視頻和圖像處理技術，根據機器人視頻采集驅動的軟件架構，對采摘機器人的視覺系統進行了改進，使機器人具有了實時躲避障礙物的功能，提高了機器人采摘的效率和采摘質量。

為了驗證機器人避障功能的有效性和可靠性，對機器人的避障功能進行了測試。通過測試發現：測量距離和實際距離的誤差不超過0.03m；而對6組機器人避障的測試發現，其成功避障率不低于97.28%，成功避障率較高，為機器人避障功能的設計提供了較有價值的參考。

參考文獻：

[1]劉繼展，李萍萍，李智國.番茄采摘機器人末端執行器的硬件設計[J].農業機械學報,2008,39(3):109-112.

[2]蔣煥煜,彭永石,申川，等.基于雙目立體視覺技術的成熟番茄識別與定位[J].農業工程學報，2008, 24(8):279-283.

[3]蔡健榮,李玉良,范軍，等.成熟柑橘的圖像識別及空間定位研究[J].微計算機信息，2007,23(12-1):224-225,314.

[4]司永勝,喬軍,劉剛，等.基于機器視覺的蘋果識別和形狀特征提取[J].農業機械學報，2009,40(8):208-213.

[5]吳修文,馮曉霞,孫康嶺,等.農用機器人導航電子地圖的研究[J].農業裝備與車輛工程,2010(3):40-42.

[6]韓高樓.GPS定位技術的優缺點[J].陜西建筑,2010(2):56-58.

[7]欒寶寬, 田華明,張磊.GPS定位誤差的影響因素分析[J].中國科技信息,2010(9):132-133.

[8]陳文良,謝斌,宋正河，等.拖拉機電控液壓動力轉向系統的研究[J].農業工程學報,2006,22(10):122-124.

[9]徐文兵,高飛.天寶Trimble AgGPS 332 單點定位在林業測量中的應用探析[J].浙江林學院學報,2010, 27(2):310-315.

[10]張楠，董曉晶，張健.WGS-84 坐標系與BJ-54 坐標系的轉換方法及精度探討[J].制造業自動化,2009,31(12):162-164.

[11]段瑞玲,李慶祥,李玉和.圖像邊緣檢測方法研究綜述[J].光學技術,2005(3):415-419.

[12]魏偉波,芮筱亭.圖像邊緣檢測方法研究[J].計算機工程與應用,2006(30):88-91.

[13]宏福.圖像邊緣分割算法的優化研究與仿真[J].計算機仿真,2011(8): 280-283.

[14]袁春蘭,熊宗龍.基于Sobel算子的圖像邊緣檢測研究[J]河?？萍即髮W學報,2009,30(6): 31-48.

[15]韋艷,陳華根.GPS定位顯示中的坐標轉換[J].海洋繪,2010,30(3):16-19.

[16]郝冬,劉斌.基于模糊邏輯行為融合路徑規劃方法[J].計算機工程設計,2009,30(3):660-663.

[17]王建軍,武秋俊.機器人在農業中的應用[J].農機化研究,2007(7):174-176.

[18]王儉,趙鶴鳴,陳衛東.基于子區域的機器人全覆蓋路徑規劃的環境建模[J].蘇州科技學院學報：工程技術版,2004,17(1):72-75.

[19]馮秀軍,楊立東.2BDY-8型2壟密型高速氣吹式精密播種機簡析[J].農業機械,2007(8):85-86.

[20]王建軍,武秋俊.機器人在農業中的應用[J].農機化研究,2007(7):174-176.

[21]郝冬,劉斌.基于模糊邏輯行為融合路徑規劃方法[J].計算機工程設計,2009,30(3):660-663.

[22]王建軍,武秋俊.機器人在農業中的應用[J].農機化研究,2007(7):174-176.

Research on Obstacle Avoidance Control of Picking Robot Based on DSP Signal Real-time Coding Technology

Ma Jiang, Wen Yuqiao, Zhan Xu

(School of Automation and ElectronicInformation,Sichuan University of Science & Engineering,Zigong 643000,China)

Abstract：In order to improve the picking robot successfully obstacle avoidance performance,it takes machine vision technology and DSP real-time encoding technology into picking robot.Through real-time encoding of mature fruit images and video,it can obtain the fruits and vegetables position and the obstacle position to successfully avoid obstacles.According to the software architecture for robot video capture driver,under the condition of not increasing front-end peripherals to achieve the initiative to drop frame,it drives the collection transformation.According to the characteristics of DSP chip, the real-time encoder of optimization was designed. It greatly increased rate of high resolution real-time image coding. Finally,the robot location of the distance measurement and obstacle avoidance capabilities were tested, it is found that within the distance is with the range of 1.20-2.00m.Measurement of the distance and the actual distance of the maximum deviation less than 0.03m,six groups of obstacle avoidance test robot successfully avoided obstacles with the higher probability,reached a minimum of 97.28% and met the design requirements.

Key words：picking robot; real-time encoding; machine vision; frame reduction; obstacle avoidance control; DSP

文章編號：1003-188X(2016)07-0234-05

中圖分類號：S225;TP242

文獻標識碼：A

作者簡介：馬將(1978-)，男，河北安國人，講師，碩士，(E-mail)gnaijam@126.com。

基金項目：四川省教育廳項目(14ZB0223)

收稿日期：2015-06-18