基于ARM的智能接水機器人設(shè)計方案與仿真

中國礦業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院 唐陽雨 秦雷雷 閔 玄

?

基于ARM的智能接水機器人設(shè)計方案與仿真

中國礦業(yè)大學(xué)計算機科學(xué)與技術(shù)學(xué)院 唐陽雨 秦雷雷 閔 玄

【摘要】為了實現(xiàn)自動完成循跡和接水的智能家居機器人，本文提出了一種基于嵌入式系統(tǒng)和51arduino控制的智能接水機器人設(shè)計方案。小車以s3c2440為核心，以51duino控制機械臂及電機。主板上拓展的攝像頭模塊用以圖像采集，用s3c2440進行圖像處理，實現(xiàn)小車的自動尋跡，在此基礎(chǔ)上，為使小車行駛過程中避開障礙物，另外拓展了紅外避障功能。用戶直接在ARM上設(shè)置命令，小車便可以自主完成找到目標飲水機，設(shè)計到達路徑，用機械臂點擊飲水機開關(guān)，最后完成搬運水杯回原地的一系列動作。

【關(guān)鍵詞】視覺識別；OpenCV；自動避障；機械臂；電機控制

0 引言

隨著科技的高速發(fā)展，智能機器人早已走出了實驗室，進入各種領(lǐng)域中。智能車以其機動性和靈活性，尤其受到追捧。大到軍事中的探測危險和排除險情，小到生產(chǎn)制造中的無人搬運，智能車無疑是這些領(lǐng)域中的佼佼者。近年來社會老齡化的問題日益加劇，尤其在中國，照顧老人成為當(dāng)代許多獨生子女的一大難題，在這樣背景下極大促進了智能家居系統(tǒng)的發(fā)展。有人預(yù)言智能家居機器人在未來5年將像手機一樣普及。本文設(shè)計的是一種基于ARM的智能接水機器人，此前也有研究者進行過類似的智能機器人設(shè)計。侯操等人設(shè)計的基于ARM的智能車無線視頻監(jiān)控系統(tǒng)，是一款以s5pv210 處理器為核心的智能車無線視頻監(jiān)控系統(tǒng)，內(nèi)置控制服務(wù)器和網(wǎng)絡(luò)視頻服務(wù)器，用戶通過上位機客戶端與服務(wù)器建立連接實現(xiàn)對系統(tǒng)的控制，也可以通過wifi 使用智能終端利用游覽器登錄web服務(wù)器實現(xiàn)控制操作［1］。但對于大多數(shù)的老年人而言，通過上位機客戶端或網(wǎng)頁來控制機器車不是件容易的事。本文設(shè)計的智能接水機器人摒除了用上位機進行控制，是一款依靠視覺識別的智能機器人，無人控制，能自主尋找目標并執(zhí)行任務(wù)。

1 智能接水機器人整體設(shè)計框架

1.1 智能車總體框架

以s3c2440為整個嵌入式系統(tǒng)的核心，嵌入linux系統(tǒng)。移動載體用紅外傳感器進行探測，實現(xiàn)避障功能，外接攝像頭模塊用于圖像采集，將openCV庫函數(shù)導(dǎo)入ARM進行圖像處理實現(xiàn)視覺識別。ARM通過串口通信向51drino發(fā)送指令，51drino控制機械臂完成接水動作，控制電機使小車正確移動。

1.2 智能車主體

車身本身作為一種運載工具，要求能平穩(wěn)的載重。模擬車采用履帶底盤，其重量大，使車身更穩(wěn)固。履帶與地面接觸面積大，缺點是速度慢。但本文設(shè)對速度沒有太高的要求。模擬車尺寸為285*225*115（長*寬*高），車重3.2kg，有5對負重輪，有較好的平穩(wěn)載重能力。車前裝有四自由度的機械手，具有較好的靈活性。經(jīng)實驗，機械臂完美載重100克。車身分為上下兩層，上層固定ARM主板，下層固定51duino開發(fā)板。圖1a、圖1b、圖1c分別是模擬車俯視圖、后視圖和實物圖：

圖1a 模擬車俯視圖

圖1b 模擬車后視圖圖1 智能車總體設(shè)計圖

圖1c 模擬車實物圖

圖2a 杯子設(shè)計圖

圖2b 飲水機設(shè)計圖

1.3 飲水機及水杯設(shè)計

飲水機和杯子都是特殊設(shè)計的，如圖2a和圖2b所示。飲水機機身布滿紅藍相間的條紋，飲水機的開關(guān)采用一個圓柱形純藍色按鈕，杯子有一個特制的長方體把手，把手兩側(cè)都有凹槽（圖中只畫出一側(cè)），左側(cè)面為純藍色。智能車通過顏色和形狀識別目標，當(dāng)智能車找到飲水機后，用機械臂按下開關(guān)持續(xù)4～8秒（根據(jù)用戶對水量需求的設(shè)定），帶杯子接完定量的水后，機械臂張開機械抓，伸向杯子把手，校準使機械臂對準凹槽，閉合機械抓卡緊凹槽，端走杯子。此方法能讓機械臂更平穩(wěn)得端著杯子，杯子不易松脫。

2 視覺識別

2.1 總體流程

圖3 視覺識別總體流程圖

利用ARM9（即S3C2440芯片）完成視覺識別的功能，然后由ARM9向51duino發(fā)送指令，控制智能車的前進后退以及機械臂的抓取動作。ARM9內(nèi)已經(jīng)嵌入Linux系統(tǒng)，攝像頭直接通過USB口連接ARM9。在Linux中安裝motion軟件（ubuntu14.04下交叉編譯的開源小項目，能夠在嵌入式Linux上運行），移植OpenCV圖像處理庫。由motion完成圖像采集功能，由OpenCV完成圖像識別的功能。找到飲水機后，精確判斷出按鈕的位置和杯子的位置，隨后由ARM將控制指令發(fā)送給51duino，控制機械臂按下按鈕或者拿起杯子。當(dāng)智能車進行杯子抓取時，圖像處理需要判斷出機械爪是否對準凹槽內(nèi)，如果已經(jīng)對準，機械爪扣緊，卡入凹槽，若沒有，進行校準。

2.2 目標識別

智能小車上安裝了天敏720P高清攝像頭，二自由度舵機云臺，可以進行多視角圖像采集。

本文設(shè)計采用移植OpenCV庫進行圖像處理。依據(jù)文獻［2］，OpenCV具有如下優(yōu)點：

①跨平臺；②獨立性好；③源代碼公開；④具備強大的圖像和矩陣運算能力；⑤運行速度快。總之，有了OpenCV，科研開發(fā)人員只需添加自己的編寫程序，直接調(diào)用OpenCV中的函數(shù)即可實現(xiàn)，這樣不僅降低了開發(fā)程序的難度，而且縮短了相關(guān)程序的開發(fā)周期。

實現(xiàn)智能小車自主接水的第一步是識別目標飲水機的所在。在機器人視覺中，顏色是物體識別和認知過程中必不可少的信息［3］。本文提出的設(shè)計是一種基于顏色特征的目標識別。首先，要先選定使用的顏色空間。常用的顏色空間如RGB，YUV，HSV等。

在OpenCV中，RGB圖像的每個像素使用三個字節(jié)表示，RGB的通道順序為BGR。如圖4［4］所示。

圖4 彩色RGB圖像的存儲示意圖

基于RGB色彩模式的識別，可以將飲水機設(shè)計成三原色之一。本文將其設(shè)計成藍色，因為家居環(huán)境中藍色的物品相對較少，紅色的物品如掛歷、春聯(lián)、獎狀等會影響目標識別。

圖5 改變顏色深度后R、G、B及色調(diào)、飽和度、亮度的變化值

當(dāng)物體為藍色時，它的B通道的值就會大于R通道和G通道，而R通道和G通道的值差距不大，這點可以直接從windows畫圖工具的調(diào)色板中得出。如圖5所示。

由此可以選擇一種藍色深度，建立模型通過R、G、B三者間關(guān)系判斷是否目標藍色飲水機。但這只是理想中的情況，現(xiàn)實中，采集的圖像的像素值會因為光照強度、拍攝角度等發(fā)生改變，并且三個通道的值不是線性關(guān)系，因此不好判斷。但從圖6可以看出，藍色的深淺改變后，在色調(diào)、飽和度、亮度三者中只有亮度在改變，而色調(diào)和飽和度是不變的。因此考慮用YUV顏色空間來進行處理。YUV顏色空間中，亮度Y和色差UV相互獨立且存儲容量小［5］。YUV 和RGB之間是線性轉(zhuǎn)換的，轉(zhuǎn)換公式如下：

為了劃分目標和背景，要合理選擇目標顏色的閾值，包括上閾值和下閾值。首先用攝像頭采集目標飲水機圖像。

圖6a 飲水機的簡易模型

圖6b 切割出的目標塊

截取圖中目標，分別作Y，U，V三個分量的直方圖：

圖7a Y分量直方圖

圖7b U分量直方圖

圖7c V分量直方圖

圖8目標識別流程圖

V分量上沒有明顯變化，Y分量因光照等因素變化較大，所以最后選擇U分量進行判斷。圖中可以看到U分量的范圍在［6，35］。

若只用一種顏色判定還是易受其他非目標因素的干擾。為了進一步提高判斷的準確性，本文將飲水機設(shè)計成雙色紅藍條紋，紅藍條紋均勻，條紋的寬度盡量小，這樣可以使不同角度采集的圖片紅藍比例接近均勻。用同樣的方法找到合適的判定紅色的上下閾值。

記藍色閾值為V1，滿足閾值內(nèi)的像素點個數(shù)為N1，紅色閾值為V2，滿足的像素點個數(shù)N2。采集圖像后遍歷像素點，滿足V1時，N1++。滿足V2的，N2++。最后根據(jù)N1/N2的值判斷目標是否出現(xiàn)在圖中。具體流程如圖9所示。N1/N2的范圍可以通過多角度采集圖像再綜合試驗得出，本文在這不做更多描述。

機器人通過上述方法判斷目標所在，當(dāng)行駛過程中目標脫離檢索范圍時要重新檢索。機器人找到目標飲水機后，即與飲水機的距離在設(shè)定范圍內(nèi)后，要進行按鈕及水杯凹槽的檢索。將按鈕設(shè)計成圓形，水杯把手設(shè)計成矩形，由于這時機器人離目標飲水機較近，背景環(huán)境比較固定，受環(huán)境中其他因素的干擾較小，可以直接通過調(diào)用opencv函數(shù)進行邊緣提取等方法來找到目標。

2.3 機器人避障

小車在行駛過程中難免受到家具等障礙物的妨礙，為使小車循跡過程完全智能，無需人為修正，除了擁有大腦之外，還必須讓小車擁有一雙“眼睛”，能夠自動避開障礙物。避障分為探測和處理兩部分，首先探測到障礙物，然后由主控程序處理［6］。探測部分使用傳感器完成。自然界中，動物通過感覺器官向大腦傳達感覺信號，機器人所用的傳感器就相當(dāng)于動物感覺器官的翻版。能充當(dāng)機器人眼睛的傳感器有很多，像超聲波傳感器、紅外傳感器、視感傳感器，觸碰傳感器等等。本文設(shè)計采用紅外傳感器。

2.4 紅外傳感器

紅外檢測方法具有以往氣敏原理、電導(dǎo)原理等常規(guī)方法的優(yōu)點，比如量程寬、功耗低、靈敏度高、壽命長等［7］。紅外避障傳感器是一種主動式傳感器，，即主動對環(huán)境進行探測，得到信號后代碼再對其做出決策。它有一對紅外信號收發(fā)二極管，發(fā)射管發(fā)射紅外信號，紅外信號遇到障礙物后會被反射回來，然后紅外接收管會開啟接收反射信號，拉低輸出電平 ，根據(jù)輸出電平的高低，主控電路可以判斷障礙物的距離。當(dāng)小車與障礙物的距離小于某個值時，小車對其作出反應(yīng)，選擇左轉(zhuǎn)或右轉(zhuǎn)，然后繼續(xù)探測。原理如圖9所示。

圖9 紅外避障原理圖

3 機械臂

圖10 機械臂俯視圖

如圖10所示，該機械臂是四自由度機械臂，共四個舵機（分別是上圖的1、2、3、4），能夠?qū)崿F(xiàn)機械臂的抬舉，轉(zhuǎn)動以及抓取功能。51duino板（如上圖所示），是在51板的基礎(chǔ)上改造而成，能夠提供8個PWN通道，完全滿足機械臂的控制需求。機械臂的1和2號舵機能夠完成機械臂的抬舉伸縮功能，3號舵機完成機械爪的旋轉(zhuǎn)功能，4號舵機完成機械爪的閉合功能。

4 電機模塊

小車用兩個直流電機分別驅(qū)動左右兩邊的5個負重輪。直流電機的使用簡單，只要給其兩個電極通上電，所通電流的方向不同電機的轉(zhuǎn)向便不同，由此可以讓小車實現(xiàn)前進、后退、轉(zhuǎn)向。如下代碼定義所示，A，B指小車的兩個直流電機，POLE1和POLE2分別指電機的兩個電極。當(dāng)控制小車前進或后退時，A，B往相同方向轉(zhuǎn)動，故兩個電機通相同方向的電流，前進時和后退時的電流方向正好相反。當(dāng)控制消小車轉(zhuǎn)向時，小車的兩個電機通相反方向的電流，左轉(zhuǎn)和右轉(zhuǎn)時給兩個所通電流的方向相反。

#define FORWARD A_POLE1=1； A_POLE2=0； B_POLE1=1；B_POLE2=0； //車體前進

#define BACk A_POLE1=0；A_CON2=1；B_POLE1=0；B_POLE2=1； //車體后退

#define RIGHT A_POLE1=0；A_POLE2=1；B_POLE1=1；

B_POLE2=0； //車體左轉(zhuǎn)

#define LEFT A_POLE1=1；A_POLE2=0；B_POLE1=0；

B_POLE2=1； //車體右轉(zhuǎn)

#define STOP A_POLE1=0；A_POLE2=0；B_POLE1=0；

B_POLE2=0； //車體停止

5 總結(jié)

本文設(shè)計的智能接水機器人，無需人為控制，可以完全智能得為用戶完成接水的工作，彌補了當(dāng)代一些遙控家具機器人的不足，為老年人及一些行動不便的人帶來了極大的便利。但本系統(tǒng)的設(shè)計仍存在許多不足，有待進一步的改進。例如，家居環(huán)境的復(fù)雜性，系統(tǒng)光靠視覺識別和紅外避障可能在完成效率上不夠理想，甚至于長時間發(fā)現(xiàn)不了目標所在。

參考文獻

［1］侯操，孫小平.基于ARM的智能車無線視頻監(jiān)控系統(tǒng)設(shè)計［J］.電子設(shè)計工程，2015，23（23）﹕190-192.

［2］秦小文，溫志芳，喬維維.基于OpenCV的圖像處理［J］.電子測試，2011（7）﹕39-41.

［3］楊莉，杜艷紅，隋金雪，郭玉剛.一種基于顏色特征的目標識算法［J］.微計算機信息，2007，23（5-7）﹕195-196+220.

［4］于仕琪.Opencv入門教程.www.opencv.org.cn.席文平，張健.基于ARM的類人足球機器人視覺識別系統(tǒng)的設(shè)計［J］.微型機與應(yīng)用，2015，34（9）﹕50-53.

［5］席文平，張健.基于ARM的類人足球機器人視覺識別系統(tǒng)的設(shè)計［J］.微型機與應(yīng)用，2015，34（9）﹕50-53.

［6］譚秋林.MEMS 紅外瓦斯傳感檢測系統(tǒng)的研究［D］.太原﹕中北大學(xué)，2006.

［7］《無線電》編輯部.智能機器人制作大全［M］.北京﹕人民郵電出版社，2015，08.

［8］譚秋林.MEMS紅外瓦斯傳感檢測系統(tǒng)的研究［D］.太原﹕中北大學(xué)，2006.

作者簡介：

唐陽雨（1994—），福建福州人，大學(xué)本科，現(xiàn)就讀于中國礦業(yè)大學(xué)計算機學(xué)院。