基于視覺的冗余型機械臂在按摩理療業(yè)的應(yīng)用探討

何源 羅金良 嚴慶

摘 要：本文主要研究探討了冗余型機械臂在按摩、推拿這樣的醫(yī)療保健服務(wù)上的可操作性，針對OpenCV實現(xiàn)地機器視覺和工業(yè)機器人目前這兩大熱門技術(shù)進行有機結(jié)合，以實現(xiàn)工業(yè)機器人在攝像頭的監(jiān)督下，能夠檢測、識別出人的背部位置，從而以此為基礎(chǔ)，機器人可以自動的為客人進行按摩服務(wù)，以節(jié)省人力成本。

關(guān)鍵詞：工業(yè)機器人；機器視覺；OpenCV；保健服務(wù)

隨著我國經(jīng)濟快速而又持續(xù)的發(fā)展，各式各樣的服務(wù)業(yè)正在快速地發(fā)展開來，其中又以按摩、推拿這樣全靠人工的服務(wù)最為典型。但伴隨著我國經(jīng)濟發(fā)展的是勞動力價格的逐年上升，經(jīng)營一家按摩店，其中的人力成本要占去一塊很大的比例；并且從事按摩服務(wù)的服務(wù)員素質(zhì)參差不齊，難以保證按摩服務(wù)在整個服務(wù)期間的質(zhì)量。為了解決其中的矛盾，利用工業(yè)機器人來代替人的手臂去從給人從事按摩服務(wù)，不僅能夠把機器人穩(wěn)定、精確和靈活性強的特點充分展現(xiàn)出來了，還大大降低了整個按摩理療業(yè)的經(jīng)營成本，可以讓越來越多的人可以享受到按摩理療給人帶來的愉悅和健康。

1 機器臂的逆運動學(xué)

機器臂的運動學(xué)最關(guān)鍵、最重要的莫過于它的逆運動學(xué)的求解，這也是有關(guān)機械臂的研究中較熱門的領(lǐng)域。對于自由度數(shù)目不超過6的非冗余機械臂來說，對方程：r（t）=f（θ（t））進行求逆得到一個封閉形式的解：

其中r（t）、θ（t）分別對應(yīng)的是機械臂末端執(zhí)行器在t時刻的位姿、機械臂各關(guān)節(jié)在t時刻的旋轉(zhuǎn)角。直接利用（1）式對機械臂的關(guān)節(jié)角進行求解存在著形式復(fù)雜、計算量大以及不容易求得等的情況出現(xiàn)。且對于那些冗余型機械臂來說，一個末端執(zhí)行器的位置可以求解出不止唯一一組對應(yīng)的關(guān)節(jié)坐標，而Jun Wang等人在2001年發(fā)表的一篇文獻就很好地用雙神經(jīng)網(wǎng)絡(luò)解決了有關(guān)冗余機械手逆運動學(xué)求解的問題[1]。它的方程形式為：

以（2）、（3）為基礎(chǔ)，通過設(shè)計好的神經(jīng)網(wǎng)絡(luò)可快速地計算出各關(guān)節(jié)的關(guān)節(jié)坐標值。

2 機械臂視覺伺服控制

通過視覺來控制機械臂運動的核心是相機對目標體進行的位姿估計。在這個工程中，對相機來說，需要知道它的內(nèi)在參數(shù)（焦距、感光器件上每個像素在水平和豎直兩個方向之間的距離、圖像平面與光軸的交點坐標）及其相對地面的位姿。對目標體來說，需要知道目標體上的若干個點相對于目標體坐標系的坐標值（即目標體的幾何形體），再通過算法計算出目標體上的這些點在圖象平面上對應(yīng)的圖象坐標值。知道了上述的幾個參數(shù)，可以完成相機對目標體的位姿估計。

確定相機和目標體之間的位姿后，根據(jù)相機和機械臂之間具體的位置關(guān)系（相機固定在機械臂末端上的閉環(huán)結(jié)構(gòu)或相機固定在周圍的環(huán)境里使相機和機械臂兩者互不干擾），得到機械臂末端執(zhí)行器和目標體之間位姿。隨后就要通過機械臂的控制系統(tǒng)發(fā)送相應(yīng)的指令使末端執(zhí)行器移動到下一個位姿狀態(tài)，末端執(zhí)行器此時就朝著目標體的方向移動一小段距離。在使末端執(zhí)行器移動到一個已知的位姿時，必須要利用到上面的章節(jié)“機械臂逆運動學(xué)”里提到地逆運動學(xué)求解方法來快速地求得運動所需的各關(guān)節(jié)轉(zhuǎn)動角度。同時在這個過程中，相機對目標體和機械臂觀測得到的參數(shù)會不斷地傳輸給控制系統(tǒng)，直到末端執(zhí)行器到達目標體所在位置為止。

3 人體背部的識別和確定

以上的兩個章節(jié)是事先知道目標在圖像平面里的坐標位置的前提條件下，我們的機械臂才能通過上面的方法運動到目標位置。事實上，我們是要自己想辦法去識別確定出相機所拍攝圖像里目標所對應(yīng)的像素位置，為此我們可以利用OpenCV提供的圖像識別算法來對相機所得到的圖像進行處理、訓(xùn)練，再到最后的識別確認。具體來講，對圖片的處理主要涉及到對圖片進行縮放、邊緣檢測、區(qū)域分割篩選等步驟，將分割篩選出的圖片用SVM進行歸類，判斷被歸類的圖片是否包含人體。如果圖片被判斷是包含人體的，則記錄這一圖片在原圖上所在的位置和區(qū)域，這一位置區(qū)域所對應(yīng)的空間范圍就是機械臂末端執(zhí)行器在進行按摩服務(wù)時所處的范圍。至此，整個的基于視覺伺服控制的、應(yīng)用于按摩理療服務(wù)業(yè)的機械臂所需要的關(guān)鍵技術(shù)點被構(gòu)建出來了。

4 總結(jié)

本文所設(shè)計地用于按摩理療的機械臂結(jié)合了機械臂逆運動學(xué)求解、機械臂視覺伺服控制和圖像識別這三大熱、難點技術(shù)，并針對這三種不同方向的技術(shù)難題找到適合我們這種機械臂工作的解決方案。文中所提到的這些方法優(yōu)點是技術(shù)成熟、穩(wěn)定以及可靠性高，不過由于本文的初衷只是對所設(shè)計地機械臂提出大致的解決方向和步驟，很多方法的具體實現(xiàn)過程就沒有被呈現(xiàn)出來了，這些欠缺的部分是需要日后逐步完善的。

參考文獻：

[1]Xia Y， Wang J. A dual neural network for kinematic control of redundant robot manipulators[J]. IEEE Transactions on Systems Man & Cybernetics Part B Cybernetics A Publication of the IEEE Systems Man & Cybernetics Society， 2001， 31（1）：147-154.

[2]Duguleana M， Mogan G. Neural networks based reinforcement learning for mobile robots obstacle avoidance[M]. Pergamon Press， Inc. 2016.

[3]巴焦劉波. 深入理解OpenCV ： 實用計算機視覺項目解析 ： Mastering OpenCV with practical computer vision projects[M]. 機械工業(yè)出版社，2015.

[5]Falk J E. Nonlinear Programming. Theory and Algorithms[M]. Wiley， 1979.

[6]Corke P. Robotics， Vision and Control： Fundamental Algorithms in MATLAB[M]. Springer Publishing Company， Incorporated， 2011.