機器人大賽中的物聯網感知和機器視覺的應用

黃一航　解迎剛　馬曉宇　張祖貽　張天倫

摘 要：通過物聯網傳感器和數據分析技術，機器人可以獲得更廣泛的態勢感知，從而更好地執行任務。文中根據機器人大賽動態避障賽程的集體要求，搭建了基于ROS平臺工業機器人開源平臺，應用Python語言進行Gazebo虛擬現實系統的搭建，基于雙目視覺完成了靜態避障與動態避障功能，完成了機器人大賽的具體比賽。

關鍵詞：移動機器人;ROS平臺;Gazebo系統;智能避障;傳感器;物聯網

中圖分類號：TP391文獻標識碼：A文章編號：2095-1302（2020）04-00-03

0 引 言

近幾年，各行各業服務型機器人發展迅猛，服務機器人逐漸參與到人們的生活中。服務型機器人是最為實用也是最貼近人類生活的存在，爭位在服務型機器人行業中并沒有得到太多學者的研究，但在救援或者戰爭的環境下爭位機器人還是起到比較重要的地位。因此一些本學科的專家，提倡讓學生自主發揮想象力，使學生對機器人的研究更上一個臺階，同時提髙學生對機器人的興趣，培養學生良好的工作實踐能力，培養學生對機器人技術的興趣和熱情。

中國機器人大賽是目前中國影響力最大、綜合技術水平最高的機器人學科競賽之一，是我國最具影響力、最權威的機器人技術大賽、學術大會和科普盛會，是當今中國智能制造技術和高端人才的重大交流活動。本次比賽是以TurtleBot機器人為硬件基礎的，讓我們更深一步的學習了TurtleBot的技術原理與應用方法。

1 中國機器人大賽具體技術和規則要求

比賽規則是在Gazebo虛擬系統中，控制TurtleBot機器人。那么得分原則有如下兩個標準：

（1）機器人從起點出發，能成功到達終點，則獲得基礎加分;

（2）機器人從起點到終點用時越短，加分越多。

因此要考慮兩個因素：

（1）如何讓機器人自助規劃路徑，使其能夠避開障礙物并且行駛到終點;

（2）如何讓機器人規劃出最優路徑，使其能夠在最短的時間內到達終點。

機器人大賽比賽規則見表1所列。

在此任務中，障礙位置由服務器在客戶端程序首次啟動時給出，需要參賽選手對機器人的運動進行很好的控制，并制定好路徑規劃策略。在該任務中，將會有以下幾個任務點。

（1）場景一：有3個障礙物，分別位于1/4線，1/2線，3/4線。該場景下，最高分為10分，避開所有障礙得6分;最短時間者獲4分，第二名2分，第三名1分，其他人不得分。

（2）場景二：有6個障礙物，分別位于1/4線，1/2線，3/4線，每條線路上均有兩個障礙。該場景下，避開所有障礙得6分;最短時間者獲4分，第二名2分，第三名1分，其他人不得分。

（3）場景三：地面上隨機存在6個障礙物。該場景下，最高分為15分，避開所有障礙得11分，避開5個障礙得8分，避開4個障礙得5分;最短時間者獲4分，第二名2分，

第三名1分，其他人不得分。

（4）場景四：有5個障礙物，2個位于1/4線，2個位于3/4線，1個在1/2線處沿線隨機移動。在該場景下，最高分為15分，避開所有障礙得11分，避開出移動障礙物外所有障礙物并成功到達終點得7分;最短時間者獲4分，第二名2分，第三名1分，其他人不得分。

以上為本次比賽的規則，可見這個比賽的難度之大，要求之嚴格。

嚴格的要求中也有規則可循。障礙物的位置是固定的，而非移動的。而且障礙物的坐標是可以通過機器人的視覺獲取的。再一點，障礙物的形狀都是固定的，都是矩形的。因此避障算法只要解決兩個問題即可，第一就是要使機器人能夠獲取障礙物的位置坐標，第二就是使機器人能夠根據已知的環境，規劃出合理路徑。

2 比賽機器人的準備

2.1 硬件的準備

在本次比賽中使用TurtleBot二代機器人作為硬件基礎。TurtleBot 2的硬件主要有Yujin Kobuki移動底座、Kinect視覺傳感器、雙核筆記本、2 200 mA·h電池和可裝卸的結構模塊。TurtleBot 2使用目前最流行的ROS（Robot Operating System）作為操作系統，能實現3D建圖導航、跟隨等功能。機器人大賽TurtleBot機器人如圖1所示。

2.2 機器人中的物聯網感知和機器視覺

TurtleBot機器人裝有雙目視覺三維攝像頭和超聲波測距模塊。

攝像頭的作用是實現電腦與終端與機器人之間的物聯感知功能。攝像頭將拍攝的三維圖像傳送給數據處理電路，后者將模擬信號轉化為數字信號，將三維圖像分解為一個二維平面圖像和一組距離信號，方便計算機的應用。計算機接收到機器視覺視覺獲取的數據之后，將數據帶入到算法之中，先判斷是否運行避障算法，再使用獲取的數據進行路徑規劃，執行避障算法。算法執行完畢后，將規劃好的路徑信息數據傳送給機器人，機器人獲取路徑后，按照規劃好的路徑行駛。行駛過程中，繼續通過機器視覺獲取數據。重復上述過程，即可完成機器人與電腦終端之間的信息交互。實現機器視覺的物聯感知功能，實現人工算法對機器人的控制。

超聲波測距傳感器的作用是獲取機器人與障礙物之間的距離，并將距離數據傳送給電腦，與電腦中的通過三維圖像分解得來的距離信息進行比較。一方面是保證距離信息的正確性，另一方面是在機器視覺測距功能發生故障時，代替視覺測距，提供準確的距離數據。

所謂的機器視覺與物聯感知，就是將三維視覺雙目三維攝像頭和超聲波傳感器作為感知層;將電腦終端與機器人之間的無線網絡通信協議作為網絡層;Gazebo虛擬控制系統和機器人的運動模塊作為應用層，搭建了一個嵌入式物聯網體系。

嵌入式物聯網體系搭建完成之后，就可以實現電腦終端與機器人之間的信息交互，協同工作。

2.3 軟件系統和策略設計

TurtleBot的可以接受ROS系統的控制指令，也可以將機器人的運動狀態，如角速度，線速度等物理數值反饋給ROS系統，可以說ROS系統是TurtleBot運行的基礎。因此軟件環境搭建的第一步是電腦上搭建適合TurtleBot運行的ROS環境。第二步是在ROS 環境中搭建Gazebo虛擬現實系統。Gazebo是一款3D動態模擬器，能夠在復雜的室內和室外環境中準確有效地模擬機器人群。與游戲引擎提供高保真度的視覺模擬類似，Gazebo提供高保真度的物理模擬，其提供一整套傳感器模型，以及對用戶和程序非常友好的交互方式。

首先，安裝軟件運行環境，包括ROS系統和Gazebo系統，具體步驟如下：

（1）sudo sh -c 'echo "deb http：//packages.ros.org/ros/ubuntu $（lsb_release -sc）main"> /etc/apt/sources.list.d/ros-latest.list'

（2）sudo apt-key adv --keyserver 'hkp：//keyserver.ubuntu.com：80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

（3）sudo apt-get update

（4）sudo apt-get install ros-kinetic-desktop-full

（5）sudo rosdep init

（6）rosdep update

（7）echo "source /opt/ros/kinetic/setup.bash">> ～/.bashrc

（8）source ～/.bashrc

（9）sudo apt-get install ros-kinetic-turtlebot-gazebo

依次運行如下代碼之后，系統會自動安裝一段時間，然后就可以運行程序，運行程序的同時還要調用大量文件。運行步驟如下：

exportLD_LIBRARY_PATH=～/ros_scripts/plugin：$LD_LIBRARY_PATHroslaunch turtlebot_gazebo turtlebot_world.launch world_file：=/home/username/ros_scripts/world/world1-1（world_file：=your world_file's path）

這時Gazebo系統已經可以啟動。接下來的任務是在Gazebo系統中搭建比賽規定的環境。因此設置如下文件，使電腦能夠成為連接機器人硬件與控制軟件的服務器。

（1）how_to_run.py。該文件主要來寫參賽者想要如何控制小車的算法。

（2）robot.py。該文件主要是描述一個機器人類，在此處指的是小車。它有轉向和前進等各種功能，詳細信息可見代碼中的注釋。

（3）robot_ser.py。機器人服務端，主要接受客戶端傳來的指令來與gazebo進行交互。

（4）robot_cli.py。機器人客戶端，主要與服務端進行交

互，從服務端獲取狀態等信息，也可以對服務端發送信息用以控制小車。

（5）clock_ser.py。服務端時間類，主要是記錄比賽時間，與客戶端時間統一。

（6）clock_cli.py。客戶端時間類，主要是記錄比賽時間，與服務端時間統一。

（7）judge.py。裁判系統，主要記錄比賽時間，機器人狀態是否越界，是否成功完成比賽等。

（8）world.world。生成場景信息的文件。

其中how_to_run.py是路徑規劃文件，需要參賽者自己進行修改，使TurtlrBot機器人能夠合理的運行，在Gazebo系統生成的地圖上完成任務。world.world文件是生成地圖的文件，并且后面加上編號，就可以生成參賽者想要的地圖。

3 路徑規劃的實現

路徑規劃在具體實現時有多種算法可用，在本次比賽中采用計算量較小、實現比較容易的直角路線走法實現，即無數個直角組成的路徑。機器人首先向正前方行駛，檢測到前方有障礙物靠近時，執行避障算法。當檢測到障礙物遠離時，結束這條避障算法。當再次檢測到前方有障礙物靠近時，再次執行避障算法。

在執行避障算法的過程中，首先要利用機器人的機器視覺，獲取障礙物的三位圖像。然后將三維圖像以模擬信號的形式存儲下來，再將模擬信號轉化為數字信號。轉化為數字信號后，將三維圖像轉化為二維平面圖像，用于判斷障礙物的形狀。再從三維圖像中獲取機器人與障礙物的距離，用于規劃整體的避障路徑。

機器人在運行直角走法的過程中，并非像弧線算法那樣一次性規劃好整個路徑，而是每走一步，規劃一步，即每遇到一次障礙物，就要先判斷轉向方向，再規劃避開這個局部障礙的路徑。直角路線算法如圖2所示。

圖3所示為直角走法的運行結果，機器人從起點出發之后，成功到達終點。紅線標識的是機器人的行走路徑。

直角走法的算法優點是出錯率低，容錯率高。只要根據不同的地形，不同的障礙物形狀，一步一步地規劃路徑，一定能走到目標地點。缺點是用時長，時間復雜度高。由于要逐步規劃路徑，因此機器人每走一段距離就要停頓一下，規劃下一步的路徑，耗時長。況且比賽規則是用時越短，得分越高，因此直角規劃算法雖然能保證完成路徑，但不能保證快速完成。

4 結 語

機器人在運行直角走法的過程中，每走一步，規劃一步。直角走法適用于障礙物分散、數量多、體積小的避障環境，保證機器人能夠穩定地越過障礙物，完成避障。實際環境中，障礙物會是不同形狀，不同顏色。這就需要在三個方面改進機器人的避障策略：一是要增強機器視覺的識別能力，讓機器視覺能夠識別不同顏色、形狀復雜的障礙物;二是增加機器視覺的捕捉能力，能夠捕捉到移動障礙物的運動規律、運動狀態，方便機器人進行動態避障;三是增強數據處理程序的魯棒性和自洽性，使其在獲取上述復雜數據后，依然能夠進行數據處理，并將獲取的數據帶入路徑規劃算法之中。后續的比賽中將會從這三個方面進行改進。

注：本文通訊作者為解迎剛。

參考文獻

[1]解迎剛，楊曉芬，高博斌，等.基于混合模式的農產品質量追溯系統[J].物聯網技術，2018，8（3）：61-62.

[2]賈衛平，蓋欣桐，張祥，等.基于ROS平臺機器人導航避障系統設計與開發[J].機械工程師，2019（10）：16-18.

[3]王雷，石鑫.改進蟻群算法在移動機器人避障中的應用[J].南京航空航天大學學報，2019，51（5）：728-734.

[4]王娟，吳憲祥，郭寶龍.基于改進粒子群優化算法的移動機器人路徑規劃[J].計算機工程與應用，2012，48（15）：240-244.

[5]趙輝，郝夢雅，王紅君，等.基于改進A～*算法與天牛須搜索算法的農業機器人路徑規劃方法[J].科學技術與工程，2019，19（31）：185-190.

[6]曹凱.移動機器人技術研究現狀與未來[J].信息系統工程，2013（5）：140.

[7]楊明輝，吳垚，張勇，等.室內動態環境下的移動機器人自主避障策略[J].中南大學學報（自然科學版），2019，50（8）：1833-1839.

[8]徐兵兵，郝榮飛.機器人路徑規劃技術的現狀與發展[J].電子技術與軟件工程，2018（24）：81.

[9]范家琪.基于機器人群體避障學習的群智能算法的研究[D].上海：東華大學，2018.

[10]閆琳宇.室內動態環境下移動小車的路徑規劃技術研究[D].南京：東南大學，2018.

[11]陳順立.農業機器人路徑優化及軌跡跟蹤研究—基于遺傳算法[J].農機化研究，2017，39（8）：17-21.

[12]熊菡.移動機器人全局路徑規劃及軌跡跟蹤研究[D].武漢：武漢科技大學，2014.