基于人工智能的圖書館書籍定位機器人自動化控制系統設計

薛謝輝，馬同霞

（1.南昌職業大學 工程技術學院，南昌 330500；2.南昌職業大學 經濟管理學院，南昌 330500）

為提高管理效率，提升圖書館管理智能化水平，應用機器人技術進行書籍管理則成為首選方法[1]。機器人用于圖書館后，能夠實現對館內所有書籍的掃描、定位、統計等處理，實現圖書館的智能化服務，并且極大程度提升圖書館的管理效率和服務質量。書籍定位作為機器人在圖書館中的重要作用之一，其能夠精準獲取數據的位置，為圖書尋找提供有效幫助。但是，在實際應用過程中，由于館內書籍的大小、薄厚等均存在差異，因此，機器人在進行書籍定位時，仍舊會發生定位誤差[2]。因此，為保證機器人對于書籍的精準定位，需提升機器人的控制效果。文獻[3]針對該需求，基于多傳感器融合，提出相關控制方法，該方法通過卡爾曼濾波算法實現機器人測距數據和里程數據的融合，在此基礎上獲取機器人的坐標信息，實現機器人控制。但是該方法在應用過程中，對于機器人位姿角的控制誤差較大；文獻[4]則基于ROS 構建機器人模型，在考慮機器人一定角度和距離權重的前提下，利用隨機數算法完成機器人運動規劃，實現機器人控制。該方法在應用過程中，對于突發障礙物的避障效果較差。

為解決控制誤差大，避障效果較差的問題，本文設計基于人工智能的圖書館書籍定位機器人自動化控制系統。

1 圖書館書籍定位機器人自動化控制系統

1.1 書籍定位機器人自動化控制系統結構

書籍定位機器人在應用時需準確定位書籍的位置，為書籍管理提供可靠保障，為保證機器人對于不同大小、不同厚度書籍的定位效果，快速完成書籍的尋找，需提升機器人的控制效果。本文結合書籍定位尋找需求，設計基于人工智能的書籍定位機器人自動化控制系統，系統結構如圖1 所示。本系統整體分為人機交互層、行為評估層、運動規劃層以及機器人執行層，人機交互層可下達機器人運動指令，行為評估層對機器人接受控制后的運動行為進行評估，運動規劃層依據評估結果對機器人進行自主控制，通過機器人執行層執行控制結果。

圖1 人工智能書籍定位機器人控制系統結構Fig.1 Structure of positioning robot control system for artificial intelligence

1.2 自主控制器結構

運動規劃層在進行機器人自主控制時，主要依據自主控制器完成，控制器結構如圖2 所示。自主控制器的主要作用是實現遠程端控制、本地端控制兩種控制模式下機器人行為的自主控制，該控制器以TMS320F2812 處理芯片為核心，與上位機、復位電路、傳感器、光電編碼器以及各類串口等相連接，實現圖書館定位機器人的自主控制。其在控制過程中，能夠依據接口電路將控制指令傳送至電機驅動器，完成該驅動器的控制；并且在控制過程中，以eCAN總線為依據，實現該控制器和PC 上位機之間的實時通信，保證控制指令可迅速精準的執行。

圖2 自主控制器結構Fig.2 Autonomous controller structure

1.3 圖書館書籍定位機器人硬件

機器人執行層是系統的基礎支撐，其主要通過機器人實現該層的運行，機器人硬件結構如圖3 所示。依據圖3 可知，該機器人以工控機為核心，并且工控機內設有視頻采集卡、數據采集卡、USB 接口、PCI多串口以及射頻識別，其中視頻采集卡連接智能視覺裝置，數據采集卡連接傳感器、激光雷達測距儀等；PCI 多串口通過串行通信模式的擴展接口實現羅盤、傾角以及射頻識別傳感器和工控機之間的雙向通信；與此同時，通過該雙向通信串口，將工控機和機器人的電機控制器相連接，實現書籍定位機器人的左、右2 個驅動電機、旋轉和俯仰2 個驅動電機的控制，以實現對于機器人位姿角的精準控制。

圖3 圖書館書籍定位機器人硬件結構Fig.3 Library book positioning robot hardware structure

1.4 書籍定位機器人的自主控制

1.4.1 機器人作業環境區域識別

由于視覺裝置采集的作業環境圖像為彩色圖像，為精準檢測識別作業環境區域的目標圖像，以為后續的定位控制提供可靠的支撐。因此，利用Roberts算子完成對所采集到彩色圖像的灰度處理，獲取圖像色彩突出部分后，依據色彩分布的梯度變化對圖像進行分割以及邊緣檢測。將視覺裝置獲取的圖書館環境圖像色彩分布用函數f（x，y）表示，其像素點用（x，y）表示，該像素點在x、y 兩個方向上的表達公式為

對于目標圖像（x，y）而言，其區域矩計算公式為

式中：p 和q 均表示階數；s 表示采集圖像的整個區域。

對（x，y）進行二值化處理后，（x，y）=1，此時零界矩m00的計算公式為

式中：m00即為圖像中目標區域的面積，其一階矩計算公式為

目標區域的質心（xc，yc）計算公式為

為了保證該質心區域被更好地識別，文中采用人工聚類方法，對質心位置進行分類，以此獲取機器人書籍定位作業區域。其詳細流程如下所述：

（1）構建聚類中心，將計算獲取的（xc，yc）結果定義為聚類中心；

（2）計算質心樣本數據｛X｝，按照最小距離對計算結果進行劃分，使其歸屬于某個選定的聚類中心

（4）采用計算得出的均值向量作為新的聚類中心，并依據聚類準則，保證函數值最小；

1.4.2 重定位增強方法

獲取機器人作業區域識別結果后，為提升機器人對于書籍的定位精度，自主控制器中設有基于粒子濾波的重定位增強方法，依據該方法完成機器人對書籍的定位。該方法結構如圖4 所示。該方法是在確定作業區域的基礎上，獲取二維柵格地圖和作業區域環境內的語義信息并對其進行遍歷；在此基礎上，依據柵格地圖完成作業區域內書籍所在的環境劃分，使其形成多個功能區塊，并獲取各個區塊的語義信息，將其定義為功能區特征。環境匹配依據語義信息完成，即通過最大似然估計法完成書籍的粗定位，將粗定位結果作為粒子濾波器的先驗知識，以此實現書籍的精定位。

圖4 重定位增強方法結構Fig.4 Repositioning the enhanced method structure

機器人定位可采用連續時間概率計算問題描述，采用貝葉斯和馬爾克夫理念對該問題進行描述為

式中：b（St）表示置信度；St表示在t 時刻下機器人的狀態估計結果；η 表示歸一化因子；ut表示控制量；zt表示機器人搭載的激光雷達獲取的書籍測量數據；m 表示全局地圖。

公式（7）中，包含了2 個部分，分別為預測和更新，其中p（St∣St-1，ut）的主要作用是完成機器人狀態預測，該預測是依據生成的先驗概率完成；p（zt∣St，m）表示測量似然概率，和p（St∣St-1，ut）結合后，完成機器人狀態估計結果更新。

粒子濾波方法在進行機器人精定位時，概率分布通過粒子密度分度表示，b（St）則采用n 個粒子集合表示，其精定位流程為

（1）以t-1 時刻下機器人的狀態估計結果St-1、ut以及機器人運動模型采樣，獲取t 時刻下機器人可能發生的狀態；

（2）通過傳感器觀測模型計算各個粒子包含的觀測數據zt以及地圖匹配度

（3）采用匹配度重采樣處理后，生成后驗概率分布，并通過循環迭代處理后，獲取機器人的位姿結果，實現機器人定位控制，以此可保證機器人對于書籍的定位精度。

2 測試分析

為驗證本文系統在圖書館書籍定位機器人控制中的應用效果，以某市圖書館為實例研究對象，并對該圖書館內使用的書籍定位機器人進行控制測試。該機器人為雙足機器人，其詳細參數如表1所示。

表1 雙足機器人詳細參數Tab.1 Detailed parameters of biped robot

為驗證本文系統應用后，定位的精準性，獲取本文系統應用后，機器人在不同書籍位置高度下，對于不同大小書籍的定位誤差結果（期望誤差低于2.5 mm），如表2 所示。

表2 不同大小書籍的定位誤差結果Tab.2 Results of localization errors of different sizes

根據表2 測試結果可知，本文系統應用后，能夠極大程度提升機器人的定位精度，即使書籍大小尺寸較小時，機器人依舊能夠精準完成書籍定位，誤差結果最大值僅為2.2 mm，在期望誤差方位內。因此，說明本文系統具有良好的機器人控制效果，應用后可保證機器人對于書籍的定位效果。

為驗證本文系統應用后對于機器人的控制效果，獲取機器人的位姿角控制結果，并將控制結果和理想結果進行對比，測試結果如圖5 所示。

圖5 機器人位姿角控制結果Fig.5 Robot pose and angle control results

根據圖5 測試結果可知，本文方法應用后，能夠有效控制機器人的位姿角，控制后的位姿結果與期望位姿結果一致，未出現機器人位姿角偏差。因此，說明本文系統能夠有效實現機器人位姿控制。

為驗證本文系統的應用效果，獲取本文系統應用后，機器人在書籍尋找過程中，突發行人闖入后，機器人的自主避障效果，結果如圖6 所示。

圖6 機器人的避障效果測試Fig.6 Barrier avoidance effect test of robot

根據圖6 測試結果可知，本文系統應用后，機器人在目標書籍定位過程中，面臨行人突然闖入后，機器人能夠自主躲避行人，不會和行人發生碰撞，并且躲避行人后能夠自主重新規劃行駛路徑，完成目標書籍尋找。

為進一步驗證本文系統的實用性，以機器人的避障精準度為實驗指標，采用文獻[3]方法與文獻[4]方法進行對比測試，結果如圖7 所示。

圖7 機器人避障精準度對比結果Fig.7 Comparison results of robot obstacle avoidance accuracy

根據圖7 可以看出，應用本文系統后，機器人避障精準度最高達到98%，而文獻[3]方法的機器人避障精準度最高為87%，文獻[4]方法的機器人避障精準度最高為83%，均低于90%。相比之下，本文系統的避障精準度高，由此說明本文方法具有實用性。

3 結語

為提升機器人對于書籍的定位精度，本文設計基于人工智能的圖書館書籍定位機器人自動化控制系統。對該系統進行測試后得出：本文系統具有較好的應用效果，能夠精準完成不同大小書籍的定位，并且可完成館內作業環境識別，精準實現機器人位姿控制，并且可呈現不同控制模式下的人機交互結果。