智能撿球機器人設計

摘 要：針對體育場館內人工撿拾乒乓球效率低下、損害運動員身心健康等問題，設計了一款基于OpenMV的智能撿球機器人。該機器人以STM32F103RCT6為控制核心，通過OpenMV獲取圖像信號，采用霍夫圓檢測和顏色閾值檢測相結合的算法識別乒乓球并計算其與機器人的相對位置，將該位置信息依次傳遞給Arduino Mega2560和STM32F103RCT6，二者分別控制5自由度機械臂動作和機器人運動，將目標乒乓球撿起后放入存球筐。測試結果表明，所設計的機器人能夠準確識別乒乓球并實現自動抓取，達到預期效果和設計目標，為智能撿球機器人的研究和發展提供了參考和借鑒。

關鍵詞：撿球機器人；OpenMV；霍夫圓檢測；顏色閾值檢測；機械臂；自動抓取

中圖分類號：TP242.6 文獻標識碼：A 文章編號：2095-1302（2024）05-00-04

0 引 言

隨著我國社會經濟的不斷發展，體育運動的社會化和產業化進程加速，機器人技術與物聯網、大數據、人工智能等信息化技術的結合將為未來的體育行業帶來重要助力。然而，盡管人工智能在文體領域得到了廣泛應用，但對于撿乒乓球機器人的研究相對較少。國內的撿乒乓球機器人研究目前仍處于起步階段，尚無相關成熟產品，已有的研究主要集中在機器人的機械結構設計和乒乓球的檢測識別等方面[1]。

文獻[2]設計的撿乒乓球機器人采用MultiFLEXTM2-PXA270作為核心控制器，感知系統由語音檢測模塊、顏色檢測模塊和避障模塊三部分組成，運動系統由電動機驅動模塊和舵機驅動模塊組成。該機器人基本實現了自動撿球功能，但其制造成本較高、撿球效率低。文獻[3]利用蟻群算法對移動式撿乒乓球機器人的避障路徑進行規劃，構建動力學模型并設計視覺反饋控制器，完成了對撿乒乓球機器人避障路徑的視覺反饋控制，但是路徑控制不夠精準。

本文針對體育場館內人工撿拾乒乓球效率低下、損害運動員身心健康等問題，旨在設計一款低成本、高效智能的撿乒乓球機器人，推動智能撿球機器人的普及應用。該機器人不僅能夠幫助運動員專注于運動本身，提高訓練效率，還具有減少運動員損傷、適應復雜環境等多重優勢，助力實現場館的無人化運作，從而為體育場館管理帶來更多的便利和創新。

1 整體方案設計

智能撿球機器人（以下簡稱為“機器人”）的整體設計方案如圖1所示。系統共使用了3塊開發板，用于實現機器人的不同功能，分別是OpenMV、Arduino Mega2560（以下簡稱為Arduino）和STM32F103RCT6（以下簡稱為STM32）。

OpenMV圖像識別模塊是實現智能撿球機器人的核心組件，該器件能夠使用自帶的OV5640攝像模組實時采集圖像，并通過圖像處理算法準確識別目標乒乓球，從而為機器人的運動控制和機械臂動作提供重要數據。

Arduino通過串口接收OpenMV提供的控制指令，該指令一方面用于控制舵機的運動，實現對機械臂動作的精準調整，從而確保抓球的成功率；另一方面控制Arduino將速度信息通過串口傳遞給STM32，為其提供一系列速度指令，STM32解讀和處理指令后，生成相應頻率脈沖控制信號，發送給電機驅動模塊以控制機器人四個電機的轉速，從而實現對機器人運動狀態的實時控制。

對機械臂和機器人運動的控制分別采用兩個控制板，是因為單個開發板端口資源不足。同時，這種分離控制的方法可以減少代碼耦合度，方便維護和升級，因此提高了系統的穩定性，降低了整個系統的復雜度。

2 系統硬件設計

2.1 機器視覺模塊

機器視覺模塊用于識別乒乓球，采用低功耗、低成本、高效實用的OpenMV對乒乓球進行識別、位置鎖定和距離測量工作，為機器人移動提供導航[4-5]。此外，OpenMV使用高級語言Micro Python編程，可以簡便地實現復雜的機器視覺算法。

2.2 機器人底盤

機器人采用MG42L1步進電機，步距角為1.8°，由四細分數的四路LV8731芯片驅動。電機上附帶有編碼器，可由STM32控制進行測速。機器人底盤運動以STM32作為主控板，底盤車輪使用麥克納姆輪，是一種典型的全方位移動輪[6]。

2.3 機械臂

機械臂由1個機械爪、3個機械臂關節、1個臺座組成，每個組件由1個TBSN-K15舵機控制轉向，Arduino控制這5個舵機實現機械臂5自由度可控。該自由度控制能力使5自由度機械臂具有優越的空間結構調節性能，以便更好地抓取目標乒乓球。

3 軟件設計

圖2為系統軟件流程，其中機器人撿球共分為三個階段。第一階段是尋球階段。機器人上電啟動后，即進入尋球階段。在此階段，機器人將在STM32的控制下原地旋轉，同時啟動機器視覺模塊進行視野掃描，采用智能識別算法尋找視野中的乒乓球。當識別到乒乓球，且乒乓球在視野中心時，機器人將停止旋轉，進入第二階段尋跡追蹤。

在尋跡追蹤階段，機器人在PID算法的控制下按目標速度向目標乒乓球移動?？拷倪^程中，機器視覺模塊會根據目標乒乓球在視野中的大?。ǚQ“視野距離”）計算乒乓球與機器人之間的距離，本文使用距離閾值THRdistance來表征二者的距離。當視野距離大于或等于距離閾值THRdistance時，機器人將停止移動，并進入第三階段抓取，否則將持續前進。本文設置OpenMV輸出QVGA圖像，分辨率為320*240，因而機器人視野總像素點數為86 400。經過多次測驗，該距離閾值THRdistance=19 200 像素點數，實際距離約為5 cm，此時機器人可以取得良好的抓取效果。

在抓取階段，機械臂收到指令后執行固定動作抓取乒乓球，并將其放入存球筐。當抓取完成后，機器人將繼續原地旋轉，進入新的尋球階段。下面分別對三個階段進行詳細介紹。

3.1 機器視覺與智能識別

在使用OpenMV進行圖像識別任務時，參考文獻中多采用單一的顏色閾值或神經網絡方法[7-8]。由于OpenMV自身的像素較低，在遠距離情況下，采用單一的算法識別經常出現錯判、漏判，識別效果不理想。本文采用將霍夫圓形檢測和顏色閾值檢測相結合的識別算法，大大提高了機器人識別、鎖定目標和路徑規劃的效率和準確性。本模塊的軟件設計流程如圖3所示。

首先，系統上電后進行OpenMV的軟硬件初始化，隨后進行圖像采集和有關預處理，包括調整圖像亮度、對比度和顏色空間等操作。

其次，使用霍夫變換檢測機器人視野中的圓形。識別圓形的基本思路是：第一步，選擇視野掃描區。為消除OV5640攝像模組的邊緣圖像畸變問題對圓形識別的影響，選擇攝像頭視野中央2/3的區域作為視野掃描區。經實測，此時可認為乒乓球在攝像頭的視野中央。第二步，采用經典的霍夫檢測方法[9]檢測出視野掃描區中所有圓形。第三步，對初步圓形檢測結果按圖形面積進行篩選。為提高檢測速度，減少不必要的圖像噪聲干擾，設定圓形檢測閾值THRcircle，若潛在圓的相對面積小于該閾值，則不認為是有效圖形。選取圓形檢測閾值THRcircle=3 500像素點數，經過實測證明，此時可以取得良好的識別效果。

最后，在檢測到視野中的所有圓形后，OpenMV將比較所有圓形的面積，選擇距離機器人最近，即相對面積最大的圓形區域作為新的視野掃描區，進一步進行顏色閾值識別。由于體育場館常用乒乓球均為白色或橙黃色，因此本文選用橙黃色和白色作為乒乓球的標志色，一旦在視野掃描區發現對應顏色色塊，即認為識別到乒乓球，并使用紅圈和矩形框進行標記。檢測效果如圖4所示。

據此，通過霍夫圓形檢測和顏色閾值檢測相結合的算法，準確地確定機器人視野中距其最近的乒乓球的位置。

3.2 機器人運動控制

3.2.1 機器人的運動原理

機器人底盤結構及運動坐標系如圖5所示。當機器人的車輪均向前轉動時，各輪受力方向與圖中一致；車輪向后轉動時，各輪受力與圖中各輪相反。機器人總受力為F=FA+FB+FC+FD。

下面對3種典型運動情況舉例說明：

（1）當四個車輪同時向前或向后以同一轉速運動時，F方向為y軸方向，機器人實現沿y軸向前或向后運動。

（2）當輪B和輪D向前或向后以同一轉速運動，輪A和輪C的轉速與輪B和輪D大小相同、方向相反時，F方向為x軸方向，機器人實現沿x軸向左或向右平移。

（3）當輪B和輪A向前或向后以同一轉速運動，輪C和輪D的轉速與輪B和輪A大小相同、方向相反時，機器人左側受力為y軸方向，右側受力為x軸方向，機器人實現原地順時針或逆時針旋轉。

本文使用STM32輸出四路脈沖信號至電機驅動板，控制機器人運動；經過驅動板上四路 LV8731 驅動芯片處理脈沖信號后，將四路脈沖信號的頻率分別轉換為機器人四個車輪的角速度，進而控制機器人的運動，同時使用車輪上的編碼器進行測速。編碼器測速后，經過PID算法將機器人運動速度調節至設定速度[10]，機器人到達距離乒乓球5 cm位置時，停止運動。

3.2.2 機器人底盤運動信息的接收與處理

本文通過STM32與Arduino之間的串口通信發送機器人的運動信息。機器人的運動方向有三種，分別為x軸左右運動、y軸前后運動、z軸旋轉運動。Arduino發送的信息格式為[u， v， w]，其中u、v、w分別表示機器人x、y、z方向的速度等級，取值范圍均為[0， 28-1]內的自然數，一共256個速度等級，取值越大，速度越快。當某個參數取值為0時，代表機器人在該方向沒有速度。例如發送信息為[0， 0， 1]，則機器人只沿z軸方向以“1”等級速度旋轉，x、y軸方向無速度。

得到速度等級u、v、w后，STM32將其轉換為各方向實際速度Vx、Vy（單位：m/s）和ω（單位：rad/s）。由內部脈沖頻率的設置，機器人x、y方向的最大速度為0.8 m/s，z方向的最大角速度為3 rad/s。將最大速度分為256個等級即得到每個等級的速度值：

，，

由于麥克納姆輪的特殊結構，車輪轉速與機器人運動速度不同，STM32得到機器人目標運動速度后，經過如下公式轉換得到每個車輪的轉速[11]。

VA=-Vx+Vy-ω（a+b），

VB=+Vx+Vy-ω（a+b），

VC=-Vx+Vy+ω（a+b），

VD=+Vx+Vy+ω（a+b）

式中：VA、VB、VC、VD分別為車輪A、B、C、D的轉速，設車輪向前轉動時轉速為正；a、b為底盤尺寸參數。STM32根據VA、VB、VC、VD輸出相應頻率的脈沖波來控制四個車輪的轉速。

機器人一個運動周期內的信息控制過程如下：

（1）機器人未識別到乒乓球或乒乓球不在視野中心時，Arduino發送運動信息[0， 0， 1]給STM32，機器人逆時針旋轉，角速度為0.011 8 rad/s。

（2）待機器視覺模塊檢測到乒乓球且乒乓球在攝像頭的視野中心時，即乒乓球位于y軸上時，Arduino發送運動信息[0， 5， 0]，機器人按照1.57 cm/s的速度向正前方運動。

（3）待機器人運動到距離乒乓球5 cm時，Arduino發送運動信息[0， 0， 0]，機器人停止運動，等待機械臂抓取乒乓球。

（4）待乒乓球放入存球筐后，重復步驟（1）。

3.3 機械臂控制

本文使用Arduino開發板控制5個舵機的轉動角度，以實現對機械臂的5個自由度控制。舵機的轉動角度可以通過脈沖寬度調制（PWM）進行精確控制，脈沖信號周期恒定為20 ms，不同脈沖信號寬度對應不同的舵機轉動角度。對于本文采用的270°舵機TBSN-K15，其轉動角度θ（單位：°）與所需脈沖信號寬度Wpulse（單位：ms）的對應關系可由如下線性方程和限制條件表述：

θ=135×（Wpulse-0.5），" " 0.5≤Wpulse≤2.5

OpenMV識別到目標乒乓球在視野正前方5 cm時，向Arduino發送字符“1”作為抓取信號；Arduino接收信號后控制5個舵機依次轉動到預置的角度，以控制機械臂做出抓取動作。下面介紹預置轉動角度的取值原理。

機械臂控制系統中，5個舵機分別控制1個機械爪、1個臺座和3個機械臂關節。整個過程中，為了在因外界擾動等因素使機械臂偏離工作位置的情況下完成復位，增強系統運行穩定性，控制臺座的舵機轉動角度始終保持在0°。

機械臂接收到抓取信號后的動作分為兩個階段。第一階段，機械臂由初始狀態開始動作，完成抓取乒乓球的任務。經測試，本文采用的機械爪在舵機轉動角度為135°時張開最大，轉動角度為20°時可靠閉合。因此在抓取階段，控制機械爪的舵機首先轉動到135°，以張開機械爪。此后依次計算三個控制機械臂關節的舵機轉動角度并控制其按此角度轉動。

求取轉動角度時，可將該問題等效為一個三變量幾何問題，如圖6所示。該等效問題中A點表示臺座與機械臂關節連接點，D點表示機械爪與機械臂關節連接點，等長線段AB、BC、CD分別表示三個機械臂關節；需要求取的三個舵機轉動角度分別為α、β、γ。由于該問題只有兩個定解條件，即lAD已知，三個機械臂關節長度相等，均為lservo，因此設定α=45°，在此基礎上求取β和γ，由α、lservo和lAD易得lBD，從而根據三個機械臂關節等長容易求解得γ，進而求得β，計算公式如下：，，至此三個機械臂關節轉動角度α、β、γ已求得。

三個控制機械臂關節的舵機依次轉動到α、β、γ角度后，控制機械爪的舵機轉動到20°，閉合機械爪以抓得乒乓球。

第二階段，機械臂通過動作將抓得的乒乓球放入存球筐；再求取三個控制機械臂關節的舵機轉動角度，并依次轉動三個舵機，此時機械爪已位于存球筐上方，張開機械爪即可將乒乓球放入存球筐。

4 測 試

在根據上文所述原理設計、組裝后，對撿球機器人進行實地測試。測試共分為3個部分，即尋球和尋跡追蹤，如圖7（a）所示；撿球階段，如圖7（b）所示；為展示機器人工作的連續性，還展示了新的尋球和追蹤階段，即完成一次抓取乒乓球任務后機器人尋找下一個乒乓球的過程，如圖7（c）所示。

5 結 語

本文設計的智能撿球機器人具有全向移動、精準識別和抓取目標的能力，具備較強的環境適應能力，擁有廣闊的應用前景。特別是在乒乓球訓練領域，實現自動化撿球的需求不斷增加。撿球機器人的普及應用，可以有效避免運動員因為頻繁撿球而出現健康問題，提升訓練效率。在國家大力推動人工智能在各產業應用的背景下，本文設計智能撿球機器人將為推動體育場館無人化運作做出貢獻，也將推動智能化機器人在其他領域中的應用和發展，具有良好的市場前景和經濟價值。

注：本文通訊作者為沈瑤。

參考文獻

[1]譚柏軒，易向東，鐘雄源，等.智能撿球小車的設計與實現[J].福建電腦，2023，39（1）：97-100.

[2]范昭君. 智能控制在自動撿球機器人中的應用[J].自動化技術與應用，2020，39（5）：67-71.

[3]閆慧君，韓玉彬. 移動式撿球機器人避障路徑視覺反饋控制方法[J]. 機械設計與制造，2023，61（1）：278-281.

[4]耿浩楠，周磊，劉新成，等.基于OpenMV的二維碼檢測技術在自動分揀系統中的應用[J].工業控制計算機，2022，35（12）：11-13.

[5]常晏鳴，廖宇，馮志強，等.基于OpenMV的自動追蹤識別儀表小車設計[J].湖北民族大學學報（自然科學版），2022，40（4）：451-456.

[6]陳鎮江，封瀟揚.基于麥克納姆輪的全向移動自主機器人設計研究[J].科技與創新，2022，9（22）：150-152.

[7]劉靜，林沖，郭世財，等.柑橘類水果采摘機器的設計與研究[J].包裝工程，2019，40（17）：56-62.

[8]鄒浩，郭雨婷，李佳盈，等.基于OPENMV的色彩引導機器人系統研究[J].科技資訊，2018，16（25）：85-86.

[9]鄭南寧.計算機視覺與模式識別[M].北京：國防工業出版社，1998：155-156.

[10]陳伯時. 電力拖動自動控制系統—運動控制系統（第3版）[M].北京：機械工業出版社，2003.

[11]孫偉棟，張宇，費雄，等. Mecanum輪參數化設計和運動學分析[J].農業裝備與車輛工程，2020，58（10）：40-43.

作者簡介：沈京燁（2002—），男，在讀本科，研究方向為電氣工程。

沈 瑤（1988—），女，碩士研究生，高級工程師，主要從事電路電磁場實驗教學方面的研究。

收稿日期：2023-04-23 修回日期：2023-05-19

基金項目：2022年國家級大學生創新訓練項目