智能识别红球及路径规划机器人设计

陈奎　韦东　夏彬瀚　刘冬冬　熊永　霍凤财

摘要：针对目前很多球场没有智能捡球机的空白，设计一款能应用于球场的智能捡球机器人。该机器人识别红球是基于颜色识别的，首先通过摄像头来明晰机器人周围的环境，然后把视频流截取为一帧一帧的图片并且对图片进行处理，包括膨胀与腐蚀、将 RGB 空间转换为 HSI 空间；然后在场景中识别出红球，并标记出红色区域的中心，之后机器人原地转动将机器人周围的各个红球的中心位子值返回到控制器，通过采用蚁群算法的思想规划好路径；最后通过驱动机器人的舵机使其到达红球前面并通过安装在前面的两个舵机操纵机械手完成收球，同时在找球的过程中使用红外接近传感器进行避障。

Abstract： In view of the fact that there are no intelligent ball pick-up machines in many ball parks， an intelligent ball pick-up robot is designed in this paper. This robot indentifies red balls by their color. First， the robot observes the surrounds with the camera， then cuts the video flowing into image frames and processes the images， including expansion and corrosion， converting RGB space to HSI space. Then it recognizes the red ball in the scene， and marks the center of the red area. Then the robot rotates on the spot to transfer the center position value of the red balls to the controller and then plans the route by ant colony algorithm. Finally， drive the steering engine robot to make it reach the red ball and operate the manipulator to pick up the ball. In the process， the infrared proximity sensor is used to avoid obstacle.

关键词：机器人；智能识别；路径规划

Key words： robot；intelligent identification；route planning

中图分类号：TP242.6 文献标识码：A 文章编号：1006-4311（2016）06-0243-02

0 引言

智能捡球机器人作为移动机器人应用的一方面，现今的各种球类设施中，发球机鳞次栉比，然而智能捡球机却比较少，市场上尽管有捡球机，但它们普遍有一些明显的缺点。首先需人为操控；其次目前市场上的捡球机体积较为庞大，无法在室内工作，也大大降低了它的灵活度，显得较为笨重；最后当前的捡球机一般造价较为昂贵，维护和保养成本较高，只适合大型运动场所使用，其目标群体较小，不适合大众消费。为了克服以上捡球机的不足，本文基于红球识别及路径规划的智能机器人设计，通过对它周围环境中的目标球信息的获取，以及排除周围环境的图像干扰，然后对各传感器数据进行融合分析处理[1]，由控制器规划好路径，继而发出各项指令，以完成机器人自动识别红球[2]、路径规划、收集红球的一系列动作指令。由于它相对来说体积较小，因此在室内外都可以进行工作，无需人为操控就能完成人们的任务要求，且因为它的机械部分s简似儿童的玩具小车，体积较小，行动灵活，能够较轻松的避开各种障碍。目前该应用领域还处于空白，市场前景和价值很可观。

1 系统方案

本智能捡球机器人采用AVR系列ATmega128单片机为控制核心的MultiFLEX 2-PXA270控制器[3]，使用红外接近传感器进行避障，视觉传感器采用Vimicro 301摄像头，驱动和捡球部分采用CDS55xx舵机，电源采用7.2V的锂聚合物电池组，通过编写程序控制各个外设模块，构成整体机器人架构[4]。系统总体设计图如图1所示。本智能捡球机器人为多模块系统，由图像检测模块、速度控制模块、方向控制模块、避障模块、舵机驱动和最小控制系统、电源管理模块组成。

2 技术原理

2.1 图像处理

首先MultiFLEX 2-PXA270控制器通过底层接口获得一帧图像，图像数据其实是一个一维的数组，RGB24格式（R、G、B颜色各占一个字节，共24位），每3字节一个像素。需要注意的是，图像数据中每个像素对应的3字节是按B（Blue）、G（Green）、R（Red）的顺序存放的，而不是按R、G、B的顺序存放。其次，将图像数据从RGB空间转化到HSI空间。因为在RGB颜色空间下很难排除光照的影响，所以不适合用来做颜色区分。在HSI空间，可以用Hue（色度）来对颜色进行划分。再次，进行颜色区域分割。循环遍历一副图像中的每个像素，将每个像素转换后的H值和目标阈值进行比较，符合范围要求的就作为有效点，否则视为无效点。遍历完整幅图像后，对所有的x和y求平均值，得到ave_x和ave_y，则（ave_x，ave_y）为目标区域在画面中的质心的坐标。在颜色干扰不是很严重的情况下，可以认为目标区域的质心就是目标物体的中心。最后，保存计算得到的目标区域的质心坐标ave_x和ave_y，以及有效像素个数（目标面积）。用户可以通过MFCapGetCenterX函数获取ave_x值，通过MFCapGetCenterY获取ave_y值，通过MFCapGetSum（）获取目标面积。

在视频图像平面中，横向为x轴，纵向为y轴，通过目标球质心横坐标值可以判断出球相对于机器人正前方是偏左还是偏右，球质心横坐标小于画面中心横坐标（当摄像头分辨率是320*240时，画面中心坐标为（160，120）），说明球在机器人的左前方；反之亦然。通过球质心纵坐标可以判断球与机器人的距离，需要注意的是，球和机器人的距离与球中心纵坐标不是严格的线性关系，但是遵循这样的规律：球离机器人越远，球质心在画面中纵坐标就越大。因此，根据获取到的球质心纵坐标，就可以判断出球相对于机器人的方位以及球和机器人的距离，可以根据球质心坐标调整机器人的运动状态。

2.2 路径规划

路径规划研究包括环境表达、规划算法和路径执行三个方面。目前，已经存在大量组合优化算法来处理机器人路径规划问题，但很多算法都存在一定的局限性。而蚁群算法具有正反馈、灵活性和协同性等特点，顺应路径规划算法的研究现状和向智能化、仿生化发展的动向。因此，采用蚁群算法的思想对机器人路径进行规划。本文设计的机器人环境为静态全局环境已知，通过栅格法对已知环境进行抽象，建立机器人工作空间模型，并采用蚁群算法，仿照蚂蚁觅食行为，根据优化条件寻找出一条从指定起点到终点的最优或者近似最优路径，即全局路径规划。该智能机器人使用自身视觉传感器按照规划好的最优路径自动导航，无碰撞地移动到目标点。算法流程如图2所示。

3 整体设计

本文中采用的MultiFLEX 2-PXA270控制器为小型智能机器人的理想选择，使用NorthStar图形化集成开发环境，可以简单、快捷地开发程序，无需理会交叉编译、程序下载等复杂过程。以CDS55xx舵机作为执行机构，CDS系列机器人舵机属于一种集电机、伺服驱动、总线式通信接口为一体的集成伺服单元，它可以工作在舵机模式和电机模式。舵机模式时，它可以在零到三百度的范围内摆动，因此将收球的机械臂设为舵机模式；电机模式时，它可以像电机一样整周旋转，因此把舵机设为电机模式驱动全向轮。为了保证机器人能向任意方向前进，采用全向轮。驱动轮在一个方向上具有主动驱动能力的同时，另外一个方向也具有自由移动的运动特性。当电机驱动车轮旋转时，车轮以普通方式沿着垂直与驱动轴的方向前进，同时车轮周边的辊子沿着各自的轴线只由旋转。机器人的“眼睛”采用Vimicro 301摄像头。同时在机器人的前方安装两个红外接近传感器，红外接近传感器是开关量传感器，用来判断在测量距离内有无障碍物，不能给出障碍物的实际距离。但是该传感器带有一个灵敏度调节按钮，可以调节传感器触发的距离。由于机器人本身体积小，所以只需要两个红外测距传感器就可以满足避障要求，有障碍物时返回1，没有检测到时返回0。机器人捡球过程中的漫游流程图3所示。

4 结语

本文设计的智能捡球机器人系统是采用AVR单片机控制，由视觉系统、运动机构，捡球装置和中央处理器组成，能够检测到地面上的红球及对红球进行准确的定位，并能精准到达球的面前，最终完成捡球动作。在整个捡球过程中，智能捡球捡机器人独立完成寻球、行走、捡球动作，不需要人的参与。这样既节省了运动员的时间、体力与不必要的人力资源，又实现了捡球过程的高效、快捷。符合当今各领域产品智能化、自动化的趋势。本文融合了图像采集与处理技术，采用蚁群算法的思想进行路径规划，利用模糊PID控制算法调节舵机转角及舵机在电机模式下的速度，确保了机器人高速、稳定执行一系列动作指令。经过在实验室中调试，具有能及时识别红球并收集红球，未来在各种球场的应用有较好的前景。

参考文献：

[1]徐春梅，等.基于机器视觉系统的颜色识别[J].机械设计与制造，2011（8）：257-258.

[2]陈兴峰，等.基于FPGA的色彩空间RGB与HSI的相互转换算法[J].真空电子技术，2008（5）：18-21.

[3]徐玉，韩波，李平.基于AVR的舵机控制器设计[J].工业控制计算机，2004，17（11）：38-39，42.

[4]博创科技.博创科技教学科研机器人产品介绍及实验室建设方案[Z].北京博创兴盛机器人技术有限公司，2007.