黃繼鵬，李楠，伊明

（東北師范大學(xué)物理學(xué)院，吉林長(zhǎng)春,130024）

0 引言

學(xué)科競(jìng)賽是培養(yǎng)學(xué)生實(shí)踐能力、創(chuàng)新能力和團(tuán)隊(duì)協(xié)作能力最為直接有效的方式。以學(xué)科競(jìng)賽為依托，有助于實(shí)踐教學(xué)與人才培養(yǎng)模式的改革創(chuàng)新[1]，激發(fā)大學(xué)生的興趣和潛能，培養(yǎng)協(xié)作意識(shí)和創(chuàng)新精神。本文從組織學(xué)生參加中國(guó)工程機(jī)器人競(jìng)賽搬運(yùn)工程項(xiàng)目出發(fā)，設(shè)計(jì)了一個(gè)基于攝像頭的自動(dòng)分揀搬運(yùn)機(jī)器人[2]。該機(jī)器人運(yùn)用單片機(jī)、攝像頭和舵機(jī)，實(shí)現(xiàn)了物料顏色識(shí)別、路徑檢測(cè)以及規(guī)劃，對(duì)目標(biāo)物體的抓取以及自動(dòng)搬運(yùn)等功能。該分揀搬運(yùn)系統(tǒng)技術(shù)使得搬運(yùn)機(jī)器人分揀運(yùn)輸自動(dòng)化和智能化程度得到進(jìn)一步提高，有助于改善一般物流倉(cāng)儲(chǔ)工作中，人工輔助依賴性較高的現(xiàn)狀。

目前市面上的搬運(yùn)機(jī)器人大多加裝了專用顏色傳感器、灰度傳感器等或購(gòu)買使用OpenMv攝像頭進(jìn)行外部代碼的移植，此類傳感器和OpenMv不但增加了成本，而且在部分零件出現(xiàn)問(wèn)題時(shí)，難以精準(zhǔn)定位故障以及及時(shí)更換零件，影響工作效率。本文設(shè)計(jì)的機(jī)器人系統(tǒng)使用低成本的攝像頭進(jìn)行識(shí)別，并在STM32中編寫了圖像處理相關(guān)代碼，節(jié)省了專用傳感器以及OpenMv的費(fèi)用，并測(cè)試了不同的補(bǔ)光光強(qiáng)和設(shè)定的不同顏色的閾值對(duì)顏色識(shí)別準(zhǔn)確率的影響，經(jīng)測(cè)試系統(tǒng)能很好的完成顏色和路徑的識(shí)別。

1 系統(tǒng)的總體設(shè)計(jì)

智能分揀搬運(yùn)機(jī)器人在軟件和硬件上均采用模塊化設(shè)計(jì)，主要由主控模塊、圖像采集模塊、電機(jī)驅(qū)動(dòng)模塊、電源穩(wěn)壓模塊、機(jī)械臂模塊組成。

■1.1 主控制模塊

采用STM32F103作為主控芯片，由攝像頭采集圖像后傳給單片機(jī)進(jìn)行分析，然后控制電機(jī)的行走和機(jī)械臂的搬運(yùn)，其中單片機(jī)和電機(jī)由穩(wěn)壓模塊供電。系統(tǒng)總體框圖如圖1所示。

圖2 野火OV7725攝像頭模塊電路圖

■1.2 視頻采集模塊

采用野火OV7725攝像頭模塊進(jìn)行視頻圖像的信息采集。該模塊主要由鏡頭、圖像傳感器、FIFO緩存組成。光線經(jīng)過(guò)鏡頭傳輸?shù)綌z像頭的圖像傳感器上，然后將采集到的光線信號(hào)緩存到攝像頭背面的FIFO緩存中，然后單片機(jī)再?gòu)闹蝎@取拍攝到的圖像數(shù)據(jù)。其中單片機(jī)與攝像頭模塊的傳輸協(xié)議為SCCB協(xié)議，相當(dāng)于一個(gè)簡(jiǎn)易的I2C協(xié)議。如圖2所示。

■1.3 穩(wěn)壓模塊

穩(wěn)壓模塊采用的是LM2596模塊，此模塊為降壓模塊，輸入電壓的范圍為直流3.2V至40V，輸出要比輸入低1.5V以上。電壓的輸入為兩節(jié)3.7V鋰電池供電，輸出調(diào)至5V，用于給舵機(jī)和單片機(jī)供電。

■1.4 機(jī)械臂模塊

使用兩個(gè)MG90S舵機(jī)構(gòu)成了一個(gè)二自由度的機(jī)械鉤子，負(fù)責(zé)鉤取堆疊在一起的所需物料。一個(gè)舵機(jī)控制鉤子的水平方向，另一個(gè)舵機(jī)控制鉤子的垂直方向。使用由一個(gè)舵機(jī)構(gòu)成的機(jī)械爪子控制爪子的開(kāi)合，負(fù)責(zé)搬運(yùn)單個(gè)物料。

2 軟件系統(tǒng)的設(shè)計(jì)

智能分揀搬運(yùn)機(jī)器人軟件設(shè)計(jì)主要包含攝像頭采集，物體顏色識(shí)別，舵機(jī)的控制，黑線的尋跡與識(shí)別。

■2.1 舵機(jī)控制程序

舵機(jī)的控制是使用單片機(jī)產(chǎn)生PWM信號(hào)來(lái)控制舵機(jī)的轉(zhuǎn)動(dòng)角度，通過(guò)控制PWM 波的占空比來(lái)調(diào)節(jié)電機(jī)轉(zhuǎn)速。通過(guò)控制兩個(gè)360°舵機(jī)的轉(zhuǎn)速來(lái)控制機(jī)器人左轉(zhuǎn)右轉(zhuǎn)；通過(guò)控制兩個(gè)180°舵機(jī)控制機(jī)械鉤子的左右和上下；通過(guò)一個(gè)180°舵機(jī)控制機(jī)械爪子的張合。

■2.2 邊緣提取算法

邊緣提取算法主要是為了小車的尋跡，識(shí)別交叉路口等操作。圖像邊緣往往包含著一幅圖像的大部分信息，是圖像的基本特征之一。經(jīng)典的邊界提取算法是先對(duì)圖像進(jìn)行平滑濾波處理，來(lái)濾除圖像中的噪聲，然后進(jìn)行一階微分運(yùn)算求得梯度最大值，最后根據(jù)效果選取合適的閾值來(lái)進(jìn)行邊緣提取。邊緣檢測(cè)流程圖如圖3所示。在進(jìn)行邊緣提取時(shí)，先將路徑進(jìn)行二值化處理，之后進(jìn)行邊緣的檢測(cè)。

圖3 邊緣檢測(cè)流程圖

■2.3 顏色識(shí)別算法

在圖像處理中，最常用的顏色空間是RGB模型，常用于顏色顯示和圖像處理，因?yàn)轭伾R(shí)別更注重于色彩表示，因此要將RGB模型轉(zhuǎn)變?yōu)镠SV模型，這個(gè)模型中顏色的參數(shù)分別是：色調(diào)（H），飽和度（S），明度（V）。

RGB到HSV的轉(zhuǎn)變的算法：

如圖4所示，攝像頭采集到圖像后讓其在外界LCD顯示屏上顯示出來(lái)，單片機(jī)可以直接從FIFO中讀取RGB模型后提取出來(lái)并轉(zhuǎn)換為HSV模型，然后根據(jù)設(shè)定各個(gè)顏色的HSV的閾值，判斷物料的顏色。

圖4 單片機(jī)處理后對(duì)小物塊顏色的識(shí)別

■2.4 路徑識(shí)別算法

在機(jī)器人的路徑識(shí)別中，需要根據(jù)采集圖像的邊緣檢測(cè)結(jié)果，路徑識(shí)別算法需要判斷行走是否在一條直線上，避免機(jī)器人驅(qū)動(dòng)系統(tǒng)左右兩輪轉(zhuǎn)動(dòng)有細(xì)微區(qū)別或者路況不平整的情況；判斷機(jī)器人在行走到交叉路口的時(shí)候的路徑選擇；判斷機(jī)器人是否走到目標(biāo)位置。

首先將提取之后的圖像在顯示屏上以80×60的分辨率顯示出來(lái)，并在顯示屏上建立坐標(biāo)，之后單片機(jī)做邊緣檢測(cè)，并將顯示出的圖像按縱軸均分六等份，采用采樣的方式分析路徑，以提高單片機(jī)的處理效率。

調(diào)節(jié)機(jī)器人的巡線程序，使其能沿路徑行走。通過(guò)判斷中間黑線是否走偏，若黑線偏左，則需調(diào)節(jié)兩輪的轉(zhuǎn)速，使其向左移動(dòng)一些延時(shí)之后再判斷，向右偏同理。在巡線的基礎(chǔ)上，設(shè)計(jì)了讓機(jī)器人識(shí)別交叉路口的程序，攝像頭在采集到機(jī)器人行進(jìn)到交叉路口時(shí)，會(huì)有黑線的干擾，因此讓攝像頭識(shí)別交叉口兩端的黑線，若檢測(cè)到兩端黑線達(dá)到了顯示屏劃定的坐標(biāo)位置，即為行進(jìn)到了交叉路口。在此基礎(chǔ)上又設(shè)計(jì)了目標(biāo)位置的檢測(cè)，目標(biāo)位置存在有些許標(biāo)識(shí)或黑線，當(dāng)攝像頭檢測(cè)到目標(biāo)位置的標(biāo)識(shí)或黑線達(dá)到了顯示屏上劃定的坐標(biāo)位置，證明機(jī)器人達(dá)到了目標(biāo)位置。流程圖如圖5所示。

圖5 路徑識(shí)別算法流程圖

3 實(shí)驗(yàn)測(cè)試

根據(jù)上述設(shè)計(jì)，完成自動(dòng)分揀搬運(yùn)機(jī)器人實(shí)物搭建，如圖6所示。

圖6 智能分揀搬運(yùn)機(jī)器人實(shí)物圖

在競(jìng)賽實(shí)驗(yàn)過(guò)程中，發(fā)現(xiàn)顏色識(shí)別準(zhǔn)確度影響搬運(yùn)的成功率，而不同的顏色的HSV的閾值設(shè)定的不同會(huì)影響顏色識(shí)別的準(zhǔn)確率，此外周圍環(huán)境的亮度也會(huì)影響識(shí)別的準(zhǔn)確率，因此在識(shí)別顏色的時(shí)候會(huì)加入LED光源照明。因此要找到最合適的閾值設(shè)定，本次測(cè)試地點(diǎn)選在夜間無(wú)自然光的實(shí)驗(yàn)室內(nèi)，經(jīng)過(guò)100次的不同光照強(qiáng)度下的顏色識(shí)別的檢測(cè)成功率，測(cè)試不同的閾值設(shè)置對(duì)實(shí)驗(yàn)結(jié)果的影響，選出最合適的閾值。經(jīng)測(cè)試，以90Lux光強(qiáng)為基準(zhǔn)，逐步降低光照強(qiáng)度，帶有LED光源照明達(dá)到80Lux以上的機(jī)器人，且以90Lux光照下設(shè)置的各個(gè)顏色的HSV的閾值為標(biāo)準(zhǔn)，此時(shí)紅色對(duì)應(yīng)閾值設(shè)置為((h_hsv<=15&&h_hsv>=0)||(h_hsv<=360&&h_hsv>=330))，藍(lán)色對(duì)應(yīng)的閾值設(shè)置為((h_hsv<=230&&h_hsv>=200))&&(v_hsv<0.38)， 綠 色 對(duì)應(yīng)的閾值設(shè)置為((h_hsv<=200&&h_hsv>=125))&&(v_hsv>0.2&&v_hsv<0.7)，白色對(duì)應(yīng)的閾值設(shè)置為((h_hsv<=240&&h_hsv>=175))&&(v_hsv>0.3)，其余閾值均視為黑色時(shí)，對(duì)顏色識(shí)別準(zhǔn)確率最高。當(dāng)光照強(qiáng)度變?nèi)鯐r(shí)，紅色和黑色的識(shí)別成功率影響較小，白色、藍(lán)色和綠色的識(shí)別受到的影響最大。如圖7所示。

圖7 閾值和光源對(duì)顏色識(shí)別準(zhǔn)確率的影響

經(jīng)過(guò)學(xué)生團(tuán)隊(duì)多次測(cè)試，攝像頭成功實(shí)時(shí)地采集到圖像并在LCD顯示屏上顯示出來(lái)，機(jī)器人也能精準(zhǔn)的尋跡和搬運(yùn)，物料的顏色識(shí)別準(zhǔn)確率較高，實(shí)驗(yàn)表明，智能分揀機(jī)器人總體表現(xiàn)穩(wěn)定，系統(tǒng)的可靠性高。

4 總結(jié)

經(jīng)過(guò)學(xué)生的團(tuán)隊(duì)協(xié)作，在基于機(jī)器視覺(jué)的智能分揀搬運(yùn)機(jī)器人中，設(shè)計(jì)實(shí)現(xiàn)了尋跡系統(tǒng)可自動(dòng)尋導(dǎo)，顏色識(shí)別系統(tǒng)可以分類物料類別，經(jīng)實(shí)戰(zhàn)，榮獲了2019年中國(guó)工程機(jī)器人大賽暨國(guó)際公開(kāi)賽攝像頭搬運(yùn)工程一等獎(jiǎng)。通過(guò)學(xué)科競(jìng)賽，以賽促學(xué)的方式激勵(lì)更多學(xué)生主動(dòng)參與到工程訓(xùn)練項(xiàng)目，增強(qiáng)了學(xué)生的創(chuàng)新能力和解決實(shí)際問(wèn)題的能力，提升了團(tuán)隊(duì)協(xié)作的素養(yǎng)，達(dá)到了促進(jìn)工程能力培養(yǎng)的目的。