汪洋，王黎明，薛毓銓，韓力春

(海軍工程大學(xué)電氣工程學(xué)院，湖北武漢 430033)

0 前言

海洋蘊(yùn)藏著豐富的資源，許多國(guó)家把戰(zhàn)略重點(diǎn)放在海洋的開(kāi)發(fā)和利用上。在開(kāi)發(fā)海洋資源的各種技術(shù)中，水下機(jī)器人技術(shù)脫穎而出。水下機(jī)器人的類型分為有線遙控水下機(jī)器人(ROV)和無(wú)纜水下機(jī)器人(AUV)。美國(guó)華盛頓大學(xué)應(yīng)用物理實(shí)驗(yàn)室研制出首個(gè)無(wú)人無(wú)纜潛水器CURV1，該潛水器在海底發(fā)現(xiàn)氫彈，轟動(dòng)全球。1986年，日本海洋科技中心研制出無(wú)人駕駛潛艇，它可以潛入世界上最深的馬里亞納海溝。2012年，中國(guó)制造的蛟龍?zhí)杽?chuàng)下了7 062 m的潛水紀(jì)錄，在海洋科學(xué)調(diào)查方面領(lǐng)先世界。

在圖像識(shí)別方面，對(duì)于兩幅靜態(tài)圖像，MORAVEC使用角點(diǎn)檢測(cè)算法比較圖像中像素，進(jìn)行模板匹配。HARRIS和STEPHENS提出了角點(diǎn)檢測(cè)算子來(lái)提取圖像的特征點(diǎn)，與MORAVEC的角點(diǎn)算子方法相比，它具有亮度不變性和尺度不變性等良好的性質(zhì)，但計(jì)算速度較慢、抗噪聲能力較差，在尺度變化大、亮度低等條件下難以進(jìn)行圖像識(shí)別。在此基礎(chǔ)上，LOWE提出尺度不變特征(Scale-Invariant Feature Transform，SIFT)算法，該算法采用金字塔分層方式，提取尺度、位置、旋轉(zhuǎn)不變特征量信息。馮亦東和孫躍提出了以SURF 特征提取為基礎(chǔ)，對(duì)圖像進(jìn)行最近鄰查找的圖像匹配算法，在不同條件下可以達(dá)到快速識(shí)別的效果。

在水下目標(biāo)識(shí)別方面，史廷彥和趙書(shū)斌以目標(biāo)角點(diǎn)和不變性特征為依據(jù)，通過(guò)神經(jīng)網(wǎng)絡(luò)分類器對(duì)目標(biāo)進(jìn)行分類識(shí)別。IBARRA等采用Canny算子提取邊界信息，對(duì)目標(biāo)位置進(jìn)行定位。該算法僅適用于已知目標(biāo)信息的定位方法。

本文作者選取適當(dāng)?shù)姆椒ǎ瑢?duì)海參進(jìn)行識(shí)別定位。用D-H方法對(duì)機(jī)械臂進(jìn)行運(yùn)動(dòng)建模，控制其末端執(zhí)行器到達(dá)指定位置并做出相應(yīng)動(dòng)作，實(shí)現(xiàn)對(duì)海參的識(shí)別定位抓取。

1 系統(tǒng)模塊

系統(tǒng)模塊包括圖像識(shí)別定位系統(tǒng)、機(jī)械臂抓取作業(yè)系統(tǒng)和控制系統(tǒng)。機(jī)械臂系統(tǒng)構(gòu)成如圖1所示。

圖1 機(jī)械臂系統(tǒng)構(gòu)成

1.1 圖像識(shí)別定位系統(tǒng)

水下機(jī)器人移動(dòng)至合適位置后進(jìn)行抓取作業(yè)前，水下機(jī)器人通過(guò)圖像識(shí)別模塊完成對(duì)海參的識(shí)別。

圖像識(shí)別模塊由計(jì)算機(jī)和攝像頭連接組成。計(jì)算機(jī)可實(shí)時(shí)傳輸攝像頭拍攝到的圖像，使用OpenCV中SIFT算法對(duì)海參進(jìn)行識(shí)別，調(diào)整與優(yōu)化參數(shù)，排除其他干擾因素，提高識(shí)別效果，并使用黑色方框標(biāo)注識(shí)別出的海參，通過(guò)相應(yīng)的計(jì)算可對(duì)海參進(jìn)行空間位置定位。

1.2 機(jī)械臂抓取作業(yè)系統(tǒng)

抓取作業(yè)模塊機(jī)械臂的關(guān)節(jié)由步進(jìn)電機(jī)組成，抓取作業(yè)模塊由Arduino單片機(jī)控制。機(jī)械臂獲取海參圖像信息后，經(jīng)計(jì)算得到機(jī)械臂各個(gè)關(guān)節(jié)需要轉(zhuǎn)動(dòng)的角度。通過(guò)引腳高低電平變化控制機(jī)械臂各個(gè)關(guān)節(jié)的運(yùn)動(dòng)，使末端執(zhí)行器到達(dá)指定位置。由PWM波控制舵機(jī)控制機(jī)械爪抓取。在末端執(zhí)行器放置超聲波模塊，通過(guò)超聲波模塊測(cè)距，根據(jù)得到的距離進(jìn)行反饋控制。

1.3 控制系統(tǒng)

水下機(jī)器人的識(shí)別系統(tǒng)、機(jī)械系統(tǒng)及其他部件由控制系統(tǒng)直接控制，控制系統(tǒng)采用多分布式控制。上層計(jì)算機(jī)作為主控計(jì)算機(jī)，進(jìn)行圖像處理、識(shí)別定位、運(yùn)算等。下層由Ardunio控制，根據(jù)機(jī)械臂結(jié)構(gòu)特點(diǎn)選擇不同功能的模塊并采用合適的算法進(jìn)行控制，確保機(jī)械臂各個(gè)關(guān)節(jié)精準(zhǔn)運(yùn)動(dòng)，保證機(jī)械臂滿足實(shí)際抓取作業(yè)要求。

2 目標(biāo)識(shí)別與定位

2.1 目標(biāo)識(shí)別

在實(shí)際應(yīng)用中，基本的圖像灰度變化和視角變換等都基于特征匹配方法的不確定因素，導(dǎo)致常見(jiàn)的匹配算法如模板匹配包含大量的誤匹配點(diǎn)，因此匹配精度比較低。海參模板匹配識(shí)別效果如圖2所示。

圖2 海參模板匹配識(shí)別效果

當(dāng)背景簡(jiǎn)單時(shí)，對(duì)位置1、2、3的識(shí)別效果較好。轉(zhuǎn)動(dòng)圖中海參，可以看到對(duì)位置4的識(shí)別存在誤差。為解決這一問(wèn)題，將SIFT算法提取圖像特征點(diǎn)與FLANN(Fast Library for Approximate Nearest Neighbors) 匹配算法相結(jié)合，提出圖像識(shí)別方法。SIFT算法是一種局部特征提取算法，旋轉(zhuǎn)、尺度、亮度保持不變，在噪聲等因素的影響下仍能保持良好的匹配效果。FLANN算法是一組用于最近鄰搜索的算法,利用歐氏距離計(jì)算并匹配圖像中最接近的點(diǎn)。歐氏距離計(jì)算公式為

(1)

由式(1)可知，值越小, 這些特征點(diǎn)對(duì)之間的距離越近, 說(shuō)明匹配圖片相似程度越高。

由圖3可知：在海參放置在不同位置、方向且海參大小不同的條件下，該算法均可以識(shí)別出海參。

圖3 海參SIFT算法識(shí)別

2.2 識(shí)別海參圖像框校正

圖3(b)(c)中識(shí)別的圖像框存在傾斜情況，原因是模板圖片和識(shí)別圖片中海參的位置發(fā)生改變，且攝像頭拍攝到的圖片相對(duì)傾斜，導(dǎo)致圖像框扭曲為平行四邊形。對(duì)此情況做出如下調(diào)整：圖片傾斜時(shí)對(duì)應(yīng)的中心位置不會(huì)改變，由SITF算法和FLANN算法結(jié)合計(jì)算得到四邊形4個(gè)頂點(diǎn)，以平行四邊形的中心位置為依據(jù)，調(diào)整圖像框后的識(shí)別效果如圖4所示。

圖4 調(diào)整圖像框后海參識(shí)別結(jié)果

將識(shí)別到的海參所處中心位置按照相應(yīng)的比例轉(zhuǎn)化為實(shí)際位置的坐標(biāo)，便于后續(xù)進(jìn)行抓取工作。

3 機(jī)械臂的運(yùn)動(dòng)學(xué)建模

本文作者以三自由度機(jī)械臂為研究對(duì)象。該機(jī)械臂是一個(gè)串聯(lián)式機(jī)械臂，底座安裝在水下機(jī)器人上，末端安裝機(jī)械爪如圖5所示。機(jī)械臂大臂和小臂由關(guān)節(jié)連接，電機(jī)驅(qū)動(dòng)各關(guān)節(jié)轉(zhuǎn)動(dòng)，控制機(jī)械臂運(yùn)動(dòng),使機(jī)械爪到達(dá)所需位置。

圖5 機(jī)械臂模型

3.1 基于D-H方法的機(jī)械臂運(yùn)動(dòng)建模

利用D-H算法建立基于機(jī)械手正逆運(yùn)動(dòng)學(xué)模型，描述機(jī)械臂關(guān)節(jié)角度與機(jī)械臂末端執(zhí)行器位置之間的映射關(guān)系，建立機(jī)械臂末端狀態(tài)與關(guān)節(jié)角度之間的關(guān)系。機(jī)械臂參數(shù)如表1所示。

表1 機(jī)械臂參數(shù)

3.1.1 正運(yùn)動(dòng)學(xué)分析

機(jī)械臂的每個(gè)關(guān)節(jié)由表示，將關(guān)節(jié)矩陣相乘，計(jì)算出末端變換矩陣為

==

(2)

3.1.2 逆運(yùn)動(dòng)學(xué)分析

給定位置，分別求出機(jī)械臂關(guān)節(jié)轉(zhuǎn)動(dòng)角度：

=

(3)

=

(4)

3.2 平面二連桿機(jī)械臂運(yùn)動(dòng)學(xué)推導(dǎo)

實(shí)驗(yàn)為定向抓取，驗(yàn)證可簡(jiǎn)化為平面二連桿機(jī)械手的運(yùn)動(dòng)學(xué)計(jì)算。平面二連桿模型如圖6所示。

圖6 平面二連桿模型

3.2.1 正運(yùn)動(dòng)學(xué)分析

根據(jù)幾何關(guān)系，可推導(dǎo)出機(jī)械臂末端位置與關(guān)節(jié)變量之間的關(guān)系，得到平面二連桿機(jī)械手的正運(yùn)動(dòng)學(xué)方程。

3.2.2 逆運(yùn)動(dòng)學(xué)分析

通過(guò)求解機(jī)器人給定位置各關(guān)節(jié)的轉(zhuǎn)角，推導(dǎo)出平面雙連桿機(jī)械手的逆運(yùn)動(dòng)學(xué)方程。在給定一個(gè)目標(biāo)點(diǎn)(，)和2個(gè)連桿的長(zhǎng)度、時(shí)，、就是平面兩連桿機(jī)械手逆運(yùn)動(dòng)學(xué)方程的解：

(5)

(6)

計(jì)算得到的角度可用于驗(yàn)證D-H算法的準(zhǔn)確性。

4 實(shí)驗(yàn)驗(yàn)證分析

采用圖像識(shí)別算法對(duì)海參圖像進(jìn)行識(shí)別，并將計(jì)算得到的位置發(fā)送給機(jī)械臂，超聲波傳感器模塊測(cè)量距離并傳輸至計(jì)算機(jī)端，當(dāng)末端執(zhí)行器機(jī)械爪到達(dá)指定位置時(shí)，Arduino控制舵機(jī)轉(zhuǎn)動(dòng)實(shí)現(xiàn)對(duì)海參的抓取作業(yè)，如圖7所示。同時(shí)，在程序中設(shè)置機(jī)械爪舵機(jī)旋轉(zhuǎn)角度和夾取速度，確?？梢栽谥付ǖ臅r(shí)間內(nèi)完成海參抓取動(dòng)作且不對(duì)海參品質(zhì)造成較大影響。

圖7 海參抓取實(shí)驗(yàn)

設(shè)定10組理論條件下機(jī)械臂可以到達(dá)的位置，通過(guò)編寫(xiě)程序控制步進(jìn)電機(jī)轉(zhuǎn)動(dòng)，使機(jī)械臂的末端執(zhí)行器到達(dá)設(shè)定的位置并計(jì)算誤差，結(jié)果如表2所示。

表2 機(jī)械臂末端坐標(biāo) 單位：cm

由表2可知：平均誤差為2.4 mm，誤差較小，可以認(rèn)為機(jī)械臂在實(shí)際應(yīng)用中可達(dá)到指定位置。

5 結(jié)論

本文作者在自主研發(fā)的機(jī)械臂系統(tǒng)平臺(tái)上，采用SIFT+FLANN的圖像識(shí)別融合算法，進(jìn)行圖像框的矯正，提高了系統(tǒng)目標(biāo)識(shí)別的準(zhǔn)確率。同時(shí)，基于D-H參數(shù)法，建立了機(jī)械臂模型，并在此基礎(chǔ)上進(jìn)行運(yùn)動(dòng)學(xué)分析，實(shí)現(xiàn)系統(tǒng)優(yōu)化控制。結(jié)合定向抓取控制實(shí)驗(yàn)，通過(guò)相機(jī)定位獲取海參的位置信息，當(dāng)機(jī)械臂接收目標(biāo)物位置信息后，機(jī)械臂對(duì)海參進(jìn)行抓取。所提方法可提高系統(tǒng)識(shí)別算法準(zhǔn)確性和控制系統(tǒng)的有效性，為機(jī)械臂控制研究提供參考。