薛謝輝，馬同霞

（1.南昌職業(yè)大學(xué) 工程技術(shù)學(xué)院，南昌 330500；2.南昌職業(yè)大學(xué) 經(jīng)濟管理學(xué)院，南昌 330500）

為提高管理效率，提升圖書館管理智能化水平，應(yīng)用機器人技術(shù)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?qū)崿F(xiàn)對館內(nèi)所有書籍的掃描、定位、統(tǒng)計等處理，實現(xiàn)圖書館的智能化服務(wù)，并且極大程度提升圖書館的管理效率和服務(wù)質(zhì)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(shù)據(jù)的位置，為圖書尋找提供有效幫助。但是，在實際應(yīng)用過程中，由于館內(nèi)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(fā)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(guān)控制方法，該方法通過卡爾曼濾波算法實現(xiàn)機器人測距數(shù)據(jù)和里程數(shù)據(jù)的融合，在此基礎(chǔ)上獲取機器人的坐標信息，實現(xiàn)機器人控制。但是該方法在應(yīng)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(gòu)建機器人模型，在考慮機器人一定角度和距離權(quán)重的前提下，利用隨機數(shù)算法完成機器人運動規(guī)劃，實現(xiàn)機器人控制。該方法在應(yīng)用過程中，對于突發(fā)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(shè)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(tǒng)。

1 圖書館書籍定位機器人自動化控制系統(tǒng)

1.1 書籍定位機器人自動化控制系統(tǒng)結(jié)構(gòu)

書籍定位機器人在應(yīng)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(jié)合書籍定位尋找需求，設(shè)計基于人工智能的書籍定位機器人自動化控制系統(tǒng)，系統(tǒng)結(jié)構(gòu)如圖1 所示。本系統(tǒng)整體分為人機交互層、行為評估層、運動規(guī)劃層以及機器人執(zhí)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(guī)劃層依據(jù)評估結(jié)果對機器人進行自主控制，通過機器人執(zhí)行層執(zhí)行控制結(jié)果。

圖1 人工智能書籍定位機器人控制系統(tǒng)結(jié)構(gòu)Fig.1 Structure of positioning robot control system for artificial intelligence

1.2 自主控制器結(jié)構(gòu)

運動規(guī)劃層在進行機器人自主控制時，主要依據(jù)自主控制器完成，控制器結(jié)構(gòu)如圖2 所示。自主控制器的主要作用是實現(xiàn)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(fù)位電路、傳感器、光電編碼器以及各類串口等相連接，實現(xiàn)圖書館定位機器人的自主控制。其在控制過程中，能夠依據(jù)接口電路將控制指令傳送至電機驅(qū)動器，完成該驅(qū)動器的控制；并且在控制過程中，以eCAN總線為依據(jù)，實現(xiàn)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(zhí)行。

圖2 自主控制器結(jié)構(gòu)Fig.2 Autonomous controller structure

1.3 圖書館書籍定位機器人硬件

機器人執(zhí)行層是系統(tǒng)的基礎(chǔ)支撐，其主要通過機器人實現(xiàn)該層的運行，機器人硬件結(jié)構(gòu)如圖3 所示。依據(jù)圖3 可知，該機器人以工控機為核心，并且工控機內(nèi)設(shè)有視頻采集卡、數(shù)據(jù)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(shù)據(jù)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(xiàn)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(xiàn)書籍定位機器人的左、右2 個驅(qū)動電機、旋轉(zhuǎn)和俯仰2 個驅(qū)動電機的控制，以實現(xiàn)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(jié)構(gòu)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(yè)環(huán)境區(qū)域識別

由于視覺裝置采集的作業(yè)環(huán)境圖像為彩色圖像，為精準檢測識別作業(yè)環(huán)境區(qū)域的目標圖像，以為后續(xù)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(jù)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(huán)境圖像色彩分布用函數(shù)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(qū)域矩計算公式為

式中：p 和q 均表示階數(shù)；s 表示采集圖像的整個區(qū)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(qū)域的面積，其一階矩計算公式為

目標區(qū)域的質(zhì)心（xc，yc）計算公式為

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

（1）構(gòu)建聚類中心，將計算獲取的（xc，yc）結(jié)果定義為聚類中心；

（2）計算質(zhì)心樣本數(shù)據(jù)｛X｝，按照最小距離對計算結(jié)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(jù)聚類準則，保證函數(shù)值最?。?/p>

1.4.2 重定位增強方法

獲取機器人作業(yè)區(qū)域識別結(jié)果后，為提升機器人對于書籍的定位精度，自主控制器中設(shè)有基于粒子濾波的重定位增強方法，依據(jù)該方法完成機器人對書籍的定位。該方法結(jié)構(gòu)如圖4 所示。該方法是在確定作業(yè)區(qū)域的基礎(chǔ)上，獲取二維柵格地圖和作業(yè)區(qū)域環(huán)境內(nèi)的語義信息并對其進行遍歷；在此基礎(chǔ)上，依據(jù)柵格地圖完成作業(yè)區(qū)域內(nèi)書籍所在的環(huán)境劃分，使其形成多個功能區(qū)塊，并獲取各個區(qū)塊的語義信息，將其定義為功能區(qū)特征。環(huán)境匹配依據(jù)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(jié)果作為粒子濾波器的先驗知識，以此實現(xiàn)書籍的精定位。

圖4 重定位增強方法結(jié)構(gòu)Fig.4 Repositioning the enhanced method structure

機器人定位可采用連續(xù)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(tài)估計結(jié)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(shù)據(jù)；m 表示全局地圖。

公式（7）中，包含了2 個部分，分別為預(yù)測和更新，其中p（St∣St-1，ut）的主要作用是完成機器人狀態(tài)預(yù)測，該預(yù)測是依據(jù)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(jié)合后，完成機器人狀態(tài)估計結(jié)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(tài)估計結(jié)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(fā)生的狀態(tài)；

（2）通過傳感器觀測模型計算各個粒子包含的觀測數(shù)據(jù)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(huán)迭代處理后，獲取機器人的位姿結(jié)果，實現(xiàn)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(tǒng)在圖書館書籍定位機器人控制中的應(yīng)用效果，以某市圖書館為實例研究對象，并對該圖書館內(nèi)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(shù)如表1所示。

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

為驗證本文系統(tǒng)應(yīng)用后，定位的精準性，獲取本文系統(tǒng)應(yīng)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(jié)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(jié)果Tab.2 Results of localization errors of different sizes

根據(jù)表2 測試結(jié)果可知，本文系統(tǒng)應(yīng)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(jié)果最大值僅為2.2 mm，在期望誤差方位內(nèi)。因此，說明本文系統(tǒng)具有良好的機器人控制效果，應(yīng)用后可保證機器人對于書籍的定位效果。

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

圖5 機器人位姿角控制結(jié)果Fig.5 Robot pose and angle control results

根據(jù)圖5 測試結(jié)果可知，本文方法應(yīng)用后，能夠有效控制機器人的位姿角，控制后的位姿結(jié)果與期望位姿結(jié)果一致，未出現(xiàn)機器人位姿角偏差。因此，說明本文系統(tǒng)能夠有效實現(xiàn)機器人位姿控制。

為驗證本文系統(tǒng)的應(yīng)用效果，獲取本文系統(tǒng)應(yīng)用后，機器人在書籍尋找過程中，突發(fā)行人闖入后，機器人的自主避障效果，結(jié)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(jù)圖6 測試結(jié)果可知，本文系統(tǒng)應(yīng)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(fā)生碰撞，并且躲避行人后能夠自主重新規(guī)劃行駛路徑，完成目標書籍尋找。

為進一步驗證本文系統(tǒng)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(jié)果如圖7 所示。

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

根據(jù)圖7 可以看出，應(yīng)用本文系統(tǒng)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(tǒng)的避障精準度高，由此說明本文方法具有實用性。

3 結(jié)語

為提升機器人對于書籍的定位精度，本文設(shè)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(tǒng)。對該系統(tǒng)進行測試后得出：本文系統(tǒng)具有較好的應(yīng)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(nèi)作業(yè)環(huán)境識別，精準實現(xiàn)機器人位姿控制，并且可呈現(xiàn)不同控制模式下的人機交互結(jié)果。