張清文　付宇　馮晨露　朱志杰

摘 要：為了提高傳統(tǒng)武術(shù)擂臺(tái)機(jī)器人的識(shí)別精度，決策可靠性，新設(shè)計(jì)的武術(shù)擂臺(tái)機(jī)器人采用了基于SVM多傳感器信息融合技術(shù)進(jìn)行創(chuàng)新改進(jìn)。對(duì)比傳統(tǒng)機(jī)器人，其對(duì)傳感器定位布局進(jìn)行重新配置，在采集全面數(shù)據(jù)信息后對(duì)決策層進(jìn)行反饋優(yōu)化，最后實(shí)測(cè)結(jié)果表明，該機(jī)器人在識(shí)別和控制方面能夠?qū)ζ遄酉渥?、?duì)方機(jī)器人、擂臺(tái)邊緣進(jìn)行更加精準(zhǔn)快速識(shí)別、判斷與決策。

關(guān)鍵詞：武術(shù)擂臺(tái)機(jī)器人 多傳感器 信息融合 決策設(shè)計(jì)

中圖分類號(hào)：TP212文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-9082（2019）09-0-01

引言

近年來(lái)，國(guó)內(nèi)外對(duì)于機(jī)器人技術(shù)的發(fā)展越來(lái)越重視，機(jī)器人技術(shù)被認(rèn)定為是對(duì)未來(lái)新興產(chǎn)業(yè)技術(shù)發(fā)展具有深遠(yuǎn)影響和重要意義的高新技術(shù)之一[1]。在互聯(lián)網(wǎng)技術(shù)的支持下，智能機(jī)器人已經(jīng)被廣泛地用于救援、醫(yī)療、教育以及地質(zhì)勘探等領(lǐng)域，研制出安全性高、可靠性高的智能機(jī)器人已經(jīng)成為這一領(lǐng)域的熱點(diǎn)。過(guò)去的研究大多主要是從機(jī)械的角度出發(fā)，研究機(jī)器人機(jī)械部件、電子部件等微觀單一層面的特性，例如陳昊從運(yùn)動(dòng)力學(xué)的角度，構(gòu)建了基于運(yùn)動(dòng)建模的機(jī)器人攻防控制策略[2]，隨著機(jī)械技術(shù)的日益完善，目前研究的重點(diǎn)主要是從信息融合的角度進(jìn)行研究，徐躍設(shè)計(jì)了一種基于超聲波的全局定位系統(tǒng)[3]，張樹(shù)剛基于超聲波的信息融合開(kāi)發(fā)了機(jī)器人局部避障算法及應(yīng)用[4]。對(duì)于決策層的程序編寫(xiě)，多數(shù)是在模糊算法思想下進(jìn)行的，與前人的工作相比，本文的武術(shù)擂臺(tái)機(jī)器人加入了在無(wú)人機(jī)定位中廣泛使用的光流傳感器，并且借鑒SVM的原理，來(lái)進(jìn)行決策層的編寫(xiě)，實(shí)現(xiàn)了從決策層的角度出發(fā)來(lái)進(jìn)行多傳感器的信息融合。

一、結(jié)構(gòu)與系統(tǒng)設(shè)計(jì)

整體結(jié)構(gòu)如圖1所示，機(jī)械結(jié)構(gòu)主要由上臺(tái)機(jī)構(gòu)、底盤(pán)組件、前鏟爪、驅(qū)動(dòng)結(jié)構(gòu)等組成。傳感器主要由16個(gè)傳感器構(gòu)成，形成多傳感器信息融合對(duì)機(jī)器人進(jìn)行控制。

主控板自主設(shè)計(jì)采用STM32ZET6芯片，利用Altium Designer進(jìn)行電路設(shè)計(jì)使用了1個(gè)ADC通道開(kāi)啟DMA的10個(gè)規(guī)則通道;引出8個(gè)普通IO口用于光電傳感器與灰度傳感器的使用;采用軟件SPI使用OLED菜單進(jìn)行數(shù)據(jù)輸出實(shí)時(shí)查看，利用按鍵進(jìn)行微小調(diào)試;運(yùn)動(dòng)上，主要通過(guò)MPU6050陀螺儀進(jìn)行運(yùn)動(dòng)偏航角與橫滾角度的校準(zhǔn)。

二、多傳感器數(shù)據(jù)處理

數(shù)據(jù)處理部分主要是紅外測(cè)距的數(shù)據(jù)抖動(dòng)會(huì)有部分噪音，本文為降低噪聲，通過(guò)卡爾曼濾波進(jìn)行處理濾波后，紅外測(cè)距的數(shù)據(jù)更加的平滑，保證系統(tǒng)一定的魯棒性，光流傳感器采用Lucas-Kanade算法[5]，光流場(chǎng)的目的是找到截取圖片中的每個(gè)像素點(diǎn)的速度向量，從而獲得運(yùn)動(dòng)物體的坐標(biāo)，主要公式為：

對(duì)數(shù)據(jù)進(jìn)行解碼，加上上位機(jī)協(xié)議對(duì)碼得出如圖2所示。

從圖2中可以看出，經(jīng)過(guò)Lucas-Kanade算法解碼后的OF_DX與OD_DY為X、Y軸的光流信息，對(duì)應(yīng)移動(dòng)的速度，再根據(jù)簡(jiǎn)單的速度積分可得所需要的坐標(biāo)位置。

三、多傳感器信息融合

定義準(zhǔn)確度： 在同一動(dòng)作次數(shù)下，不同的映射關(guān)系所對(duì)應(yīng)的決策集合中符合現(xiàn)實(shí)要求的集合與總實(shí)驗(yàn)次數(shù)的比值，即：

在關(guān)系式與，在N次動(dòng)作次數(shù)下，其中符合要求的集合數(shù)分別為與，則改進(jìn)決策后的準(zhǔn)確度為，原始方法的準(zhǔn)確度為。

由圖3可以看出在SVM思想下的映射所對(duì)應(yīng)的準(zhǔn)確度始終高于原始方法思想下的映射所對(duì)應(yīng)的準(zhǔn)確度， 體現(xiàn)出了SVM方法的優(yōu)越性。

結(jié)語(yǔ)

本文利用了灰度傳感器、光流傳感器、陀螺儀、紅外傳感器、紅外測(cè)距傳感器，并在SVM思想向下進(jìn)行多傳感器的信息融合，其很好的規(guī)避了在擂臺(tái)上復(fù)雜多變的情形，大大提高了整車的機(jī)動(dòng)性，和容錯(cuò)性，有效防止擂臺(tái)車卡死、錯(cuò)誤判斷、遲鈍等狀況，但仍然有一些缺點(diǎn)，它主要來(lái)自光流傳感器在擂臺(tái)車之間猛烈碰撞時(shí)的不穩(wěn)定性，在未來(lái)的改進(jìn)方法將考慮新的濾波方法，結(jié)合多個(gè)陀螺儀等其他傳感器反饋的信息，在數(shù)據(jù)處理后得到更加精確的信息。

參考文獻(xiàn)

[1]徐揚(yáng)生. 智能機(jī)器人引領(lǐng)高新技術(shù)發(fā)展. 科學(xué)時(shí)報(bào)[N]， 2010-08-12.

[2]陳昊. 基于運(yùn)動(dòng)動(dòng)力學(xué)武術(shù)擂臺(tái)機(jī)器人攻防控制研究[D].鄭州大學(xué)，2016.

[3]徐躍. 基于超聲波測(cè)距的機(jī)器人定位與避障[D].齊魯工業(yè)大學(xué)，2013.

[4]張樹(shù)剛. 基于超聲波的移動(dòng)機(jī)器人局部避障算法及應(yīng)用[D].哈爾濱工業(yè)大學(xué)，2013.

[5]Baker S， Matthews I. Lucas-kanade 20 years on： A unifying framework[J]. International Journal of Computer Vision， 2004， 56（3）： 221-255.