廖海龍，馬 濤，馮淑湘，楊茜媛

（北京信息科技大學(xué) 信息與通信工程學(xué)院，北京 100101）

0 引 言

地質(zhì)災(zāi)害或不可預(yù)知的人為災(zāi)害時(shí)有發(fā)生，往往因?yàn)榈匦螐?fù)雜無法將被困人員及時(shí)救出，而救援人員在搜救過程中也會(huì)因?yàn)椴荒軠?zhǔn)確了解災(zāi)害狀況而發(fā)生危險(xiǎn)，進(jìn)而導(dǎo)致大量的人員傷亡。因此需要一款小型救援設(shè)備率先勘測(cè)災(zāi)害現(xiàn)場(chǎng)，救援人員通過實(shí)時(shí)觀測(cè)了解現(xiàn)場(chǎng)狀況來降低行動(dòng)風(fēng)險(xiǎn)，為實(shí)現(xiàn)在最短時(shí)間內(nèi)安全救出傷員提供必要的技術(shù)手段。

另外，有很多危險(xiǎn)場(chǎng)景是救援人員無法進(jìn)入的，譬如礦山、燃?xì)狻㈦娏?、化工等領(lǐng)域的搶險(xiǎn)過程中，就需要一種救援設(shè)備代替救援人員進(jìn)入現(xiàn)場(chǎng)實(shí)施救援，救援機(jī)器人正是一種能夠在很大程度上保證人員安全的重要救援形式。

本項(xiàng)目主要針對(duì)野外惡劣環(huán)境下的搜救及勘探作業(yè)而設(shè)計(jì)。無人勘探救援車在不同環(huán)境中可做出不同的反應(yīng)，除利用履帶行走外，還兼具超聲波、攝像頭等傳感器環(huán)境檢測(cè)和機(jī)械臂清障的功能。多樣的功能增加了其對(duì)環(huán)境的適應(yīng)能力，為科學(xué)研究提供穩(wěn)定可靠性。

1 系統(tǒng)總體設(shè)計(jì)與實(shí)現(xiàn)

本系統(tǒng)主要由三部分組成，分別為硬件設(shè)備端、物聯(lián)網(wǎng)平臺(tái)和客戶端。系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 無人勘探救援車系統(tǒng)結(jié)構(gòu)

1.1 硬件設(shè)備端

本系統(tǒng)的硬件端由樹莓派3B+和Arduino MEGA2560作為核心處理器，通過LTE Dongle接入因特網(wǎng)，同時(shí)安裝機(jī)械臂、超聲波傳感器、電機(jī)、水彈波箱、麥克風(fēng)、攝像頭、GPS等設(shè)備，實(shí)時(shí)獲取附近環(huán)境信息；通過MQTT協(xié)議將信息上報(bào)云端，同時(shí)接收并執(zhí)行物聯(lián)網(wǎng)平臺(tái)下發(fā)的命令。

1.2 物聯(lián)網(wǎng)平臺(tái)

物聯(lián)網(wǎng)（The Internet of Things, 簡(jiǎn)稱IoT）可實(shí)現(xiàn)用戶、物理對(duì)象之間不受時(shí)空限制地互聯(lián)互通。通過互聯(lián)網(wǎng)進(jìn)行信息交換和通信，可以實(shí)現(xiàn)物與物、物與人的泛在連接，從而能夠智能化感知、識(shí)別和管理物體和連接過程。目前，IoT在智能家居、智能交通、公共安全、智能停車場(chǎng)等領(lǐng)域得到廣泛應(yīng)用。

阿里云物聯(lián)網(wǎng)平臺(tái)為設(shè)備提供安全可靠的連接通信能力，向下連接海量設(shè)備，支撐設(shè)備數(shù)據(jù)采集上云；向上提供云端API，服務(wù)端通過調(diào)用云端API將指令下發(fā)至硬件設(shè)備端，實(shí)現(xiàn)遠(yuǎn)程控制。同時(shí)提供MQTT、CoAP、HTTP/S等多種協(xié)議的設(shè)備端SDK，既滿足長(zhǎng)連接的實(shí)時(shí)性需求，也滿足短連接的低功耗需求。物聯(lián)網(wǎng)平臺(tái)也提供了功能豐富的設(shè)備管理服務(wù)，包括生命周期、設(shè)備分組、設(shè)備影子、物模型、數(shù)據(jù)解析、數(shù)據(jù)存儲(chǔ)、在線調(diào)試、OTA升級(jí)、遠(yuǎn)程配置、實(shí)時(shí)監(jiān)控等。

1.3 客戶端

本系統(tǒng)采用PC作為客戶端，通過MQTT協(xié)議的發(fā)布/訂閱（publish/subscribe）為連接遠(yuǎn)程設(shè)備提供實(shí)時(shí)可靠的消息服務(wù)。利用阿里云IoT Studio的前端界面，可將傳感器采集到的數(shù)據(jù)統(tǒng)一由設(shè)備端經(jīng)過物聯(lián)網(wǎng)平臺(tái)的規(guī)則引擎發(fā)送到PC端，實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)可視化顯示。通過IoT Studio實(shí)現(xiàn)實(shí)時(shí)指令發(fā)送，從而控制機(jī)械臂、可控射擊等設(shè)備功能。通過瀏覽器輸出插件結(jié)合視覺識(shí)別算法，在PC端還可實(shí)現(xiàn)遠(yuǎn)程視頻通信、目標(biāo)檢測(cè)、障礙物識(shí)別的圖像觀測(cè)。

2 各功能模塊的設(shè)計(jì)與實(shí)現(xiàn)

2.1 遠(yuǎn)程遙控的設(shè)計(jì)與實(shí)現(xiàn)

為實(shí)現(xiàn)更穩(wěn)定、更精確的遠(yuǎn)程動(dòng)作控制，采用飛行器模型的無線電遙控裝置，其主要利用了2.4 GHz短距離無線傳輸技術(shù)。2.4 GHz ISM（Industry Science Medicine）是全世界公開通用的無線頻段，在該頻段下工作具有較強(qiáng)的抗干擾能力以及較遠(yuǎn)的控制距離，一般可達(dá)1 km，實(shí)現(xiàn)了在家用和商用領(lǐng)域的廣泛運(yùn)用。

整個(gè)控制系統(tǒng)由Arduino核心控制板、發(fā)射機(jī)、接收機(jī)、電機(jī)驅(qū)動(dòng)板、電源等部分構(gòu)成。控制過程由發(fā)射機(jī)發(fā)送動(dòng)作指令，接收機(jī)將接收到的指令傳給Arduino核心控制板，核心控制器由內(nèi)部程序觸發(fā)電機(jī)驅(qū)動(dòng)板，從而控制電機(jī)執(zhí)行相關(guān)動(dòng)作，通過不斷調(diào)試占空比實(shí)現(xiàn)電機(jī)的靈敏控制。

發(fā)射機(jī)選用的四通道比例遙控裝置如圖2所示。發(fā)射機(jī)控制面板上包括兩根分別控制一、二通道和三、四通道動(dòng)作指令的粗調(diào)操縱桿以及四個(gè)通道的微調(diào)裝置，用于控制探測(cè)車的行進(jìn)方向。在發(fā)射機(jī)底部，設(shè)置有4個(gè)舵機(jī)換向開關(guān)，分別用于變換舵機(jī)搖臂的偏轉(zhuǎn)方向。

圖2 四通道比例遙控設(shè)備發(fā)射機(jī)

接收機(jī)用來接收從發(fā)射機(jī)傳來的指令信號(hào)；經(jīng)處理后，控制電機(jī)驅(qū)動(dòng)板做出與發(fā)射機(jī)指令相對(duì)應(yīng)的動(dòng)作。電池組為接收機(jī)和電機(jī)驅(qū)動(dòng)板提供工作電源。

為了更好地匹配接收機(jī)信號(hào)接收，有效精準(zhǔn)地帶動(dòng)大功率的強(qiáng)磁電機(jī)，選取雙通道直流有刷電機(jī)驅(qū)動(dòng)器實(shí)現(xiàn)。雙通道直流有刷電機(jī)驅(qū)動(dòng)器專為驅(qū)動(dòng)低壓直流電機(jī)設(shè)計(jì)，每通道具有持續(xù)輸出12 A電流的能力，可驅(qū)動(dòng)最高290 W電功率的直流電機(jī)。驅(qū)動(dòng)器內(nèi)器件時(shí)序高度優(yōu)化，允許PWM輸入最小脈寬低至2 μs，充分保證PWM的動(dòng)態(tài)調(diào)節(jié)范圍，提高對(duì)電機(jī)的控制品質(zhì)。板載保護(hù)電路，降低驅(qū)動(dòng)器在異常工作條件下受損的可能，保護(hù)狀態(tài)由指示燈實(shí)時(shí)輸出。全電氣隔離輸入增強(qiáng)了主控MCU電路的安全性，更可顯著提高系統(tǒng)電磁兼容性能。

2.2 阿里云物聯(lián)網(wǎng)平臺(tái)的開發(fā)與實(shí)現(xiàn)

物聯(lián)網(wǎng)平臺(tái)具有安全可靠的設(shè)備連接通信能力，支持設(shè)備數(shù)據(jù)采集上云、規(guī)則引擎流轉(zhuǎn)數(shù)據(jù)、云端數(shù)據(jù)下發(fā)設(shè)備端等功能，設(shè)備管理方便快捷，支持物模型定義、數(shù)據(jù)結(jié)構(gòu)化存儲(chǔ)以及遠(yuǎn)程實(shí)現(xiàn)調(diào)試、監(jiān)控、運(yùn)維等工作。圖3為物聯(lián)網(wǎng)平臺(tái)設(shè)備運(yùn)維大盤。

圖3 物聯(lián)網(wǎng)平臺(tái)設(shè)備運(yùn)維大盤

本項(xiàng)目基于樹莓派Linux平臺(tái)，采用阿里云Python SDK進(jìn)行開發(fā)。通過在云端創(chuàng)建產(chǎn)品與設(shè)備，獲取ProductKey、DeviceName和DeviceSecret等設(shè)備證書信息。在設(shè)備端SDK中導(dǎo)入設(shè)備信息，為傳感器定義“物模型”，使設(shè)備端可以連接物聯(lián)網(wǎng)平臺(tái)。PC客戶端選擇訂閱消息類型，接收設(shè)備上下線狀態(tài)、過程數(shù)據(jù)等設(shè)備相關(guān)消息；通過調(diào)用物聯(lián)網(wǎng)平臺(tái)云端API，向設(shè)備下發(fā)指令，利用物聯(lián)網(wǎng)平臺(tái)的數(shù)據(jù)流轉(zhuǎn)功能實(shí)現(xiàn)各個(gè)設(shè)備的數(shù)據(jù)消息轉(zhuǎn)發(fā)，便于在其他阿里云產(chǎn)品中的存儲(chǔ)或處理。

阿里云平臺(tái)的IoT Studio提供了移動(dòng)可視化開發(fā)、Web可視化開發(fā)、服務(wù)開發(fā)和設(shè)備開發(fā)等一系列便捷的物聯(lián)網(wǎng)開發(fā)工具。通過可視化拖拽的方式，將測(cè)距、定位等信息以折線圖的方式展示，折線圖如圖4所示。當(dāng)折線上升時(shí)，代表車輛在逐漸遠(yuǎn)離障礙物，反之則代表車輛在逐漸靠近障礙物；當(dāng)折線變化密集時(shí)，代表車輛所處環(huán)境障礙物數(shù)目多，反之則代表車輛所處環(huán)境障礙物數(shù)目少，較為平坦寬廣。

圖4 超聲波測(cè)距折線圖

2.3 遠(yuǎn)程視頻的設(shè)計(jì)與實(shí)現(xiàn)

本項(xiàng)目的遠(yuǎn)程視頻設(shè)計(jì)采用的是Linux系統(tǒng)下基于IP地址的視頻流服務(wù)器mjpeg-streame，對(duì)MJPEG（Motion Joint Photographic Experts Group）類視頻編碼格式的處理。通過Linux端攝像頭采集圖片，攝像頭驅(qū)動(dòng)將數(shù)據(jù)流存儲(chǔ)到JPEG圖庫，最終通過瀏覽器輸出插件實(shí)現(xiàn)以HTTP視頻數(shù)據(jù)服務(wù)流顯示輸出，從而做到遠(yuǎn)程視頻傳輸?shù)男Ч?/p>

在測(cè)試階段，當(dāng)傳輸距離過小時(shí)，采用ngrok反向代理的解決方法。通過在公共的端點(diǎn)和本地運(yùn)行的 Web 服務(wù)器之間建立一個(gè)安全通道，ngrok 可捕獲和分析所有通道上的流量，便于后期分析和重放。當(dāng)終端運(yùn)行mjpeg-streamer后，通過ngrok提供的授權(quán)碼運(yùn)行命令獲取隨機(jī)分配的本地Web網(wǎng)站域名，即可實(shí)現(xiàn)本地Web端的遠(yuǎn)程視頻通信。

測(cè)試后期，在室內(nèi)、操場(chǎng)、公園等場(chǎng)景下，傳輸距離不受限制，可以正常地實(shí)現(xiàn)遠(yuǎn)程視頻通信，效果如圖5所示。

圖5 遠(yuǎn)程視頻效果

2.4 語音對(duì)話的設(shè)計(jì)與實(shí)現(xiàn)

隨著人工智能技術(shù)的發(fā)展，語音識(shí)別已經(jīng)成為了熱門應(yīng)用之一。語音識(shí)別在一些特定的領(lǐng)域和特定的情景下，有著不可替代的作用。人們生產(chǎn)、生活的需要，特別是物聯(lián)網(wǎng)的發(fā)展，推動(dòng)了嵌入式和語音識(shí)別的結(jié)合。

語音傳輸有以下兩種形式：

（1）設(shè)備端到客戶端的語音傳輸

在設(shè)備端由于樹莓派本身沒有聲卡無法實(shí)現(xiàn)錄音功能，因此增加免驅(qū)動(dòng)的USB聲卡，使樹莓派通過PyAudio實(shí)現(xiàn)錄音及聲音保存功能。通過調(diào)用百度AI平臺(tái)提供的語音識(shí)別API接口將語音轉(zhuǎn)化為文字，物聯(lián)網(wǎng)平臺(tái)將信息發(fā)送至客戶端，從而實(shí)現(xiàn)設(shè)備端到客戶端的語音傳輸。

（2）客戶端到設(shè)備端的語音傳輸

客戶端通過麥克風(fēng)錄音，調(diào)用API接口將語音轉(zhuǎn)化為文字，通過物聯(lián)網(wǎng)平臺(tái)將信息發(fā)送給設(shè)備端。設(shè)備端調(diào)用API接口將文字轉(zhuǎn)為語音并播放聲音，達(dá)到雙向?qū)υ挼男Ч?/p>

2.5 超聲波檢測(cè)障礙物的設(shè)計(jì)與實(shí)現(xiàn)

超聲波測(cè)試安全距離是一種常用的避障方式，其基本傳輸原理如下：

其中：表示傳輸速度；Δ表示超聲波回饋結(jié)束所用時(shí)間的差值；表示車輛與周圍物體之間的距離。在獲得這類數(shù)值之后，就能夠通過公式計(jì)算出安全距離。

本項(xiàng)目選用HC-SR04超聲波傳感器進(jìn)行周圍障礙物檢測(cè)。將超聲波傳感器安裝在可旋轉(zhuǎn)云臺(tái)上，實(shí)現(xiàn)180°范圍檢測(cè)。當(dāng)與障礙物距離低于安全距離時(shí)蜂鳴器就會(huì)報(bào)警。為了更直觀地觀察數(shù)據(jù)，使用Processing軟件搭建的界面作為上位機(jī)，Processing是Java語言的延伸，并支持許多現(xiàn)有的Java語言架構(gòu)，使用戶直接專注于圖形和交互的程序。比如建立類的路徑和編譯參數(shù)，或者建立串口這樣輔助性的圖形環(huán)境，非常適合無太多編程經(jīng)驗(yàn)的設(shè)計(jì)師和藝術(shù)家使用。將檢測(cè)距離及傳感器旋轉(zhuǎn)角度通過物聯(lián)網(wǎng)平臺(tái)發(fā)送到客戶端，客戶端再通過Socket將參數(shù)信息發(fā)送到Processing上，實(shí)現(xiàn)距離和角度的實(shí)時(shí)動(dòng)態(tài)顯示。當(dāng)檢測(cè)到障礙物時(shí)掃描圖會(huì)變紅，反之則為綠色，形成如圖6所示的動(dòng)態(tài)掃描圖。

圖6 動(dòng)態(tài)掃描圖

2.6 可控射擊及GPS定位的設(shè)計(jì)與實(shí)現(xiàn)

可控射擊：考慮到特殊環(huán)境下?lián)岆U(xiǎn)作業(yè)可能面臨的小空間動(dòng)作局限，設(shè)計(jì)了水彈槍可控射擊（模擬射擊）功能。通過Arduino及電機(jī)驅(qū)動(dòng)板控制置于可旋轉(zhuǎn)云臺(tái)上的水彈槍，樹莓派與Arduino通過串口通信實(shí)現(xiàn)設(shè)備端聯(lián)網(wǎng)入云，客戶端通過IoT Studio進(jìn)行射擊控制，從而達(dá)到遠(yuǎn)程控制水彈槍射擊的效果。

GPS：設(shè)備端利用樹莓派開啟LTE Dongle自帶的GPS，當(dāng)啟動(dòng)定位時(shí)，GPS模塊開始接收信號(hào)。首先打開串口讀取GPS數(shù)據(jù)并判斷是否收到$GPGGA（GPS數(shù)據(jù)輸出格式語句），如果未收到，則繼續(xù)讀取GPS數(shù)據(jù)；如果收到，則讀取GGA字符串并截取位置信息。在串口中獲取到經(jīng)緯度信息，并傳送至物聯(lián)網(wǎng)平臺(tái)，客戶端借助Google地圖中定位經(jīng)緯度確認(rèn)車輛位置。

2.7 目標(biāo)檢測(cè)

目標(biāo)檢測(cè)是深度學(xué)習(xí)的一個(gè)重要研究方向，可在一張圖像中檢測(cè)出某個(gè)既定目標(biāo)，例如行人、車輛等。現(xiàn)階段的目標(biāo)檢測(cè)方法大體分為兩個(gè)系列：two-stage和one-stage。其中two-stage系列的代表方法有R-CNN、Fast R-CNN、Faster R-CNN；one-stage系列的代表方法有YOLO、YOLOv2、YOLOv3。

本項(xiàng)目采用百度Easy DL平臺(tái)的目標(biāo)檢測(cè)模型v1版本，該模型基于YOLOv3算法。YOLO系列的主要思路是將圖片劃分為×的網(wǎng)絡(luò)（一般為7×7），根據(jù)分類方法將圖片輸入CNN得到一個(gè)×分類數(shù)量的張量，對(duì)這個(gè)張量進(jìn)行非極大值抑制。YOLOv3算法是目前速度和精度最均衡的目標(biāo)檢測(cè)網(wǎng)絡(luò)，其是在YOLO和YOLOv2的基礎(chǔ)上通過吸收Faster R-CNN和RetinaNet的先進(jìn)之處，引入了FPN架構(gòu)（Feature Pyramid Networks）來實(shí)現(xiàn)多尺度的檢測(cè)。對(duì)比YOLOv2 Darknet-19分類網(wǎng)絡(luò)的30層基礎(chǔ)網(wǎng)絡(luò)模型，YOLOv3的 Darknet-53分類網(wǎng)絡(luò)已提升至106層基礎(chǔ)網(wǎng)絡(luò)，從而加強(qiáng)了YOLO算法對(duì)小目標(biāo)檢測(cè)的精確度。圖7為在EasyDL平臺(tái)使用YOLOv3算法訓(xùn)練模型后，上傳人物圖片得到的在線標(biāo)注訓(xùn)練結(jié)果，其中多個(gè)人臉被方框圈出，顯示“person”的結(jié)論。

圖7 訓(xùn)練測(cè)試結(jié)果

2.8 機(jī)械臂控制

隨著現(xiàn)代科技的發(fā)展，機(jī)械臂在現(xiàn)實(shí)生活中充當(dāng)著重要角色，它主要應(yīng)用在工業(yè)制造、航天制造、醫(yī)療器械等多個(gè)領(lǐng)域，為生產(chǎn)提供了不可忽略的動(dòng)力。

機(jī)械臂作為工業(yè)領(lǐng)域最常用的機(jī)器之一，其工作狀態(tài)分為點(diǎn)到點(diǎn)和沿特定軌跡兩種工作方式，這兩種工作模式都要求關(guān)節(jié)及連桿的過渡要平滑，從而保證機(jī)械臂的平穩(wěn)性。

本項(xiàng)目中使用的是四自由度機(jī)械臂（如圖8所示）。基于經(jīng)典的D-H參數(shù)法建立了正向及逆向運(yùn)動(dòng)學(xué)模型，將旋轉(zhuǎn)和平移表示成增廣矩陣的形式，利用Python建立虛擬機(jī)械臂模型，調(diào)用math、numpy等庫實(shí)現(xiàn)機(jī)械臂參數(shù)計(jì)算仿真。

圖8 四自由度機(jī)械臂

實(shí)現(xiàn)關(guān)節(jié)位姿變換的增廣矩陣如式（2）所示，其中c代表 cos(++)，s代表 sin(++)，l代表對(duì)應(yīng)的連桿長(zhǎng)度，θ代表對(duì)應(yīng)關(guān)節(jié)的旋轉(zhuǎn)角度。

將機(jī)械臂連接至樹莓派，基于Python語言設(shè)計(jì)機(jī)械臂移動(dòng)、抓取動(dòng)作程序，通過物聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)遠(yuǎn)程控制機(jī)械臂移動(dòng)的效果。

3 成果展示

本文所設(shè)計(jì)的無人勘探救援車成果如圖9所示，其除利用履帶行走外，還兼具超聲波、攝像頭等傳感器環(huán)境檢測(cè)和機(jī)械臂清障的功能。

圖9 無人勘探救援車

4 結(jié) 語

本項(xiàng)目基于阿里云物聯(lián)網(wǎng)平臺(tái)實(shí)現(xiàn)了無人勘探救援車的設(shè)計(jì)，主要針對(duì)野外惡劣環(huán)境下搜救和勘探的輔助工作，無人勘探救援車采用履帶式行進(jìn)方式；利用阿里云物聯(lián)網(wǎng)平臺(tái)實(shí)時(shí)觀測(cè)環(huán)境傳感器獲取的超聲波測(cè)距、GPS定位等監(jiān)測(cè)數(shù)據(jù)，根據(jù)不同應(yīng)用場(chǎng)景可實(shí)現(xiàn)距離報(bào)警提示、機(jī)械臂移動(dòng)障礙物、遠(yuǎn)程視頻、遠(yuǎn)程語音對(duì)話、可控射擊等功能。經(jīng)過一系列調(diào)試發(fā)現(xiàn)，遠(yuǎn)程視頻過程目前存在2～3 s的延遲，語音對(duì)話受環(huán)境噪聲影響存在識(shí)別誤差，因此在車輛相應(yīng)的實(shí)現(xiàn)方法上仍有繼續(xù)提升的空間。

當(dāng)前人工智能發(fā)展迅速，國(guó)內(nèi)外智能救援機(jī)器人發(fā)展火熱，可以極大提高勘探、搜救人員的安全。本項(xiàng)目雖然在技術(shù)方面不盡成熟和完善，但綜合實(shí)踐結(jié)果來看，項(xiàng)目的實(shí)施方法均可具體實(shí)現(xiàn)；在小型機(jī)器人應(yīng)用方面，具有一定的研究?jī)r(jià)值和社會(huì)意義。