熊方瑩　劉懷民　張越

關(guān)鍵詞：NAO；單目視覺；機器人高爾夫；機器人步態(tài)

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2023）10-0029-03

近年來，機器人技術(shù)蓬勃發(fā)展，許多機器人比賽也陸續(xù)開展。相關(guān)技術(shù)主要體現(xiàn)在以下幾個方面：識別目標對象、平衡處理、避讓障礙物、感知環(huán)境以及相應(yīng)事件的決策等[1]。NAO機器人全長約為58cm，使用Linux嵌入式處理器，可通過使用C++或Python語言對機器人進行控制。NAO機器人一般用于人機交互、舞蹈表演、監(jiān)測識別等領(lǐng)域，它的多用途是基于它可以通過現(xiàn)成的指令塊進行可視化編程，因此它允許用戶探索各種領(lǐng)域，運用各種復(fù)雜程度的編程程序?qū)崿F(xiàn)用戶想要體驗的各種不同效果。而在NAO機器人高爾夫比賽中，NAO機器人通過對比賽場地的感知以及對紅球的識別，找到紅球，調(diào)整位置，最后將球打入球洞中，完成比賽[2]。本文為提高紅球識別效果，決定先提取RGB三通道色彩，再將其轉(zhuǎn)化為更接近觀察且受光照強度影響較小的HSV顏色空間，以使得NAO機器人的識別更加精確。同時對NAO機器人的身體各個電機的配合進行了算法重寫，使得NAO機器人可以在更多的場景下完成工作。

1 研究現(xiàn)狀

1.1 NAO 機器人研究現(xiàn)狀

針對NAO機器人的研究中一共有以下四個研究方向。

1）將NAO機器人平臺與孤獨癥兒童治療智能陪護的實際需求相結(jié)合的陪護型機器人，該陪護機器人實現(xiàn)了人臉識別、智能避障、語音交互、物品抓取及視頻監(jiān)控等功能，以減輕醫(yī)護人員工作負擔，緩解孤獨癥兒童病情[3]。

2）研究生成式Camshift跟蹤算法的優(yōu)缺點，提出結(jié)合ORB特征匹配和Kalman濾波改進Camshift算法應(yīng)用于NAO機器人運動目標跟蹤，解決跟蹤過程中顏色干擾導(dǎo)致跟蹤失敗的問題[4]。

3）基于NAO機器人的校園導(dǎo)游機器人實施方案，實現(xiàn)和學(xué)生語音交互、唱歌跳舞等功能。借助NAO機器人，通過百度API語音轉(zhuǎn)文本、Gensim、Jieba等第三方庫以及數(shù)據(jù)庫的調(diào)用，實現(xiàn)了問答系統(tǒng)，完成導(dǎo)游功能[5]。

4）以仿人智能機器人“NAO”作為研究對象，結(jié)合目標識別、行走控制以及手臂控制三個研究方向，，搭建了基于NAO機器人的目標識別及手臂抓取系統(tǒng)，最終實現(xiàn)對目標物體的識別以及抓取。提出多項式誤差補償方法對位置坐標進行補償[6]。

1.2 紅球定位研究現(xiàn)狀

在過去的研究中，NAO機器人紅球定位一般分為紅球識別與三維信息定位兩個部分。首先識別到紅球后，獲取到紅球數(shù)據(jù)，再依據(jù)其信息進行定位，即可獲得紅球與機器人的相對定位信息。紅球識別部分一般總結(jié)[1，7]為以下三步：1）提取紅球色域，通過YUV 顏色空間提取紅色部分；2）圓形檢測，通過圓形檢測進行圓形標定；3）定位紅球的像素信息，結(jié)合當前的紅球數(shù)據(jù)以及圓形信息，得到當前的紅球在畫面中的數(shù)據(jù)信息。

針對三維信息定位部分，是利用NAO機器人自身所帶的攝像頭進行單目識別[2]。單目識別的一般步驟分為：1）獲取紅球的像素信息，將紅球的圖片信息讀取；2）轉(zhuǎn)換紅球信息，轉(zhuǎn)換紅球的像素信息為三維空間位置信息；3）得到紅球相對于NAO機器人的位置信息。利用獲取到的紅球識別數(shù)據(jù)與機器人自身的位置相結(jié)合，結(jié)合相似性原理，將紅球的相關(guān)數(shù)據(jù)進行相似性轉(zhuǎn)換，最終將數(shù)據(jù)轉(zhuǎn)換為當前空間下的位置信息。最終實現(xiàn)單目識別，將獲取到的數(shù)據(jù)轉(zhuǎn)換成紅球與機器人的相對位置，以此獲取紅球定位。

目前針對紅球定位的研究現(xiàn)狀仍然存在無法適配更多場景的問題，而機器人的單目識別同樣也存在會出現(xiàn)誤差的情況，針對以上的問題我們對NAO機器人的紅球定位進行了進一步的更改。

1.3 步態(tài)重寫研究現(xiàn)狀

在目前的研究中，沒有針對NAO機器人的步態(tài)重寫策略。但依據(jù)官方的運動文檔可知，針對NAO機器人的運動模型一般是由機器人自帶的D-H連桿模型，依據(jù)反向運動學(xué)[8]的運動學(xué)方程：

2 實驗與數(shù)據(jù)

2.1 紅球定位

根據(jù)當前紅球定位的研究現(xiàn)狀，結(jié)合實際需要，實驗進行了部分改進。

首先，需要識別紅球。在過去的研究中是通過YUV顏色空間提取紅色部分，但是我們考慮到使用的是由紅、綠、藍三種顏色組成的RGB顏色空間，它是其他顏色變換的基礎(chǔ)。由于RGB顏色空間沒有考慮光照強度的影響，所以若采用RGB顏色空間獲取圖像，環(huán)境中的光照強度將會對識別產(chǎn)生較大影響[1]。為了降低環(huán)境中的光照強度對識別產(chǎn)生的影響，并且得到紅球的最新位置信息，選擇了數(shù)字化圖像處理的方法。先通過處理，降低GBR圖像中的G與B的值，將原本的數(shù)據(jù)轉(zhuǎn)換為HSV色域[10]，再通過圓形檢測進行紅球識別。

其次，需要定位紅球。通過霍夫圓找球確定紅球位置，為防止篩選錯誤，我們還設(shè)置了紅球半徑的約束條件，并針對當前捕獲的畫面大小以及機器人的俯仰角度來確定最終的數(shù)據(jù)，最后結(jié)合上述約束條件，來確定已選定的紅球集合中最準確、最符合條件的紅球位置數(shù)據(jù)。并根據(jù)紅球在畫面中的分布，來更新紅球的最新位置信息：[centerX， centerY， Alpha]。

然后，我們根據(jù)紅球的位置與信息進行三維建模，得到紅球的空間位置，并且求出紅球與機器人的相對位置與距離。公式（2）與公式（3）表示的是：根據(jù)像素比例計算出紅球的三維相對數(shù)據(jù)，根據(jù)畫面的像素比例可以推算出紅球在實際位置上的數(shù)據(jù)信息，即得到DisReal。

最后，需要返回信息。根據(jù)得到的數(shù)據(jù)來整合紅球與機器人的相對位置，即可得到紅球的三維空間信息。將紅球的相關(guān)信息記錄為數(shù)組之后，再利用獲取到的紅球識別數(shù)據(jù)與機器人自身的位置相結(jié)合，利用單目識別[2]將獲取的數(shù)據(jù)轉(zhuǎn)換成紅球與機器人的相對位置，以此獲取紅球定位。

2.2 機器人步態(tài)重寫

在我們的實驗過程中，我們發(fā)現(xiàn)由于機器人的使用年限以及機器人的電機損耗不同，機器人的關(guān)節(jié)會不可避免地出現(xiàn)角度偏移，以至于原本的行走、擊球姿勢無法適用。針對這個問題，我們重新定義一個新的動作鏈來解決本問題。

使用歐拉角描述可以對NAO機器人的各個關(guān)節(jié)以及其電機進行更加精確的描述以及聯(lián)動[11]，同時通過對NAO機器人的各個連桿、關(guān)節(jié)位姿的描述，我們發(fā)現(xiàn)可以進一步更正機器人的步態(tài)姿勢，使其在運動姿勢以及運動速度上可以有更大的提升。本實驗可以使得NAO機器人具有更強的實用性以及在面對不同場景時，NAO機器人也能具有更好的應(yīng)對效率。

2.3 實驗數(shù)據(jù)與對比

通過對比，發(fā)現(xiàn)此方法可以檢測到更遠距離的紅球。我們在大量的圖像數(shù)據(jù)中進行測試，使用機器人進行多次的紅球識別與定位，描述了傳統(tǒng)方法與本實驗方法的可測距離范圍以及準確率數(shù)據(jù)變化。使用控制變量法對距離與角度進行控制，以觀測數(shù)據(jù)的準確性，并且得到更加準確的方位數(shù)據(jù)信息。表1描述了在控制距離不變的情況下，其角度的最佳范圍。表2則描述了在角度不變的情況下，其距離的最遠值。

通過多組數(shù)據(jù)的調(diào)研與使用，最終得到了目前的紅球識別數(shù)據(jù)與過去方法的紅球識別數(shù)據(jù)的對比，如表3所示。在過去的方法中，識別的距離僅為0.05～0.7m，且受光線以及機器人運動的震動等干擾嚴重，所以其最終準確識別率僅為60%～75%。而通過我們的方法改進后，其最遠距離增加至1.3m，且其識別的準確率也大幅提高。

為了得到更加精確的距離與角度之間的關(guān)系數(shù)據(jù)，表1描述了在控制距離不變的情況下，其角度的最佳范圍。我們在一個圓形范圍內(nèi)確定紅球信息，當距離為0.5m 時，機器人的可視角度為±120?，距離為0.7m時，則降低為±110°，并且隨著距離的增加，其可視范圍也逐步降低，最終在最遠可視的1.3m處，僅可識別當前正面視角的數(shù)據(jù)，而不可視其更廣的范圍。這一信息也向我們表明了，紅球識別部分的數(shù)據(jù)信息與機器人所處位置有密切關(guān)系。

表2則描述了在角度不變的情況下，其距離的最遠值。我們固定了當前的角度，不停更改其遠近距離，最終測得了其相應(yīng)位置的距離參數(shù)信息。在120° 處時，其最遠距離為0.5m，在100°處時其最遠距離為0.75m，并且該數(shù)據(jù)隨著識別角度的縮小而逐漸變大。這一信息也向我們表明了，紅球識別部分的數(shù)據(jù)信息與機器人的識別角度也有密切關(guān)系。

3 總結(jié)

本文描述了通過傳統(tǒng)紅球識別方法改進得到的本文的紅球識別定位方法，同時通過實驗得出了在原有紅球測距范圍下的提升幅度。我們通過圖像二值化、紅球閾值設(shè)定、紅色噪點過濾、霍夫圓變換等方法，識別紅球。其次，使用歐拉角描述了NAO機器人腿部各個電機與關(guān)節(jié)的轉(zhuǎn)動程度，并通過定義動作鏈、時間軸的方式來得到更加貼合每臺機器人的步態(tài)參數(shù)與行走姿態(tài)，最后由機器人本身的反運動學(xué)公式進行協(xié)調(diào)，即可使得NAO機器人的整體運動步態(tài)與整體協(xié)調(diào)性更強。