基于NAO機(jī)器人各類編程方式分析

王元杰， 林 都， 鮮 浩

(中北大學(xué)電氣與控制工程學(xué)院，太原030051)

0 引言

機(jī)器人技術(shù)是集機(jī)械、電子、控制技術(shù)、計(jì)算機(jī)、人工智能等多個(gè)學(xué)科領(lǐng)域于一身的一項(xiàng)綜合性應(yīng)用型技術(shù)，是衡量一個(gè)國家科技發(fā)展水平高低的重要標(biāo)志［1］。

機(jī)器人研究中極為熱門的研究方向之一——仿人機(jī)器人，它有著類人的肢體結(jié)構(gòu)(通常具有仿人的頭部或四肢結(jié)構(gòu))，能夠在特定環(huán)境中代替人類來完成各種工作，進(jìn)一步而言，仿人機(jī)器人可以說在很多方面擴(kuò)展了人類的能力范圍。因此，仿人機(jī)器人在科研、教育、醫(yī)療等多個(gè)領(lǐng)域中得到了廣泛的應(yīng)用，各科研機(jī)構(gòu)在仿人機(jī)器人的研究中進(jìn)行了大量的科研工作，仿人機(jī)器人也成為全球各發(fā)達(dá)國家不惜投入大量人力、物力、財(cái)力去角逐的科技制高點(diǎn)［2-3］。

NAO機(jī)器人是一款仿人形機(jī)器人，是目前世界上應(yīng)用最廣泛的仿人型機(jī)器人之一［4］。

NAO機(jī)器人高58 cm，具有25個(gè)自由度(圖1)，以及大量傳感器(圖2)，支持遠(yuǎn)程控制，可實(shí)現(xiàn)完全編程等功能。他豐富的傳感器資源以及靈活的結(jié)構(gòu)，可以完成各種復(fù)雜的操作和功能。

圖1 NAO傳感器示意圖

圖2 NAO機(jī)器人關(guān)節(jié)示意圖

同時(shí)，NAO機(jī)器人也得到了公眾的肯定，在2007年，它成為機(jī)器人世界杯(RoboCup)的標(biāo)準(zhǔn)平臺;在2010年，NAO機(jī)器人作為科技大使出現(xiàn)［4］在上海世博會上［5］。

將NAO機(jī)器人的技術(shù)開放給所有的高等教育項(xiàng)目，因?yàn)樗褂肔inux系統(tǒng)的嵌入式處理器，所以不僅可以使用C++，Python等語言進(jìn)行編程，也可以使用官方開發(fā)的一套可視化編譯軟件進(jìn)行編程，這就使得NAO機(jī)器人的開發(fā)有了很大的自由空間和可能性［6］。

NAO的研究范圍覆蓋了包括語音識別，視頻處理，模式識別，自閉癥治療，自動化，喜好處理，路徑規(guī)劃等很多的方面和領(lǐng)域。這些領(lǐng)域中間，包括了一些不是以軟件編程為主要方向的研究者，NAO機(jī)器人多樣的編譯環(huán)境某種程度上給非控制和軟件方向的研究者帶來了一定的困擾［7］。

本文主要以人臉識別為例，使用最常用的可視化編程以及Python語言，具體分析各種編譯方式的優(yōu)劣，以及其在各類應(yīng)用場合下的實(shí)際情況。

1 背景知識介紹NAO機(jī)器人的視覺系統(tǒng)

NAO機(jī)器人通過攝像頭獲取圖像信息，處理并獲得有效的信息。在機(jī)器人的頭部，垂直安裝了兩個(gè)高清攝像頭，其參數(shù):輸出YUV422，視場58°，水平視場47.8°，垂直視場 34.8°，聚焦范圍 30 cm ～ ∞，聚焦類型定焦，物理分辨率VGA，QVGA，幀速30 f/s。攝像頭傳感器可捕捉清晰的VGA格式畫面，最高分辨率下可以達(dá)到30幀/s的速度。頭部水平方向可以轉(zhuǎn)動接近239°，垂直方向可轉(zhuǎn)動接近68°;視角范圍在水平方向約61°，垂直方向約為 34.8°(圖3)，因此可以識別各類物體。NAO機(jī)器人廣為人知的人臉識別就是根據(jù)這個(gè)設(shè)計(jì)而開發(fā)的一項(xiàng)互動功能。NAO可以學(xué)習(xí)記憶不同的人臉信息，并對其進(jìn)行識別［8-9］。

圖3 機(jī)器人攝像頭時(shí)域示意圖

2 Python語言編程實(shí)例

Python是一種高級的、解釋性的、交互式的、面向?qū)ο蟮哪_本語言，更是一門跨平臺、開源、免費(fèi)的解釋性高級動態(tài)編程語言，是一種通用編程語言。除了可以解釋執(zhí)行之外，Python還支持將源代碼偽編譯為字節(jié)碼來優(yōu)化程序提高運(yùn)行效率并對源代碼進(jìn)行保密。Python支持命令式編程(How to do)和函數(shù)式編程(What to do)兩種方式，完全支持嗎?面向?qū)ο蟪绦蛟O(shè)計(jì)，語法簡潔清晰，功能強(qiáng)大且易學(xué)易用［10-11］。

Python的設(shè)計(jì)具有很強(qiáng)的可讀性，相比其他語言經(jīng)常使用英文關(guān)鍵字，以及其他語言的一些標(biāo)點(diǎn)符號，它具有比其他語言更有特色的語法結(jié)構(gòu)。Python是一種解釋型語言，開發(fā)過程中沒有編譯這個(gè)環(huán)節(jié)。Python是面向?qū)ο笳Z言，它支持面向?qū)ο蟮娘L(fēng)格或代碼封裝在對象的編程技術(shù)［12］。

同時(shí)，Python已經(jīng)在很多領(lǐng)域有著非常豐富的應(yīng)用，可以說是一門非常實(shí)用的編程語言。例如:Python是云計(jì)算中最流行的語言、大量優(yōu)秀的Web框架，以及許多用于Python開發(fā)的科學(xué)計(jì)算和人工智能:典型庫numpy等等。而在金融工程領(lǐng)域中，Python同樣被大量使用［13］。

由于Python是一種動態(tài)語言，語言結(jié)構(gòu)清晰簡潔，庫豐富、成熟、穩(wěn)定，科學(xué)計(jì)算和統(tǒng)計(jì)分析功能強(qiáng)大，生產(chǎn)效率比 C，C++和 java要高［14］。

以人臉識別為例，寫了一個(gè)這樣一段代碼來完成——一個(gè)在看到一個(gè)人臉的時(shí)候打招呼的程序編譯。

首先構(gòu)造了一個(gè)類，命名為HumanGreeterModule，主要的任務(wù)就是設(shè)定人臉識別和進(jìn)行反饋。

其中:subscribeToEvent函數(shù)定義了對FaceDetected事件的響應(yīng)，onFaceDateced函數(shù)是具體的執(zhí)行任務(wù)，調(diào)用tts文件進(jìn)行文字轉(zhuǎn)語音的輸出，完成打招呼的功能。

class HumanGreeterModule(ALModule):

def__init__(self，name):

ALModule.__init__(self，name)

self.tts=ALProxy( ＇ALTextToSpeech＇)

global memory

memory=ALProxy("ALMemory")

memory. subscribeToEvent ( " FaceDetected"，"

HumanGreeter"，"onFaceDateced")

def onFaceDateced(self，*_args):memory.subscribeToEvent

("FaceDetected"，"HumanGreeter")

self.tts.say("Hallo") memory.subscribeToEvent("

FaceDetected"，"HumanGreeter"，"onFaceDateced")

從這段函數(shù)中可以清晰地看到每個(gè)過程的具體步驟，調(diào)用了什么樣的資源，實(shí)現(xiàn)了什么樣的功能。

3 圖形化編程實(shí)例

圖形化編程是官方提供的一種編程方式。在專用的編譯軟件Choregraph中，以官方提供的指令盒為基礎(chǔ)進(jìn)行編程，通過連線的方式即可完成編程［15］。

Choregraphje軟件(見圖4)是一款編程軟件，可以編寫程序、與NAO鏈接、燒寫程序、與Webots鏈接可以仿真執(zhí)行程序。

圖4 Choregraph主界面

如圖5～7所示，通過軟件界面，我們可以直觀的看到機(jī)器人的姿態(tài)信息和機(jī)器人上的程序信息。

圖5 機(jī)器人視圖

圖6 機(jī)器人關(guān)節(jié)角度

同樣以人臉識別并進(jìn)行語音問候?yàn)槔?，使用可視化編程方式重新進(jìn)行編程:首先，在指令盒庫(圖8)中找到需要的模塊，指令盒分為兩個(gè)部分，列表和備注。然后，通過圖9所示的操作，很簡單的就完成了這個(gè)小程序的編寫工作?？梢园l(fā)現(xiàn)，正好有兩個(gè)模塊發(fā)現(xiàn)人臉和語音說話，我們將其連接就可以完成操作。

圖7 機(jī)器人應(yīng)用程序列表

圖8 指令盒

圖9 圖形化編程人臉識別并問候

4 算法比較

Python和可視化編程可以說是NAO機(jī)器人初學(xué)者常用的兩種編程語言，那么又該如何選擇呢?

從結(jié)構(gòu)上，明顯可以看出，可視化編程要比Python編程更加簡單。相比之下，可視化編程具有更加簡單的結(jié)構(gòu)和更加清晰的流程順序，可以說是一種非常適合新手來了解機(jī)器人的一種編程方式。

但是，可視化編程的局限性同樣也很明顯，即只能使用現(xiàn)有的模塊進(jìn)行編程，同時(shí)，對模塊具體實(shí)現(xiàn)過程并不是很了解。以人臉識別及問候的實(shí)例為例，如圖10所示打開人臉識別模塊可以看到，觸發(fā)的線并沒有接在起始點(diǎn)的位置，而是一個(gè)叫做Almemory的event觸點(diǎn)上，如果沒有Python的知識(見圖11)，很難解釋這是一個(gè)什么樣的event。同時(shí)打開最內(nèi)層的模塊，可以看到，這些模塊最后其實(shí)還是使用Python進(jìn)行編譯的。但是，很明顯，它的指令不單單是內(nèi)部的函數(shù)，還有包括外部接口的一部分內(nèi)容，因此很難對它進(jìn)行二次編譯來達(dá)到我們的目的或者提高效率。

圖10 Almemory觸點(diǎn)

圖11 人臉識別模塊內(nèi)部腳本

實(shí)際上，可視化編譯可以理解為是一些已經(jīng)編譯好的、具有較好普適性的Python程序包以一種固定形式進(jìn)行封裝和圖形化之后的產(chǎn)物。這種編譯方式更適合作為機(jī)器人啟蒙性質(zhì)的教育，或者針對沒有什么編程基礎(chǔ)的群體進(jìn)行小型實(shí)例開發(fā)的編譯環(huán)境，又或者是新手開發(fā)者用來熟悉機(jī)器人的一個(gè)平臺，因?yàn)樗哂休^好的穩(wěn)定性和更加易讀的性質(zhì)。

相較于可視化編程，Python具有更大的靈活空間，可以進(jìn)行更復(fù)雜的運(yùn)算，或者控制器的設(shè)計(jì)，實(shí)現(xiàn)算法等任務(wù)，必須要受到已有的模塊的束縛。同時(shí)，我們可以更深入地了解每個(gè)功能的具體實(shí)現(xiàn)過程，使用更合適的指令，達(dá)到更高的執(zhí)行效率。同樣，如果是針對某個(gè)方面的機(jī)器人設(shè)計(jì)，例如我們需要做個(gè)算法的控制器，很難找的全部合適的指令盒供我們使用，這個(gè)時(shí)候我們只能自己進(jìn)行編譯。

當(dāng)然對于初學(xué)者來說，完全獨(dú)立編寫全部功能的指令可能并不是那么容易，在此可以使用折中的辦法，在無法完成的功能處使用官方的指令盒來實(shí)現(xiàn)，指令盒不能滿足要求甚至沒有指令盒的部分，調(diào)用Python進(jìn)行編程，混合進(jìn)行編程，在choregraph中調(diào)用Python的指令盒，即可完成這樣的功能，在Python中，可以加載官方naoqi庫，其中也有大量的函數(shù)可供使用，可以大幅減少編程的工作量。

5 結(jié)語

編譯環(huán)境日新月異的今天，選擇一個(gè)合適的編譯環(huán)境和編程方式對以后的開發(fā)工作有著很大的幫助。明確自己的定位，選擇一個(gè)合適的編譯環(huán)境是無疑是一個(gè)非常重要的卻很容易被忽視的步驟?？偨Y(jié)成一句話，以機(jī)器人為輔助平臺或者非計(jì)算機(jī)類專業(yè)的開發(fā)者更適合圖形化的編譯環(huán)境，這個(gè)可以讓你更快地了解機(jī)器人，完成相應(yīng)的工作。需要完成相對復(fù)雜的任務(wù)或者有一定編程基礎(chǔ)的開發(fā)者更推薦使用python作為編譯平臺進(jìn)行程序開發(fā)，這樣可以使你擁有更大的發(fā)揮空間和拓展余地。