基于NAO機(jī)器人的紅球定位與步態(tài)重寫

熊方瑩　劉懷民　張?jiān)?/p>

關(guān)鍵詞：NAO；單目視覺；機(jī)器人高爾夫；機(jī)器人步態(tài)

中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2023）10-0029-03

近年來，機(jī)器人技術(shù)蓬勃發(fā)展，許多機(jī)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(gè)方面：識(shí)別目標(biāo)對(duì)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(jī)器人全長(zhǎng)約為58cm，使用Linux嵌入式處理器，可通過使用C++或Python語言對(duì)機(jī)器人進(jìn)行控制。NAO機(jī)器人一般用于人機(jī)交互、舞蹈表演、監(jiān)測(cè)識(shí)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(jìn)行可視化編程，因此它允許用戶探索各種領(lǐng)域，運(yùn)用各種復(fù)雜程度的編程程序?qū)崿F(xiàn)用戶想要體驗(yàn)的各種不同效果。而在NAO機(jī)器人高爾夫比賽中，NAO機(jī)器人通過對(duì)比賽場(chǎng)地的感知以及對(duì)紅球的識(shí)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(shí)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(qiáng)度影響較小的HSV顏色空間，以使得NAO機(jī)器人的識(shí)別更加精確。同時(shí)對(duì)NAO機(jī)器人的身體各個(gè)電機(jī)的配合進(jìn)行了算法重寫，使得NAO機(jī)器人可以在更多的場(chǎng)景下完成工作。

1 研究現(xiàn)狀

1.1 NAO 機(jī)器人研究現(xiàn)狀

針對(duì)NAO機(jī)器人的研究中一共有以下四個(gè)研究方向。

1）將NAO機(jī)器人平臺(tái)與孤獨(dú)癥兒童治療智能陪護(hù)的實(shí)際需求相結(jié)合的陪護(hù)型機(jī)器人，該陪護(hù)機(jī)器人實(shí)現(xiàn)了人臉識(shí)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(hù)人員工作負(fù)擔(dān)，緩解孤獨(dú)癥兒童病情[3]。

2）研究生成式Camshift跟蹤算法的優(yōu)缺點(diǎn)，提出結(jié)合ORB特征匹配和Kalman濾波改進(jìn)Camshift算法應(yīng)用于NAO機(jī)器人運(yùn)動(dòng)目標(biāo)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(jī)器人的校園導(dǎo)游機(jī)器人實(shí)施方案，實(shí)現(xiàn)和學(xué)生語音交互、唱歌跳舞等功能。借助NAO機(jī)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(shí)現(xiàn)了問答系統(tǒng)，完成導(dǎo)游功能[5]。

4）以仿人智能機(jī)器人“NAO”作為研究對(duì)象，結(jié)合目標(biāo)識(shí)別、行走控制以及手臂控制三個(gè)研究方向，，搭建了基于NAO機(jī)器人的目標(biāo)識(shí)別及手臂抓取系統(tǒng)，最終實(shí)現(xiàn)對(duì)目標(biāo)物體的識(shí)別以及抓取。提出多項(xiàng)式誤差補(bǔ)償方法對(duì)位置坐標(biāo)進(jìn)行補(bǔ)償[6]。

1.2 紅球定位研究現(xiàn)狀

在過去的研究中，NAO機(jī)器人紅球定位一般分為紅球識(shí)別與三維信息定位兩個(gè)部分。首先識(shí)別到紅球后，獲取到紅球數(shù)據(jù)，再依據(jù)其信息進(jìn)行定位，即可獲得紅球與機(jī)器人的相對(duì)定位信息。紅球識(shí)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(cè)，通過圓形檢測(cè)進(jìn)行圓形標(biāo)定；3）定位紅球的像素信息，結(jié)合當(dāng)前的紅球數(shù)據(jù)以及圓形信息，得到當(dāng)前的紅球在畫面中的數(shù)據(jù)信息。

針對(duì)三維信息定位部分，是利用NAO機(jī)器人自身所帶的攝像頭進(jìn)行單目識(shí)別[2]。單目識(shí)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??；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(duì)于NAO機(jī)器人的位置信息。利用獲取到的紅球識(shí)別數(shù)據(jù)與機(jī)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(jìn)行相似性轉(zhuǎn)換，最終將數(shù)據(jù)轉(zhuǎn)換為當(dāng)前空間下的位置信息。最終實(shí)現(xiàn)單目識(shí)別，將獲取到的數(shù)據(jù)轉(zhuǎn)換成紅球與機(jī)器人的相對(duì)位置，以此獲取紅球定位。

目前針對(duì)紅球定位的研究現(xiàn)狀仍然存在無法適配更多場(chǎng)景的問題，而機(jī)器人的單目識(shí)別同樣也存在會(huì)出現(xiàn)誤差的情況，針對(duì)以上的問題我們對(duì)NAO機(jī)器人的紅球定位進(jìn)行了進(jìn)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(duì)NAO機(jī)器人的步態(tài)重寫策略。但依據(jù)官方的運(yùn)動(dòng)文檔可知，針對(duì)NAO機(jī)器人的運(yùn)動(dòng)模型一般是由機(jī)器人自帶的D-H連桿模型，依據(jù)反向運(yùn)動(dòng)學(xué)[8]的運(yùn)動(dòng)學(xué)方程：

2 實(shí)驗(yàn)與數(shù)據(jù)

2.1 紅球定位

根據(jù)當(dāng)前紅球定位的研究現(xiàn)狀，結(jié)合實(shí)際需要，實(shí)驗(yàn)進(jìn)行了部分改進(jìn)。

首先，需要識(shí)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(lán)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(qiáng)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(qiáng)度將會(huì)對(duì)識(shí)別產(chǎn)生較大影響[1]。為了降低環(huán)境中的光照強(qiáng)度對(duì)識(shí)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(cè)進(jìn)行紅球識(shí)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(cuò)誤，我們還設(shè)置了紅球半徑的約束條件，并針對(duì)當(dāng)前捕獲的畫面大小以及機(jī)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(zhǔn)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(jìn)行三維建模，得到紅球的空間位置，并且求出紅球與機(jī)器人的相對(duì)位置與距離。公式（2）與公式（3）表示的是：根據(jù)像素比例計(jì)算出紅球的三維相對(duì)數(shù)據(jù)，根據(jù)畫面的像素比例可以推算出紅球在實(shí)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(jī)器人的相對(duì)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(shí)別數(shù)據(jù)與機(jī)器人自身的位置相結(jié)合，利用單目識(shí)別[2]將獲取的數(shù)據(jù)轉(zhuǎn)換成紅球與機(jī)器人的相對(duì)位置，以此獲取紅球定位。

2.2 機(jī)器人步態(tài)重寫

在我們的實(shí)驗(yàn)過程中，我們發(fā)現(xiàn)由于機(jī)器人的使用年限以及機(jī)器人的電機(jī)損耗不同，機(jī)器人的關(guān)節(jié)會(huì)不可避免地出現(xiàn)角度偏移，以至于原本的行走、擊球姿勢(shì)無法適用。針對(duì)這個(gè)問題，我們重新定義一個(gè)新的動(dòng)作鏈來解決本問題。

使用歐拉角描述可以對(duì)NAO機(jī)器人的各個(gè)關(guān)節(jié)以及其電機(jī)進(jìn)行更加精確的描述以及聯(lián)動(dòng)[11]，同時(shí)通過對(duì)NAO機(jī)器人的各個(gè)連桿、關(guān)節(jié)位姿的描述，我們發(fā)現(xiàn)可以進(jìn)一步更正機(jī)器人的步態(tài)姿勢(shì)，使其在運(yùn)動(dòng)姿勢(shì)以及運(yùn)動(dòng)速度上可以有更大的提升。本實(shí)驗(yàn)可以使得NAO機(jī)器人具有更強(qiáng)的實(shí)用性以及在面對(duì)不同場(chǎng)景時(shí)，NAO機(jī)器人也能具有更好的應(yīng)對(duì)效率。

2.3 實(shí)驗(yàn)數(shù)據(jù)與對(duì)比

通過對(duì)比，發(fā)現(xiàn)此方法可以檢測(cè)到更遠(yuǎn)距離的紅球。我們?cè)诖罅康膱D像數(shù)據(jù)中進(jìn)行測(cè)試，使用機(jī)器人進(jìn)行多次的紅球識(shí)別與定位，描述了傳統(tǒng)方法與本實(shí)驗(yàn)方法的可測(cè)距離范圍以及準(zhǔn)確率數(shù)據(jù)變化。使用控制變量法對(duì)距離與角度進(jìn)行控制，以觀測(cè)數(shù)據(jù)的準(zhǔn)確性，并且得到更加準(zhǔn)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(yuǎn)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(shí)別數(shù)據(jù)與過去方法的紅球識(shí)別數(shù)據(jù)的對(duì)比，如表3所示。在過去的方法中，識(shí)別的距離僅為0.05～0.7m，且受光線以及機(jī)器人運(yùn)動(dòng)的震動(dòng)等干擾嚴(yán)重，所以其最終準(zhǔn)確識(shí)別率僅為60%～75%。而通過我們的方法改進(jìn)后，其最遠(yuǎn)距離增加至1.3m，且其識(shí)別的準(zhǔn)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?cè)谝粋€(gè)圓形范圍內(nèi)確定紅球信息，當(dāng)距離為0.5m 時(shí)，機(jī)器人的可視角度為±120?，距離為0.7m時(shí)，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(yuǎn)可視的1.3m處，僅可識(shí)別當(dāng)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(shí)別部分的數(shù)據(jù)信息與機(jī)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(yuǎn)值。我們固定了當(dāng)前的角度，不停更改其遠(yuǎn)近距離，最終測(cè)得了其相應(yīng)位置的距離參數(shù)信息。在120° 處時(shí)，其最遠(yuǎn)距離為0.5m，在100°處時(shí)其最遠(yuǎn)距離為0.75m，并且該數(shù)據(jù)隨著識(shí)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(shí)別部分的數(shù)據(jù)信息與機(jī)器人的識(shí)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(shí)別方法改進(jìn)得到的本文的紅球識(shí)別定位方法，同時(shí)通過實(shí)驗(yàn)得出了在原有紅球測(cè)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(diǎn)過濾、霍夫圓變換等方法，識(shí)別紅球。其次，使用歐拉角描述了NAO機(jī)器人腿部各個(gè)電機(jī)與關(guān)節(jié)的轉(zhuǎn)動(dòng)程度，并通過定義動(dòng)作鏈、時(shí)間軸的方式來得到更加貼合每臺(tái)機(jī)器人的步態(tài)參數(shù)與行走姿態(tài)，最后由機(jī)器人本身的反運(yùn)動(dòng)學(xué)公式進(jìn)行協(xié)調(diào)，即可使得NAO機(jī)器人的整體運(yùn)動(dòng)步態(tài)與整體協(xié)調(diào)性更強(qiáng)。