机器人大赛中的物联网感知和机器视觉的应用

2020-05-09黄一航解迎刚马晓宇张祖贻张天伦

物联网技术 2020年4期

黄一航　解迎刚　马晓宇　张祖贻　张天伦

摘要：通过物联网传感器和数据分析技术，机器人可以获得更广泛的态势感知，从而更好地执行任务。文中根据机器人大赛动态避障赛程的集体要求，搭建了基于ROS平台工业机器人开源平台，应用Python语言进行Gazebo虚拟现实系统的搭建，基于双目视觉完成了静态避障与动态避障功能，完成了机器人大赛的具体比赛。

关键词：移动机器人;ROS平台;Gazebo系统;智能避障;传感器;物联网

中图分类号：TP391文献标识码：A文章编号：2095-1302（2020）04-00-03

0 引言

近几年，各行各业服务型机器人发展迅猛，服务机器人逐渐参与到人们的生活中。服务型机器人是最为实用也是最贴近人类生活的存在，争位在服务型机器人行业中并没有得到太多学者的研究，但在救援或者战争的环境下争位机器人还是起到比较重要的地位。因此一些本学科的专家，提倡让学生自主发挥想象力，使学生对机器人的研究更上一个台阶，同时提髙学生对机器人的兴趣，培养学生良好的工作实践能力，培养学生对机器人技术的兴趣和热情。

中国机器人大赛是目前中国影响力最大、综合技术水平最高的机器人学科竞赛之一，是我国最具影响力、最权威的机器人技术大赛、学术大会和科普盛会，是当今中国智能制造技术和高端人才的重大交流活动。本次比赛是以TurtleBot机器人为硬件基础的，让我们更深一步的学习了TurtleBot的技术原理与应用方法。

1 中国机器人大赛具体技术和规则要求

比赛规则是在Gazebo虚拟系统中，控制TurtleBot机器人。那么得分原则有如下两个标准：

（1）机器人从起点出发，能成功到达终点，则获得基础加分;

（2）机器人从起點到终点用时越短，加分越多。

因此要考虑两个因素：

（1）如何让机器人自助规划路径，使其能够避开障碍物并且行驶到终点;

（2）如何让机器人规划出最优路径，使其能够在最短的时间内到达终点。

机器人大赛比赛规则见表1所列。

在此任务中，障碍位置由服务器在客户端程序首次启动时给出，需要参赛选手对机器人的运动进行很好的控制，并制定好路径规划策略。在该任务中，将会有以下几个任务点。

（1）场景一：有3个障碍物，分别位于1/4线，1/2线，3/4线。该场景下，最高分为10分，避开所有障碍得6分;最短时间者获4分，第二名2分，第三名1分，其他人不得分。

（2）场景二：有6个障碍物，分别位于1/4线，1/2线，3/4线，每条线路上均有两个障碍。该场景下，避开所有障碍得6分;最短时间者获4分，第二名2分，第三名1分，其他人不得分。

（3）场景三：地面上随机存在6个障碍物。该场景下，最高分为15分，避开所有障碍得11分，避开5个障碍得8分，避开4个障碍得5分;最短时间者获4分，第二名2分，

第三名1分，其他人不得分。

（4）场景四：有5个障碍物，2个位于1/4线，2个位于3/4线，1个在1/2线处沿线随机移动。在该场景下，最高分为15分，避开所有障碍得11分，避开出移动障碍物外所有障碍物并成功到达终点得7分;最短时间者获4分，第二名2分，第三名1分，其他人不得分。

以上为本次比赛的规则，可见这个比赛的难度之大，要求之严格。

严格的要求中也有规则可循。障碍物的位置是固定的，而非移动的。而且障碍物的坐标是可以通过机器人的视觉获取的。再一点，障碍物的形状都是固定的，都是矩形的。因此避障算法只要解决两个问题即可，第一就是要使机器人能够获取障碍物的位置坐标，第二就是使机器人能够根据已知的环境，规划出合理路径。

2 比赛机器人的准备

2.1 硬件的准备

在本次比赛中使用TurtleBot二代机器人作为硬件基础。TurtleBot 2的硬件主要有Yujin Kobuki移动底座、Kinect视觉传感器、双核笔记本、2 200 mA·h电池和可装卸的结构模块。TurtleBot 2使用目前最流行的ROS（Robot Operating System）作为操作系统，能实现3D建图导航、跟随等功能。机器人大赛TurtleBot机器人如图1所示。

2.2 机器人中的物联网感知和机器视觉

TurtleBot机器人装有双目视觉三维摄像头和超声波测距模块。

摄像头的作用是实现电脑与终端与机器人之间的物联感知功能。摄像头将拍摄的三维图像传送给数据处理电路，后者将模拟信号转化为数字信号，将三维图像分解为一个二维平面图像和一组距离信号，方便计算机的应用。计算机接收到机器视觉视觉获取的数据之后，将数据带入到算法之中，先判断是否运行避障算法，再使用获取的数据进行路径规划，执行避障算法。算法执行完毕后，将规划好的路径信息数据传送给机器人，机器人获取路径后，按照规划好的路径行驶。行驶过程中，继续通过机器视觉获取数据。重复上述过程，即可完成机器人与电脑终端之间的信息交互。实现机器视觉的物联感知功能，实现人工算法对机器人的控制。

超声波测距传感器的作用是获取机器人与障碍物之间的距离，并将距离数据传送给电脑，与电脑中的通过三维图像分解得来的距离信息进行比较。一方面是保证距离信息的正确性，另一方面是在机器视觉测距功能发生故障时，代替视觉测距，提供准确的距离数据。

所谓的机器视觉与物联感知，就是将三维视觉双目三维摄像头和超声波传感器作为感知层;将电脑终端与机器人之间的无线网络通信协议作为网络层;Gazebo虚拟控制系统和机器人的运动模块作为应用层，搭建了一个嵌入式物联网体系。

嵌入式物联网体系搭建完成之后，就可以实现电脑终端与机器人之间的信息交互，协同工作。

2.3 软件系统和策略设计

TurtleBot的可以接受ROS系统的控制指令，也可以将机器人的运动状态，如角速度，线速度等物理数值反馈给ROS系统，可以说ROS系统是TurtleBot运行的基础。因此软件环境搭建的第一步是电脑上搭建适合TurtleBot运行的ROS环境。第二步是在ROS 环境中搭建Gazebo虚拟现实系统。Gazebo是一款3D动态模拟器，能够在复杂的室内和室外环境中准确有效地模拟机器人群。与游戏引擎提供高保真度的视觉模拟类似，Gazebo提供高保真度的物理模拟，其提供一整套传感器模型，以及对用户和程序非常友好的交互方式。

首先，安装软件运行环境，包括ROS系统和Gazebo系统，具体步骤如下：

（1）sudo sh -c 'echo "deb http：//packages.ros.org/ros/ubuntu $（lsb_release -sc）main"> /etc/apt/sources.list.d/ros-latest.list'

（2）sudo apt-key adv --keyserver 'hkp：//keyserver.ubuntu.com：80' --recv-key C1CF6E31E6BADE8868B172B4F42ED6FBAB17C654

（3）sudo apt-get update

（4）sudo apt-get install ros-kinetic-desktop-full

（5）sudo rosdep init

（6）rosdep update

（7）echo "source /opt/ros/kinetic/setup.bash">> ～/.bashrc

（8）source ～/.bashrc

（9）sudo apt-get install ros-kinetic-turtlebot-gazebo

依次运行如下代码之后，系统会自动安装一段时间，然后就可以运行程序，运行程序的同时还要调用大量文件。运行步骤如下：

exportLD_LIBRARY_PATH=～/ros_scripts/plugin：$LD_LIBRARY_PATHroslaunch turtlebot_gazebo turtlebot_world.launch world_file：=/home/username/ros_scripts/world/world1-1（world_file：=your world_file's path）

這时Gazebo系统已经可以启动。接下来的任务是在Gazebo系统中搭建比赛规定的环境。因此设置如下文件，使电脑能够成为连接机器人硬件与控制软件的服务器。

（1）how_to_run.py。该文件主要来写参赛者想要如何控制小车的算法。

（2）robot.py。该文件主要是描述一个机器人类，在此处指的是小车。它有转向和前进等各种功能，详细信息可见代码中的注释。

（3）robot_ser.py。机器人服务端，主要接受客户端传来的指令来与gazebo进行交互。

（4）robot_cli.py。机器人客户端，主要与服务端进行交

互，从服务端获取状态等信息，也可以对服务端发送信息用以控制小车。

（5）clock_ser.py。服务端时间类，主要是记录比赛时间，与客户端时间统一。

（6）clock_cli.py。客户端时间类，主要是记录比赛时间，与服务端时间统一。

（7）judge.py。裁判系统，主要记录比赛时间，机器人状态是否越界，是否成功完成比赛等。

（8）world.world。生成场景信息的文件。

其中how_to_run.py是路径规划文件，需要参赛者自己进行修改，使TurtlrBot机器人能够合理的运行，在Gazebo系统生成的地图上完成任务。world.world文件是生成地图的文件，并且后面加上编号，就可以生成参赛者想要的地图。

3 路径规划的实现

路径规划在具体实现时有多种算法可用，在本次比赛中采用计算量较小、实现比较容易的直角路线走法实现，即无数个直角组成的路径。机器人首先向正前方行驶，检测到前方有障碍物靠近时，执行避障算法。当检测到障碍物远离时，结束这条避障算法。当再次检测到前方有障碍物靠近时，再次执行避障算法。

在执行避障算法的过程中，首先要利用机器人的机器视觉，获取障碍物的三位图像。然后将三维图像以模拟信号的形式存储下来，再将模拟信号转化为数字信号。转化为数字信号后，将三维图像转化为二维平面图像，用于判断障碍物的形状。再从三维图像中获取机器人与障碍物的距离，用于规划整体的避障路径。

机器人在运行直角走法的过程中，并非像弧线算法那样一次性规划好整个路径，而是每走一步，规划一步，即每遇到一次障碍物，就要先判断转向方向，再规划避开这个局部障碍的路径。直角路线算法如图2所示。

图3所示为直角走法的运行结果，机器人从起点出发之后，成功到达终点。红线标识的是机器人的行走路径。

直角走法的算法优点是出错率低，容错率高。只要根据不同的地形，不同的障碍物形状，一步一步地规划路径，一定能走到目标地点。缺点是用时长，时间复杂度高。由于要逐步规划路径，因此机器人每走一段距离就要停顿一下，规划下一步的路径，耗时长。况且比赛规则是用时越短，得分越高，因此直角规划算法虽然能保证完成路径，但不能保证快速完成。

4 结语

机器人在运行直角走法的过程中，每走一步，规划一步。直角走法适用于障碍物分散、数量多、体积小的避障环境，保证机器人能够稳定地越过障碍物，完成避障。实际环境中，障碍物会是不同形状，不同颜色。这就需要在三个方面改进机器人的避障策略：一是要增强机器视觉的识别能力，让机器视觉能够识别不同颜色、形状复杂的障碍物;二是增加机器视觉的捕捉能力，能够捕捉到移动障碍物的运动规律、运动状态，方便机器人进行动态避障;三是增强数据处理程序的鲁棒性和自洽性，使其在获取上述复杂数据后，依然能够进行数据处理，并将获取的数据带入路径规划算法之中。后续的比赛中将会从这三个方面进行改进。

注：本文通讯作者为解迎刚。

参考文献

[1]解迎刚，杨晓芬，高博斌，等.基于混合模式的农产品质量追溯系统[J].物联网技术，2018，8（3）：61-62.

[2]贾卫平，盖欣桐，张祥，等.基于ROS平台机器人导航避障系统设计与开发[J].机械工程师，2019（10）：16-18.

[3]王雷，石鑫.改进蚁群算法在移动机器人避障中的应用[J].南京航空航天大学学报，2019，51（5）：728-734.

[4]王娟，吴宪祥，郭宝龙.基于改进粒子群优化算法的移动机器人路径规划[J].计算机工程与应用，2012，48（15）：240-244.

[5]赵辉，郝梦雅，王红君，等.基于改进A～*算法与天牛须搜索算法的农业机器人路径规划方法[J].科学技术与工程，2019，19（31）：185-190.

[6]曹凯.移动机器人技术研究现状与未来[J].信息系统工程，2013（5）：140.

[7]杨明辉，吴垚，张勇，等.室内动态环境下的移动机器人自主避障策略[J].中南大学学报（自然科学版），2019，50（8）：1833-1839.

[8]徐兵兵，郝荣飞.机器人路径规划技术的现状与发展[J].电子技术与软件工程，2018（24）：81.

[9]范家琪.基于机器人群体避障学习的群智能算法的研究[D].上海：东华大学，2018.

[10]闫琳宇.室内动态环境下移动小车的路径规划技术研究[D].南京：东南大学，2018.