基于机器视觉的扫地机器人设计

2023-11-10刘家博曹鹏飞段元奕

电子设计工程 2023年21期

刘家博，曹鹏飞，段元奕

（山东科技大学电气与自动化工程学院，山东青岛 266590）

近年来，随着人工智能的飞速发展，智能化家居设备开始成为大众宠儿，其中能够自动化清洁的扫地机器人产品备受青睐。市面销售的扫地机器人大多模式单一，只能按照固定方式进行清扫，且对工作环境要求相对较高。所以研究并设计一台具有机器视觉的扫地机器人是市场的迫切需求[1]。文中所研究的内容涉及物体识别、路径规划、无线遥控等多种功能，实现了机器视觉在扫地机器人上的应用，具有广阔的开发空间和良好的应用性，适合于相关领域的智能化研究与发展。

1 硬件系统设计

该文设计的扫地机器人硬件系统整体分为三部分，如图1 所示，分别是扫地机器人硬件主体、直接和单片机相连的各类传感器和电机控制部分。

图1 硬件系统结构

1.1 机器人硬件主体

该设计需要具备两个特性：反应速度快和准确度高。设计方案中主控制板上芯片采用搭载ARM Cortex-M4 内核的STM32F407VET6。STM32F407 VET6满足设计需求的成本较低、主频高且准确度高的要求，因此选用该芯片作为主控芯片[2]。

电源模块以12 V 锂电池为电源，通过降压模块稳压后为STM32、各传感器、电机驱动模块和风机驱动模块提供电流电压。如图2 所示，只需要调节R1和R2的大小，LM2596 稳压模块就可将电源电压稳压至5 V，为STM32 单片机供电；驱动电机模块的输入电压的获取方式同上，是由LM2596 稳压模块将电源电压稳压至6 V 作为输入电压；XL4016E1 稳压模块将电源电压稳压至9 V 后输入风机驱动模块。

图2 LM2596稳压模块原理图

车模采用两驱差速三轮车模，底板为以20 cm为半径的圆形亚克力板，分为上、下两层，顶层上安装了摄像头、无线遥控模块和电容开关，OpenMV 摄像头安装在扫地机器人的前端，斜向下45°，镜头中心离地面10 cm 左右处；夹层里是电源模块、核心板、各驱动模块、测距模块、角度传感器、吸尘电机，机器人正前方、正左侧、正右侧分别安装一个超声波传感器，右侧还安装一个斜向右前方45°的超声波传感器；底层安装了驱动电机，驱动电机采用的额定电压为6 V，额定转速为60 rpm 的370 直流减速电机，车轮由两个65 mm 的橡胶车轮和一个万向轮组成[3]。

1.2 各类传感器

直接和单片机相连的各类传感器包括OpenMV摄像头模块、测距模块、电容触摸开关、角度检测模块和无线遥控模块，并由单片机引出5 V 电压源为各传感器供电。

OpenMV 摄像头模块采用OpenMV4 H7 Plus，搭载高性能的STM32H7 处理器，可以高效地实现机器视觉算法，并提供了Python 的编程接口方便二次开发[4]。

测距模块由HC-SR04 超声波传感器组成，探测距离长达600 cm，探测精度为0.1 cm，感应角度小于15°，完全符合家庭使用的标准，文中的超声波传感器通过IIC 通信协议向STM32 单片机传输信息[5]。

电容触摸开关用来代替传统的按键开关，在进行工作模式选定时可以有效消除机械抖动带来的误触发，并且使用寿命也比传统按键开关长的多。

角度测量模块采用MPU6050 姿态传感器，通过IIC 通信协议与STM32 单片机建立联系，该设计主要运用其三轴陀螺仪功能来检测机器人的旋转角度[6]。

无线遥控模块由遥控器和RX-Q8 超外差解码无线接收模块组成。RX-Q8 超外差解码无线接收模块不受网络条件的限制，同时RX-Q8 有效接收距离超过50 m，是一种灵敏度高、兼容性好、抗干扰能力强的高性能无线接收模块。

1.3 电机控制模块

电机控制模块主要由电机驱动模块和风机驱动模块组成。电机驱动模块采用专用芯片L298N 作为电机驱动芯片，L298N 驱动模块原理图如图3 所示[7]，L298N 电机驱动芯片可以同时控制两个直流电机，通过控制使能端还可以实现脉冲宽度调制，从而实现对速度的调节。

图3 L298N驱动模块原理图

该设计的风机驱动模块采用大功率电机驱动模块BTN7960，工作原理和L298N 驱动模块相似，均采用双H 桥驱动电路，可以通过与STM32 单片机相连的使能端口控制风机的开关，具有强劲的驱动能力和过热过流保护功能，该驱动模块相比L298N 可以更好地驱动大功率风机工作，以此达到吸尘的效果[8]。

2 系统功能方案设计

该设计实现的功能主要包括垃圾识别、路径规划、智能吸尘和无线遥控。

2.1 垃圾识别

该设计的垃圾识别采用机器学习的方法来实现。打开OpenMV IDE，在上方栏目的工具里打开数据集编辑器，新建四个文件用来存储不同垃圾的照片，这四个文件夹名分别为“加强”、“减弱”、“停止”、“其他”的汉语全拼，用OpenMV 摄像头对各类垃圾进行拍照，并分别存入四个文件中，并通过Edge Impulse 在线平台训练神经网络，训练完成后将代码复制到OpenMV IDE 中即可运行[9]。“加强”文件中含有废纸的照片，经过机器学习后，机器人可自动识别到废纸，如图4 所示，串口输出为jiaqiang=0.996 094，帧率为6.565 66 fps，识别成功率接近100%，当脱机运行时帧率还会有所提高，帧率基本满足工作需求。

图4 “加强”类识别结果

“减弱”文件中含有毛发的照片，经过机器学习后，机器人可自动识别到毛发，如图5 所示，串口输出为jianruo=0.996 094，帧率为6.591 8 fps，识别成功率接近100%。

图5 “减弱”类识别结果

“停止”文件中含有袜子的照片，经过机器学习后，机器人可自动识别到袜子，如图6 所示，串口输出为jianruo=0.996 094，帧率为6.610 89 fps，识别成功率接近100%。

图6 “停止”类识别结果

“其他”文件中含有电线的照片，经过机器学习后，机器人可自动识别到电线，如图7 所示，串口输出为jianruo=0.992 188，帧率为5.923 8 fps，识别成功率接近100%。

图7 “其他”类识别结果

四类垃圾的成功识别率都接近100%，识别准确度非常高，同时帧率大都在6.5 fps 以上，当脱机运行时帧率还会增加0.6 fps 左右，识别速度大体可以满足使用要求[10]。

2.2 路径规划

为了减小成本，该设计的路径规划主要通过超声波传感器来实现：

模式一沿墙清扫，基础路径规划主要用到机器人正前方的一个超声波传感器和右侧的一个斜向右前方45°的超声波传感器，分别记作“A”和“B”，当机器人前方出现障碍物时，A 就可以测得距离LA(cm)并传递给STM32 单片机，这时设置有两个特殊距离分别为40 cm 和25 cm，当前方障碍物与机器人相距40 cm 时，STM32 单片机开始通过I/O 口向L298N 驱动模块的EA 口发出占空比为XA%的信号，此时EA 口收到占空比70%的信号；当前方障碍物与机器人相距25 cm 时，EA 口收到占空比0%的信号，由此可得经化简得同理，B 设有两个特殊距离值10 cm 和26 cm，当LB=10 cm 时XB=100，XA=0；当LA=26 cm 时XB=0，XA=10；以上公式均通过C 语言实现，XA、XB、LA、LB均定义为浮点型变量[11]。

模式二机器人会自由行进吸尘，机器人的前、左、右都装有超声波传感器，正常情况下机器人保持直行，当有至少一个超声波传感器检测到障碍物距离小于20 cm 或光电管检测到障碍物时，机器人会向未检测到障碍物的传感器所在的方向转向来躲避障碍物[12]。

模式三是在模式一的基础上进行拓展来实现房间的全面吸尘，首先机器人会进行模式一，当姿态传感器检测到机器人已经旋转360°即沿墙清扫一周后，机器人会沿“S”的运动轨迹对房间进行清扫，当距前方障碍物距离25 cm 时触发转向，期间通过姿态传感器校正方向，保证机器人每次触发转向时旋转180°，未触发时沿直线行进[13]。

2.3 智能吸尘

机器人可以识别垃圾并分为四类，每一类对应一种工作模式。当机器人识别到垃圾时会先进行分类，并将分类信息传递给STM32 单片机，单片机再控制驱动电机和吸尘电机的工作强度[14]。当识别为“加强”类时，OpenMV 的P0 口输出低电平，STM32 收到P0 低电平后，通过增加占空比来提高吸尘电机的工作强度，进而吸走诸如废纸之类较重的垃圾；当识别为“减弱”类时，OpenMV 的P1 口输出低电平，STM32 收到P1 的低电平后，通过减小占空比来减弱吸尘电机的工作强度，进而吸走诸如毛发之类的轻型垃圾；当识别为“停止”类时，OpenMV 的P2 口输出低电平，STM32 收到P2 的低电平后将占空比减为0使吸尘电机停止工作，防止机器人因吸入袜子等物体引起风口堵塞而发生危险；当识别为“其他”类时，OpenMV 的P3 口输出低电平，STM32收到P3 的低电平后，将停止吸尘和前进，并通过蜂鸣器发出警报，这样可以防止机器人工作过程中缠入电线而引发危险，此时只需人为移除电线，机器人就可继续工作[15]。

2.4 无线遥控

无线遥控模块主要用来进行工作模式的选择、运动方向的控制、启动和停止。RX-Q8 超外差解码无线接收模块的Q 类引脚与遥控器的8 个按键一一对应，当遥控器发出信号时，对应的Q 脚从低电平变为高电平，进而将电信号传递给STM32 单片机，最终实现无线控制[16]。

3 调试验证

为了验证该设计的实用性，针对机器人直行和转弯时的垃圾清理能力进行测试，以模式3 为例，直行的调试结果如表1 所示，转弯的调试结果如表2 所示。机器人在直线行驶时的速度大约为0.22 m/s，由表1 可知，直行时的成功率为96.5%；由表2 可知，转弯时的成功率为92.5%，综合两者可知，成功率介于92.5%和96.5%之间。