袁莉 蔡文霞 李愛(ài)華

【摘 要】漢字信息提取技術(shù)是寫字機(jī)器人中的關(guān)鍵技術(shù)之一，機(jī)器人能夠?qū)懗鰷?zhǔn)確美觀的文字的基礎(chǔ)是必須要有正確的文字信息輸入。本文闡述了三種文字識(shí)別技術(shù)：字庫(kù)提取技術(shù)、機(jī)器視覺(jué)文字提取技術(shù)和模仿學(xué)習(xí)提取漢字信息技術(shù)，介紹了它們的關(guān)鍵技術(shù)點(diǎn)及實(shí)現(xiàn)方法，最后展望了書(shū)寫機(jī)器人及漢字識(shí)別提取技術(shù)的發(fā)展方向。

【關(guān)鍵詞】書(shū)寫機(jī)器人;模仿學(xué)習(xí);機(jī)器識(shí)別

漢字文化博大精深，經(jīng)過(guò)6000多年的變化，漢字?jǐn)?shù)量達(dá)8萬(wàn)之多，標(biāo)準(zhǔn)的書(shū)法字體有甲骨文、金文、小篆、隸書(shū)、楷書(shū)、行書(shū)等等，因此，漢字的書(shū)寫不同于英文的書(shū)寫，其書(shū)寫更為復(fù)雜，更為講究，筆劃、筆順、用筆力度、停頓等都是書(shū)寫時(shí)要注意的問(wèn)題，寫字機(jī)器人要寫出結(jié)構(gòu)美觀的漢字，首先要獲取準(zhǔn)確的漢字信息。機(jī)器人漢字信息提取主要有三種途徑：已有字庫(kù)、機(jī)器視覺(jué)和智能模仿學(xué)習(xí)。在信息提取的過(guò)程中，涉及多種技術(shù)和方法，本文對(duì)機(jī)器人漢字信息提取技術(shù)做了全面分析研究，并展望智能機(jī)器人中漢字提取技術(shù)的發(fā)展趨勢(shì)。

1 字庫(kù)漢字信息提取技術(shù)

書(shū)寫機(jī)器人從現(xiàn)有字庫(kù)中獲取漢字信息，對(duì)其進(jìn)行再現(xiàn)書(shū)寫。字庫(kù)一般選取文字矢量文件或矢量信息，如AutoCAD公司的.shx文件和早期的UCDOS漢字矢量庫(kù)，現(xiàn)在使用較廣泛的是Windows平臺(tái)下的TrueTypeFont矢量字庫(kù)，TTF字庫(kù)是Microsoft公司和Apple公司共同推出的一種輪廓字體。TTF是一種矢量字體，它用一系列點(diǎn)構(gòu)造字型輪廓，在此基礎(chǔ)上用一系列指令調(diào)節(jié)，使輪廓線變的平滑，可以得到良好的顯示效果。一個(gè)字符由一系列閉合輪廓線組成，每條閉合輪廓對(duì)應(yīng)一個(gè)TTPOLYGONHEADER數(shù)據(jù)結(jié)構(gòu)，而一條輪廓包含至少一條曲線（包括折線和二次樣條），曲線由TTPOLYCURVE數(shù)據(jù)結(jié)構(gòu)定義。利用Win32的API函數(shù)GetGlyphOutline（）提取所需漢字的輪廓線數(shù)據(jù)或位圖數(shù)據(jù)，通過(guò)編程把TTPOLYGONHEADER結(jié)構(gòu)中POINTFX形式的點(diǎn)坐標(biāo)轉(zhuǎn)換為Cpoint坐標(biāo)，分離出組成輪廓線的各條折線和Bezier曲線。將漢字輪廓線數(shù)據(jù)中點(diǎn)坐標(biāo)保存在一個(gè)數(shù)組中，用于控制寫字機(jī)器人的筆尖移動(dòng)軌跡控制。

如果寫字機(jī)器人要求書(shū)寫的漢字尺寸很小，書(shū)寫雙線字效果不好，這時(shí)就需要繪制單線字。單線字繪制一般選取點(diǎn)陣字庫(kù)，文字提取主要采用輪廓提取和輪廓跟蹤技術(shù)。用“0”和“1”分別表示無(wú)筆劃和有筆劃，將漢字點(diǎn)陣信息形成字符矩陣，從筆劃的始點(diǎn)出發(fā)，在其8個(gè)相鄰點(diǎn)中選定跟蹤方向，在此方向上連續(xù)跟蹤，直到?jīng)]有后繼點(diǎn)為止。

2 機(jī)器視覺(jué)提取文字信息技術(shù)

機(jī)器視覺(jué)提取文字信息技術(shù)可以使機(jī)器人靈活的寫出任意字體的漢字。將任意字體的漢字放在攝像頭下，攝像頭將拍攝的圖像傳送到計(jì)算機(jī)，計(jì)算機(jī)處理圖像得到文字的坐標(biāo)文件。計(jì)算機(jī)接收到圖像后，首先要對(duì)圖像進(jìn)行去除噪聲、傾斜校正、閾值化運(yùn)算、行列切分、閉運(yùn)算、細(xì)化運(yùn)算和去毛刺處理，將圖像處理成黑白的二值圖像，而且要輪廓光滑，突出漢字骨架。然后進(jìn)行提取文字筆劃工作，提取筆劃的最大難點(diǎn)是鏡頭下的漢字的不可預(yù)測(cè)性及隨意性，尤其手寫連筆漢字。一條連續(xù)曲線對(duì)應(yīng)一個(gè)筆劃，把漢字進(jìn)行連通域的劃分處理，然后按照先左后右、先上后下的順序在每個(gè)連通域內(nèi)提取筆劃保存筆劃坐標(biāo)，按照1中提到的輪廓跟蹤方法確定筆順。

3智能模仿漢字書(shū)寫技術(shù)

我們讓機(jī)器人書(shū)寫一個(gè)漢字，我們稍微示范一下，機(jī)器人就能學(xué)會(huì)！一旦機(jī)器人具備這樣的模仿學(xué)習(xí)能力，機(jī)器人就擁有了類似人類的模仿學(xué)習(xí)能力，智能機(jī)器人通過(guò)自主學(xué)習(xí)獲得具有切實(shí)的類人的智能行為能力，這是機(jī)器人的終極理想狀態(tài)。寫字機(jī)器人模仿學(xué)習(xí)主要是通過(guò)人手牽引，與機(jī)械手臂相互協(xié)作使之獲取相應(yīng)漢字信息，最終實(shí)現(xiàn)書(shū)寫。Toru Tsumugiw提出了一種基于延時(shí)定位的人機(jī)交互的可變阻抗的控制方法[4]，由壓力傳感器實(shí)時(shí)獲取操作者手臂前端的力度，使機(jī)器人末端傳感器實(shí)時(shí)獲取壓力和位置數(shù)據(jù)，實(shí)時(shí)獲取壓力與位置數(shù)據(jù)，使人機(jī)協(xié)作系統(tǒng)更加穩(wěn)定。Andre Lemme[5] 以人形機(jī)器人iCub為平臺(tái)，構(gòu)建了一個(gè)運(yùn)動(dòng)基元庫(kù)，通過(guò)人類的引導(dǎo)能夠自監(jiān)督地從復(fù)雜軌跡中感知并學(xué)習(xí)運(yùn)動(dòng)基元，學(xué)會(huì)相應(yīng)的軌跡動(dòng)作，并能使用復(fù)雜的手寫軌跡進(jìn)行評(píng)價(jià)。

另一種模仿學(xué)習(xí)的方式就是通過(guò)觀察和模仿人類，獲取對(duì)應(yīng)的漢字信息并進(jìn)行漢字的書(shū)寫。例如V. Mohan等人[6] 以嬰兒人型機(jī)器人iCub 為平臺(tái)，通過(guò)綜合系統(tǒng)學(xué)習(xí)繪制從簡(jiǎn)單到復(fù)雜的形狀圖案，即通過(guò)觀察示范者的動(dòng)作，特別是示范者末端執(zhí)行器的軌跡，來(lái)學(xué)習(xí)模仿示范者的動(dòng)作。在此基礎(chǔ)上，也有研究者通過(guò)觀察人的手勢(shì)來(lái)實(shí)現(xiàn)機(jī)器人手臂的書(shū)寫。通過(guò)運(yùn)動(dòng)傳感器輸入設(shè)備實(shí)時(shí)捕捉示范者的手勢(shì)軌跡，采用簡(jiǎn)化的分類集成器識(shí)別人體不同的動(dòng)作手勢(shì)，來(lái)控制機(jī)械臂書(shū)寫不同的筆畫，最終實(shí)現(xiàn)整個(gè)漢字的書(shū)寫。

4 結(jié)束語(yǔ)

目前寫字機(jī)器人漢字信息提取技術(shù)主要是字庫(kù)提取和機(jī)器視覺(jué)提取，模仿學(xué)習(xí)技術(shù)還不是很成熟，寫字機(jī)器人的應(yīng)用面也比較窄。隨著計(jì)算機(jī)技術(shù)、圖像處理技術(shù)、傳感器技術(shù)和人工智能技術(shù)的不斷發(fā)展，寫字機(jī)器人必將從只能重復(fù)單一工作發(fā)展為像人類一樣能模仿學(xué)習(xí)，并能隨著經(jīng)驗(yàn)的積累自動(dòng)提高性能，甚至可以自我創(chuàng)作書(shū)法。強(qiáng)調(diào)機(jī)器人的自主學(xué)習(xí)方式，研制能夠使人類的生產(chǎn)生活發(fā)生深刻變革的具備“通用智能”的機(jī)器人，無(wú)疑是機(jī)器人未來(lái)的發(fā)展方向。

參考文獻(xiàn)：

[1]何薇，錢增磊 等.基于機(jī)器視覺(jué)的機(jī)器人寫字技術(shù)的設(shè)計(jì)[J].江南大學(xué)學(xué)報(bào)（自然科學(xué)版）.2011，10（5）：513-516

[2]曾華琳，黃雨軒，晁飛，周昌樂(lè).書(shū)寫機(jī)器人研究綜述[J].智能系統(tǒng)學(xué)報(bào)，2016，11（1）：16-26..

[3]王光建，梁錫昌.寫字機(jī)器人的文字矢量化及應(yīng)用[J].現(xiàn)代制造工程，2004（7）：40-42.

[4]TSUMUGIWA T，YOKOGAWA R，KHARA R.Variable impedance control based on estimation of human arm stiff-ness for human-robot cooperative calligraphic task[C]//Proceedings of IEEE International Conference on Robotics and Automation.Washington，DC，USA，2002：644-650

[5]LEMME A，REINHART R F，STEIL.J.J.Self-super Vised bootstrapping of a movement primitive library from complex trajectories[C]//Proceedings of the 14th IEEE-RAS International Conference on Humanoid Robots（Humanoids）.Madrid，2014：726-732.

[6]MOHAN V，MORASSO P，ZENZERI J，etal.Teaching a humanoid robot to draw’Shapes’[J].Autonomousrobots，2011，31（1）：21-53.

（作者單位：1石家莊學(xué)院機(jī)電學(xué)院;2陸軍工程大學(xué)無(wú)人機(jī)工程系）