黃繼鵬，李楠，伊明

（東北師范大學物理學院，吉林長春,130024）

0 引言

學科競賽是培養(yǎng)學生實踐能力、創(chuàng)新能力和團隊協(xié)作能力最為直接有效的方式。以學科競賽為依托，有助于實踐教學與人才培養(yǎng)模式的改革創(chuàng)新[1]，激發(fā)大學生的興趣和潛能，培養(yǎng)協(xié)作意識和創(chuàng)新精神。本文從組織學生參加中國工程機器人競賽搬運工程項目出發(fā)，設計了一個基于攝像頭的自動分揀搬運機器人[2]。該機器人運用單片機、攝像頭和舵機，實現(xiàn)了物料顏色識別、路徑檢測以及規(guī)劃，對目標物體的抓取以及自動搬運等功能。該分揀搬運系統(tǒng)技術使得搬運機器人分揀運輸自動化和智能化程度得到進一步提高，有助于改善一般物流倉儲工作中，人工輔助依賴性較高的現(xiàn)狀。

目前市面上的搬運機器人大多加裝了專用顏色傳感器、灰度傳感器等或購買使用OpenMv攝像頭進行外部代碼的移植，此類傳感器和OpenMv不但增加了成本，而且在部分零件出現(xiàn)問題時，難以精準定位故障以及及時更換零件，影響工作效率。本文設計的機器人系統(tǒng)使用低成本的攝像頭進行識別，并在STM32中編寫了圖像處理相關代碼，節(jié)省了專用傳感器以及OpenMv的費用，并測試了不同的補光光強和設定的不同顏色的閾值對顏色識別準確率的影響，經(jīng)測試系統(tǒng)能很好的完成顏色和路徑的識別。

1 系統(tǒng)的總體設計

智能分揀搬運機器人在軟件和硬件上均采用模塊化設計，主要由主控模塊、圖像采集模塊、電機驅(qū)動模塊、電源穩(wěn)壓模塊、機械臂模塊組成。

■1.1 主控制模塊

采用STM32F103作為主控芯片，由攝像頭采集圖像后傳給單片機進行分析，然后控制電機的行走和機械臂的搬運，其中單片機和電機由穩(wěn)壓模塊供電。系統(tǒng)總體框圖如圖1所示。

圖2 野火OV7725攝像頭模塊電路圖

■1.2 視頻采集模塊

采用野火OV7725攝像頭模塊進行視頻圖像的信息采集。該模塊主要由鏡頭、圖像傳感器、FIFO緩存組成。光線經(jīng)過鏡頭傳輸?shù)綌z像頭的圖像傳感器上，然后將采集到的光線信號緩存到攝像頭背面的FIFO緩存中，然后單片機再從中獲取拍攝到的圖像數(shù)據(jù)。其中單片機與攝像頭模塊的傳輸協(xié)議為SCCB協(xié)議，相當于一個簡易的I2C協(xié)議。如圖2所示。

■1.3 穩(wěn)壓模塊

穩(wěn)壓模塊采用的是LM2596模塊，此模塊為降壓模塊，輸入電壓的范圍為直流3.2V至40V，輸出要比輸入低1.5V以上。電壓的輸入為兩節(jié)3.7V鋰電池供電，輸出調(diào)至5V，用于給舵機和單片機供電。

■1.4 機械臂模塊

使用兩個MG90S舵機構成了一個二自由度的機械鉤子，負責鉤取堆疊在一起的所需物料。一個舵機控制鉤子的水平方向，另一個舵機控制鉤子的垂直方向。使用由一個舵機構成的機械爪子控制爪子的開合，負責搬運單個物料。

2 軟件系統(tǒng)的設計

智能分揀搬運機器人軟件設計主要包含攝像頭采集，物體顏色識別，舵機的控制，黑線的尋跡與識別。

■2.1 舵機控制程序

舵機的控制是使用單片機產(chǎn)生PWM信號來控制舵機的轉(zhuǎn)動角度，通過控制PWM 波的占空比來調(diào)節(jié)電機轉(zhuǎn)速。通過控制兩個360°舵機的轉(zhuǎn)速來控制機器人左轉(zhuǎn)右轉(zhuǎn)；通過控制兩個180°舵機控制機械鉤子的左右和上下；通過一個180°舵機控制機械爪子的張合。

■2.2 邊緣提取算法

邊緣提取算法主要是為了小車的尋跡，識別交叉路口等操作。圖像邊緣往往包含著一幅圖像的大部分信息，是圖像的基本特征之一。經(jīng)典的邊界提取算法是先對圖像進行平滑濾波處理，來濾除圖像中的噪聲，然后進行一階微分運算求得梯度最大值，最后根據(jù)效果選取合適的閾值來進行邊緣提取。邊緣檢測流程圖如圖3所示。在進行邊緣提取時，先將路徑進行二值化處理，之后進行邊緣的檢測。

圖3 邊緣檢測流程圖

■2.3 顏色識別算法

在圖像處理中，最常用的顏色空間是RGB模型，常用于顏色顯示和圖像處理，因為顏色識別更注重于色彩表示，因此要將RGB模型轉(zhuǎn)變?yōu)镠SV模型，這個模型中顏色的參數(shù)分別是：色調(diào)（H），飽和度（S），明度（V）。

RGB到HSV的轉(zhuǎn)變的算法：

如圖4所示，攝像頭采集到圖像后讓其在外界LCD顯示屏上顯示出來，單片機可以直接從FIFO中讀取RGB模型后提取出來并轉(zhuǎn)換為HSV模型，然后根據(jù)設定各個顏色的HSV的閾值，判斷物料的顏色。

圖4 單片機處理后對小物塊顏色的識別

■2.4 路徑識別算法

在機器人的路徑識別中，需要根據(jù)采集圖像的邊緣檢測結(jié)果，路徑識別算法需要判斷行走是否在一條直線上，避免機器人驅(qū)動系統(tǒng)左右兩輪轉(zhuǎn)動有細微區(qū)別或者路況不平整的情況；判斷機器人在行走到交叉路口的時候的路徑選擇；判斷機器人是否走到目標位置。

首先將提取之后的圖像在顯示屏上以80×60的分辨率顯示出來，并在顯示屏上建立坐標，之后單片機做邊緣檢測，并將顯示出的圖像按縱軸均分六等份，采用采樣的方式分析路徑，以提高單片機的處理效率。

調(diào)節(jié)機器人的巡線程序，使其能沿路徑行走。通過判斷中間黑線是否走偏，若黑線偏左，則需調(diào)節(jié)兩輪的轉(zhuǎn)速，使其向左移動一些延時之后再判斷，向右偏同理。在巡線的基礎上，設計了讓機器人識別交叉路口的程序，攝像頭在采集到機器人行進到交叉路口時，會有黑線的干擾，因此讓攝像頭識別交叉口兩端的黑線，若檢測到兩端黑線達到了顯示屏劃定的坐標位置，即為行進到了交叉路口。在此基礎上又設計了目標位置的檢測，目標位置存在有些許標識或黑線，當攝像頭檢測到目標位置的標識或黑線達到了顯示屏上劃定的坐標位置，證明機器人達到了目標位置。流程圖如圖5所示。

圖5 路徑識別算法流程圖

3 實驗測試

根據(jù)上述設計，完成自動分揀搬運機器人實物搭建，如圖6所示。

圖6 智能分揀搬運機器人實物圖

在競賽實驗過程中，發(fā)現(xiàn)顏色識別準確度影響搬運的成功率，而不同的顏色的HSV的閾值設定的不同會影響顏色識別的準確率，此外周圍環(huán)境的亮度也會影響識別的準確率，因此在識別顏色的時候會加入LED光源照明。因此要找到最合適的閾值設定，本次測試地點選在夜間無自然光的實驗室內(nèi)，經(jīng)過100次的不同光照強度下的顏色識別的檢測成功率，測試不同的閾值設置對實驗結(jié)果的影響，選出最合適的閾值。經(jīng)測試，以90Lux光強為基準，逐步降低光照強度，帶有LED光源照明達到80Lux以上的機器人，且以90Lux光照下設置的各個顏色的HSV的閾值為標準，此時紅色對應閾值設置為((h_hsv<=15&&h_hsv>=0)||(h_hsv<=360&&h_hsv>=330))，藍色對應的閾值設置為((h_hsv<=230&&h_hsv>=200))&&(v_hsv<0.38)， 綠 色 對應的閾值設置為((h_hsv<=200&&h_hsv>=125))&&(v_hsv>0.2&&v_hsv<0.7)，白色對應的閾值設置為((h_hsv<=240&&h_hsv>=175))&&(v_hsv>0.3)，其余閾值均視為黑色時，對顏色識別準確率最高。當光照強度變?nèi)鯐r，紅色和黑色的識別成功率影響較小，白色、藍色和綠色的識別受到的影響最大。如圖7所示。

圖7 閾值和光源對顏色識別準確率的影響

經(jīng)過學生團隊多次測試，攝像頭成功實時地采集到圖像并在LCD顯示屏上顯示出來，機器人也能精準的尋跡和搬運，物料的顏色識別準確率較高，實驗表明，智能分揀機器人總體表現(xiàn)穩(wěn)定，系統(tǒng)的可靠性高。

4 總結(jié)

經(jīng)過學生的團隊協(xié)作，在基于機器視覺的智能分揀搬運機器人中，設計實現(xiàn)了尋跡系統(tǒng)可自動尋導，顏色識別系統(tǒng)可以分類物料類別，經(jīng)實戰(zhàn)，榮獲了2019年中國工程機器人大賽暨國際公開賽攝像頭搬運工程一等獎。通過學科競賽，以賽促學的方式激勵更多學生主動參與到工程訓練項目，增強了學生的創(chuàng)新能力和解決實際問題的能力，提升了團隊協(xié)作的素養(yǎng)，達到了促進工程能力培養(yǎng)的目的。