劉智臣

（湖南信息學(xué)院，湖南 長沙 410151）

0 引 言

在智能制造領(lǐng)域，機(jī)器手臂被廣泛應(yīng)用，能夠大幅提高制造效率，然而在機(jī)械手臂應(yīng)用過程中，需要解決一些關(guān)鍵性問題，比如：如何準(zhǔn)確定位目標(biāo)、如何跟蹤目標(biāo)、如何抓取目標(biāo)等。針對目標(biāo)定位問題，張航等人提出手眼關(guān)系標(biāo)定方法[1]，將圖像坐標(biāo)直接轉(zhuǎn)換為機(jī)器人坐標(biāo)；谷雨等人提出基于輪廓迭代[2]最近點(diǎn)配準(zhǔn)的多目標(biāo)模型定位；針對目標(biāo)跟蹤問題，楊劍峰等人提出采用離線與在線相結(jié)合的方法[3]來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)對機(jī)械臂軌跡跟蹤控制[4-6]；針對目標(biāo)抓取問題，張建民等人提出三維立體視覺[7]的機(jī)械手臂智能抓取方案。這些方法都能較好地解決定位、跟蹤、抓取等問題，但在目標(biāo)識別方面都稍顯不足。

然而在智能分揀應(yīng)用領(lǐng)域，對機(jī)器手臂的目標(biāo)識別能力[8]有較高的要求，這有利于提高分揀效率及正確率，因此如何提高機(jī)器手臂的目標(biāo)識別能力需要重點(diǎn)研究。針對這個(gè)問題，文中提出一種基于多源數(shù)據(jù)特征提取的分揀型機(jī)器手臂系統(tǒng)研制方案。該方案利用多傳感器技術(shù)[9]獲得多源數(shù)據(jù)，接著將這些傳感器節(jié)點(diǎn)采集的原始數(shù)據(jù)，通過無線傳感器網(wǎng)絡(luò)傳輸?shù)奖镜靥幚砉?jié)點(diǎn)。后者再完成數(shù)據(jù)融合和特征數(shù)據(jù)的提取，并將特征數(shù)據(jù)與特征數(shù)據(jù)庫比對，從而識別目標(biāo)類型，提升智能分揀能力。

1 解決方案及其實(shí)現(xiàn)

1.1 控制系統(tǒng)硬件邏輯設(shè)計(jì)

圖1是機(jī)器手臂控制系統(tǒng)的硬件邏輯設(shè)計(jì)。圖中的溫濕度傳感器用來采集目標(biāo)表面溫濕度數(shù)據(jù)，壓力傳感器用來采集目標(biāo)的受力數(shù)據(jù)，機(jī)器視覺傳感器用來采集目標(biāo)的圖像數(shù)據(jù)[10]。這三個(gè)傳感器都安裝在機(jī)器手臂上，將它們采集到的數(shù)據(jù)傳遞給STM32F103處理器。該處理器可以對這些原始數(shù)據(jù)進(jìn)行初步處理，從而減少數(shù)據(jù)冗余及不必要的數(shù)據(jù)傳輸，再將數(shù)據(jù)通過ESP8266 WiFi模塊傳輸?shù)綗o線傳感器網(wǎng)絡(luò)。數(shù)據(jù)經(jīng)過無線傳感器網(wǎng)絡(luò)到達(dá)本地處理節(jié)點(diǎn)。本地處理節(jié)點(diǎn)通過無線模塊接入無線傳感器網(wǎng)絡(luò)收發(fā)數(shù)據(jù)，并可根據(jù)應(yīng)用數(shù)據(jù)情況選擇移動(dòng)終端或PC終端實(shí)現(xiàn)。

圖1 機(jī)器手臂控制系統(tǒng)硬件邏輯設(shè)計(jì)

1.2 控制系統(tǒng)軟件設(shè)計(jì)

圖2為機(jī)械手臂控制系統(tǒng)的軟件架構(gòu)。

圖2 機(jī)械手臂控制系統(tǒng)的軟件結(jié)構(gòu)

傳感器、STM32F103處理器與ESP8266 WiFi無線模塊組成傳感器采集節(jié)點(diǎn)，該節(jié)點(diǎn)運(yùn)行多傳感器管理程序和無線傳輸程序。管理程序主要控制溫濕度、壓力、機(jī)器視覺等多傳感器的數(shù)據(jù)采集程序運(yùn)行，以便采集目標(biāo)的溫濕度、壓力、圖像等原始數(shù)據(jù)，傳輸程序主要負(fù)責(zé)將這些原始數(shù)據(jù)通過無線傳感器網(wǎng)絡(luò)傳輸給本地處理節(jié)點(diǎn)。

本地處理節(jié)點(diǎn)也需要實(shí)現(xiàn)無線傳輸程序，用來從無線傳感器網(wǎng)絡(luò)收發(fā)數(shù)據(jù)。另外，數(shù)據(jù)融合及特征信息提取程序、特征比對及目標(biāo)識別程序都運(yùn)行在本地處理節(jié)點(diǎn)中。數(shù)據(jù)融合主要是去除數(shù)據(jù)的冗余性，并組合成特定格式的數(shù)據(jù)。采集的原始數(shù)據(jù)在傳輸時(shí)會(huì)添加時(shí)間戳和傳感器的編號，同編號下的傳感器，在一定時(shí)間段內(nèi)采集的無變化的數(shù)據(jù)將被丟棄，不做處理；而同一時(shí)刻，來自不同傳感器編號的數(shù)據(jù)將依據(jù)特定程序提取出特征數(shù)據(jù)。特征比對主要是根據(jù)提取的特征數(shù)據(jù)與特征數(shù)據(jù)庫記錄的數(shù)據(jù)項(xiàng)進(jìn)行比對，以判斷是否符合條件，如果符合，那么識別出目標(biāo)，如果不符合，那么可通過無線傳感器網(wǎng)絡(luò)調(diào)整機(jī)器手臂，使傳感器繼續(xù)采集原始數(shù)據(jù)，并再次提取出特征數(shù)據(jù)進(jìn)行比對，循環(huán)反復(fù)直到識別出目標(biāo)，或者停止比對，上報(bào)該目標(biāo)，并進(jìn)行學(xué)習(xí)訓(xùn)練。

1.3 特征信息提取及特征數(shù)據(jù)庫

特征數(shù)據(jù)庫建立在本地處理節(jié)點(diǎn)中，數(shù)據(jù)庫中的表項(xiàng)主要記錄：索引、文字特征數(shù)據(jù)、符號特征數(shù)據(jù)、形狀或尺寸特征數(shù)據(jù)、壓力或硬度特征數(shù)據(jù)、溫濕度數(shù)據(jù)、目標(biāo)等，這些特征數(shù)據(jù)組合后，可識別目標(biāo)。該數(shù)據(jù)庫的建立方法可以通過人工輸入，也可以通過學(xué)習(xí)訓(xùn)練生成。對于新學(xué)習(xí)的目標(biāo)，可動(dòng)態(tài)添加數(shù)據(jù)項(xiàng)記錄。

數(shù)據(jù)表項(xiàng)中的特征值都是從多個(gè)傳感器采集的原始數(shù)據(jù)中提取出來，特征數(shù)據(jù)與傳感器的對應(yīng)關(guān)系如圖3所示。

圖3 特征信息提取

2 結(jié) 語

現(xiàn)有機(jī)械手臂存在目標(biāo)識別能力不足的問題，因此文中提出一種基于多源數(shù)據(jù)特征提取的分揀型機(jī)械手臂，利用多傳感器技術(shù)獲得多源數(shù)據(jù)，接著提取出特征數(shù)據(jù)，然后與已建立的特征數(shù)據(jù)庫中的數(shù)據(jù)比對，完成目標(biāo)識別。通過實(shí)踐，該方案能夠提升機(jī)械手臂目標(biāo)識別的能力，從而提高分揀效率和正確率，可更好地用于智能分揀中。