陳明尚，劉 迅

（華北電力大學(xué)能源動力與機械工程學(xué)院，北京 102206）

近些年來，網(wǎng)球運動越來越受到人們的歡迎，每年都有大量的人們參與到網(wǎng)球的運動當中。但是在網(wǎng)球運動中，難免會存在大量網(wǎng)球散落在地上的窘境，人工撿球費時費力，極大地影響人們的熱情。為解決人工撿球的問題，市面上開始涌現(xiàn)出大量的網(wǎng)球拾取器，但目前主流的網(wǎng)球拾取器仍然是以人力為驅(qū)動的傳統(tǒng)網(wǎng)球拾取器。該類產(chǎn)品的特點是依靠人的手臂向下壓的動作來拾取網(wǎng)球，且在拾取的過程中需要人們多次重復(fù)手臂的提拉動作，相比傳統(tǒng)的撿球方式雖然少了彎腰的動作，但是并不能減少大量的時間，效率不高。

因此，開發(fā)一款便捷便宜的智能式網(wǎng)球拾取器顯得尤為重要。本文主要從拾取裝置和識別方法兩方面對各類智能式網(wǎng)球拾取器進行詳細綜述，總結(jié)了各類智能網(wǎng)球拾取器的優(yōu)缺點，為今后網(wǎng)球拾取機器人的發(fā)展提供了一定的參考。

1 智能式網(wǎng)球拾取器

智能式網(wǎng)球拾取器是依靠計算機視覺等識別網(wǎng)球，判斷網(wǎng)球位置，同時通過電機驅(qū)動機器人行走，利用拾取裝置收集網(wǎng)球，從而實現(xiàn)自動撿球的功能。智能式網(wǎng)球拾取器的總體方案包括行走方式、路線規(guī)劃、自動避障、拾取裝置和識別算法等方面。行走方式方面，因網(wǎng)球場一般都比較寬敞，且地面平整，所以采用輪式行走方式較為合理。路線規(guī)劃方面，目前主要是采用最短距離原則，即每次拾取距離機器人最近的目標，此種方法實現(xiàn)較為簡單，但不夠智能。除此之外，還可采用一些智能算法，如蟻群算法等，當機器人獲取到多個網(wǎng)球的位置信息后，采用蟻群算法對撿球路徑進行規(guī)劃，提高了搜索速度，可以快速找到全局最優(yōu)路徑。自動避障方面，一般是采用超聲波距離傳感器和人體紅外傳感器等，對路徑上的障礙物或人員進行躲避。在拾取裝置和智能識別算法方面，近些年來，研究學(xué)者也展開了大量的研究，下面將重點從這兩方面介紹網(wǎng)球拾取器近些年來取得的一些成果。

1.1 拾取裝置

如何實現(xiàn)準確高效地撿拾網(wǎng)球，一直都是各國研究者們研究的重點。目前研究的主要方式有3 種：第1 種為通過多機構(gòu)的配合，實現(xiàn)多自由度的機械臂拾取。第2 種為借鑒發(fā)球機的原理，將葉輪反轉(zhuǎn)，達到將網(wǎng)球吸入的目的。第3 種是利用電機驅(qū)動撥板旋轉(zhuǎn)，將網(wǎng)球卷入收集裝置中。

1.1.1 基于多自由度的機械臂拾取

一般空間中的機械手有6 個自由度，自由度越多，能夠完成的任務(wù)就越復(fù)雜。林廣茂等[1]人設(shè)計了三自由度的機械臂，如圖1 所示。其中，舵機4 控制機械臂的旋轉(zhuǎn)方向。舵機2、3 控制機械臂的高度和長度，舵機1 控制機械手爪。在機械臂的控制方面采用了極坐標控制的方法，該方法要求機械臂必須準確移動到網(wǎng)球所在位置的上方，否則將不能準確地拾取網(wǎng)球。三自由度的機械臂雖結(jié)構(gòu)簡單，但是不夠靈活，對機器人移動的精度要求高，拾取效率低。

圖1 機械臂示意圖

為進一步提高機械手的抓取效率，劉玲等[2]人設(shè)計了一款雙機械臂的抓取機構(gòu)。機械手包括左右2 個夾鉗，依靠2 個舵機共同控制2 個機械手實現(xiàn)抓取網(wǎng)球的動作。因網(wǎng)球為圓形，傳統(tǒng)機械手夾持容易滑落且作用范圍窄、工作效率低，使用雙機械臂可以擴大抓取范圍，提高抓取精度。

1.1.2 基于葉輪旋轉(zhuǎn)的吸入式拾取

王凱[3]借鑒發(fā)球機的原理設(shè)計了一款基于葉輪旋轉(zhuǎn)的吸入式拾取裝置。網(wǎng)球發(fā)球機的主要原理就是2 個輪子快速旋轉(zhuǎn)帶動網(wǎng)球飛速打出。根據(jù)發(fā)球機的原理，將輪子反轉(zhuǎn)就可以達到吸球的目的。吸球裝置整體的設(shè)計結(jié)構(gòu)如圖2 所示。

圖2 吸球器設(shè)計示意圖

因為吸球器需要將吸取的網(wǎng)球送到一定的高度，因此在選擇電機的類型時，要考慮到吸球器的坡度、網(wǎng)球的質(zhì)量和吸球輪的大小等方面因素，需要通過一定的計算得到吸球器電機的最低負載轉(zhuǎn)速和扭力力矩大小，以此來選擇合適的電機[3]。這種方法雖然能夠做到連續(xù)快速吸球，但是由于電機長時間高速旋轉(zhuǎn)，溫度會逐漸上升，可能會導(dǎo)致過熱燒穿，不能長時間工作。

1.1.3 基于電機驅(qū)動撥板旋轉(zhuǎn)拾取

在電機驅(qū)動撥板旋轉(zhuǎn)拾取方面，Elamvazuthi 等[4]人設(shè)計的撿球機器人采用卷筒擋板式的撿球機構(gòu)，如圖3 所示。機器人在前進過程中由電機驅(qū)動的葉輪帶動擋板轉(zhuǎn)動，將網(wǎng)球卷入并提升至最高位置后落入收集裝置。這種撿球方式相對高效，不過由于擋板與網(wǎng)球之間為剛性接觸，因此在撿球過程中存在沖擊。

圖3 撿球機器人結(jié)構(gòu)示意圖

牛麗波[5]基于此方案設(shè)計了更為完善的系統(tǒng)。該撿球計數(shù)系統(tǒng)主要由撿球葉輪、舵機和計數(shù)紅外傳感器構(gòu)成。當機器人接近球體時，葉輪旋轉(zhuǎn)將球體卷入儲球盒中。在儲球盒入口處安裝有一個計數(shù)紅外傳感器，在球體進入瞬間，紅外傳感器被觸發(fā)，傳感器將信號傳送給單片機，經(jīng)過單片機的處理后，在液晶屏上顯示出球體數(shù)量信息，達到撿球并計數(shù)的功能。

以上拾取網(wǎng)球的方法都各有優(yōu)劣。利用機械臂撿球時撿球效率低，一次只能撿一個球，且需要設(shè)計的活動結(jié)構(gòu)較多，需要多個舵機協(xié)同配合，實現(xiàn)難度高。但是機械臂拾取更加靈活，能適應(yīng)在各種空間工作；利用葉輪高速旋轉(zhuǎn)的吸入式拾取裝置對電機的功率要求較高，耗能大，但是拾取準確高效。利用電機驅(qū)動撥板旋轉(zhuǎn)拾取，這種裝置結(jié)構(gòu)簡單，便于控制，實現(xiàn)難度小，一次可以收集葉片范圍內(nèi)的所有網(wǎng)球，缺點就是有可能會出現(xiàn)“卡球”問題。綜合各方面因素，在拾取裝置方面采用電機驅(qū)動撥板旋轉(zhuǎn)拾取的方案會更加合適。

1.2 識別方法

隨著機器視覺的快速發(fā)展，智能識別的技術(shù)逐漸應(yīng)用到各個領(lǐng)域。對于球類的檢測識別，目前的研究主要分為機器學(xué)習(xí)法和圖像處理方法。機器學(xué)習(xí)的方法過于復(fù)雜，因為球類的特征一般只有顏色和形狀2 種，訓(xùn)練需要的時間較多，因此在網(wǎng)球識別中并不推薦。圖像識別測距主要是利用計算機視覺或圖像傳感器對圖像進行處理，識別目標，判斷目標離機器人的距離。目前主要的方法有基于OpenCV 開發(fā)的網(wǎng)球識別算法和利用視覺傳感器來識別網(wǎng)球2 種方法。

1.2.1 基于OpenCV 的圖像識別

因為網(wǎng)球的場景單一，不存在過多干擾，使用OpenCV 進行圖像識別有較好的效果。林廣茂等[1]人基于OpenCV 開發(fā)了圖像識別網(wǎng)球的功能。主要原理：在獲取到圖像后，先對圖像進行預(yù)處理；在預(yù)處理完成后，首先對圖像進行開、閉運算，提取目標特征。其次，根據(jù)距離的遠近設(shè)置不同的半徑閾值，來初步篩選目標。再次，估算目標與圓的似然比，進一步地篩選目標。最后，根據(jù)輪廓內(nèi)各像素點綠色通道的累加值，判斷和網(wǎng)球顏色的相似性，判斷目標是否為網(wǎng)球。識別目標的最小包圍圓的圓心坐標，即為網(wǎng)球的球心位置，借助平面幾何變換算法，把像素點與現(xiàn)實的坐標建立出映射關(guān)系，計算出球體的平面坐標。

王凱[3]基于OpenCV 設(shè)計了另外一種網(wǎng)球識別算法：由于RGB 圖像容易受到亮度的影響，故在獲取到RGB圖像后，首先將RGB 圖像轉(zhuǎn)換為HIS 圖像。其次對網(wǎng)球顏色的HIS 3 個色域閾值分類，將每一幀圖像中在閾值范圍內(nèi)的像素標記起來，將能夠組成色域塊的像素添加到一個鏈表中，再次統(tǒng)計每塊色域塊中面積、形狀等信息，最后判斷是否為網(wǎng)球。

1.2.2 基于視覺傳感器的識別

隋裕召等[6]人采用Pixy 視覺傳感器來做圖像識別。他們采用了六角椎體模型HSV 來確定目標顏色特征。根據(jù)網(wǎng)球的顏色，利用相應(yīng)的API 函數(shù)，即可得到網(wǎng)球的寬度、高度和中心點坐標等信息。

而郭天宇等[7]人采用COMS 圖像傳感器進行圖像的讀取和處理。因為彩色圖像能夠更好地反應(yīng)空間信息，因此在進行圖像分析時，首先，將RGB 圖像轉(zhuǎn)換為HIS 圖像。其次，對圖像進行像素分塊、數(shù)位化等預(yù)處理。再次，對處理好的圖像進行閾值劃分，根據(jù)劃分的閾值來識別判斷是否為網(wǎng)球。最后，將判斷好的數(shù)據(jù)傳回處理器，由處理器確定下一步的操作[7]。

以上2 種方法各有優(yōu)劣。利用OpenCV 進行圖像識別可以更加快速精確地定位目標網(wǎng)球，提高撿球效率。但是采用OpenCV 來進行圖像識別，往往還需要上位機來運行OpenCV 程序，將運行后得到的數(shù)據(jù)通過串口傳給下位機的控制系統(tǒng)，進而控制機器人的移動。如此會增加開發(fā)難度，同時也會增加整體結(jié)構(gòu)的復(fù)雜程度，提高機器人的成本，不利于大規(guī)模市場化的發(fā)展。采用市場上已有的視覺傳感器來識別網(wǎng)球，識別精度不高，可能會受到環(huán)境的干擾，但能滿足基本需求，且價格相對較低，整體實現(xiàn)難度也較前者容易。

2 結(jié)束語

從目前撿球機器人的發(fā)展來看，市面上主流的拾取器還是基于人工操作，需要人工干預(yù)的，智能化的撿球機器人很少。但是目前在撿球機器人方面也有了很多研究，撿球機器人也正在朝著商品化、智能化方面發(fā)展。從目前來看，在拾取裝置方面采用電機驅(qū)動撥板旋轉(zhuǎn)拾取的方法更加簡便可靠，拾取效率較高且實現(xiàn)難度不大；在網(wǎng)球的識別算法方面，采用視覺傳感器進行網(wǎng)球識別最為簡便，可以大大降低開發(fā)難度和機器人的成本。但是隨著人們對機器人的智能化要求越來越高，基于OpenCV 的圖像識別技術(shù)更有可能成為未來的發(fā)展趨勢。文中詳細探究了網(wǎng)球智能拾取器在拾取裝置方面和識別方法方面的研究現(xiàn)狀，分析了每種方案的優(yōu)缺點，對今后智能撿球機器人的研發(fā)有一定借鑒意義。