黃俊曦，徐非凡，陳湘驥，陳浩銘

（華南農(nóng)業(yè)大學(xué)數(shù)學(xué)與信息學(xué)院，廣州 510642）

0 引言

在RMUA 中，采用“全自動(dòng)機(jī)器人射擊對(duì)抗”的形式進(jìn)行比賽，全自動(dòng)機(jī)器人通過(guò)發(fā)射彈丸擊打敵方機(jī)器人進(jìn)行射擊對(duì)抗。比賽結(jié)束時(shí)，機(jī)器人總血量高的一方獲取比賽勝利。機(jī)器人身上配有四個(gè)裝甲板，是主要的承傷區(qū)域。因此，如何準(zhǔn)確識(shí)別與瞄準(zhǔn)敵方機(jī)器人裝甲板和靈活規(guī)避敵方機(jī)器人的攻擊是該比賽的取勝關(guān)鍵因素。

近年來(lái)，機(jī)器人領(lǐng)域技術(shù)得到極大的發(fā)展。在圖像識(shí)別方面，深度學(xué)習(xí)算法得到廣泛應(yīng)用。如Jitian 等基于卷積神經(jīng)網(wǎng)絡(luò)和轉(zhuǎn)移學(xué)習(xí)，利用Web 的標(biāo)簽圖像數(shù)據(jù)，通過(guò)改進(jìn)深度學(xué)習(xí)方法，實(shí)現(xiàn)從監(jiān)控圖像中識(shí)別車輛類型。Songlu等提出了一種端對(duì)端的深度神經(jīng)網(wǎng)絡(luò)，通過(guò)兩個(gè)具有不同卷積層的獨(dú)立分支分別進(jìn)行車輛檢測(cè)和車牌檢測(cè)，在車輛車牌同時(shí)檢測(cè)任務(wù)上取得良好效果。雷蕾等人基于YOLOv5 交通標(biāo)志檢測(cè)算法，采用K-means++算法重新選擇先驗(yàn)框，有效提升模型的檢測(cè)準(zhǔn)確度和應(yīng)用性能。郝達(dá)慧等基于YOLOv5 網(wǎng)絡(luò)對(duì)車牌定位，結(jié)合LPCRNet 網(wǎng)絡(luò)識(shí)別車牌字符，在復(fù)雜場(chǎng)景下的車牌檢測(cè)和識(shí)別有著較好的魯棒性。尉天成等基于Faster RCNN 模型，通過(guò)對(duì)提取特征的卷積神經(jīng)網(wǎng)絡(luò)以及候選框生成方法進(jìn)行改進(jìn)和優(yōu)化，在交通標(biāo)志識(shí)別中取得良好效果。在軌跡預(yù)測(cè)方面，喬少杰等基于卡爾曼濾波提出了一種動(dòng)態(tài)軌跡預(yù)測(cè)算法。金立生等提出了一種基于駕駛視角的自主駕駛環(huán)境感知軌跡預(yù)測(cè)算法，通過(guò)將LSTM 網(wǎng)絡(luò)模塊、空間交互模塊和時(shí)間行為注意力模塊相融合，實(shí)現(xiàn)了更高精度的軌跡預(yù)測(cè)。在重力補(bǔ)償方面，溫永祿等利用誤差對(duì)導(dǎo)彈發(fā)射點(diǎn)進(jìn)行迭代補(bǔ)償，提高了發(fā)射點(diǎn)坐標(biāo)的精準(zhǔn)度。

2021RMUA 比賽規(guī)定只允許使用官方機(jī)器人。該機(jī)器人主要分為底盤和云臺(tái)模塊。底盤包含一組麥克納姆輪，可實(shí)現(xiàn)機(jī)器人的全向移動(dòng)。云臺(tái)搭載了可發(fā)射17 mm 彈丸的發(fā)射機(jī)構(gòu)，可完成Pitch 和Yaw 兩個(gè)自由度的旋轉(zhuǎn)運(yùn)動(dòng)。機(jī)器人配備了裁判系統(tǒng)模塊，可與比賽系統(tǒng)相互通訊。參賽隊(duì)伍可以基于該機(jī)器人配置攝像頭和激光雷達(dá)等傳感器、車載計(jì)算設(shè)備進(jìn)行上層開發(fā)。通過(guò)實(shí)現(xiàn)自主導(dǎo)航、目標(biāo)識(shí)別、自主決策等功能以進(jìn)行多機(jī)器人全自動(dòng)對(duì)抗。

本文基于近幾年機(jī)器人領(lǐng)域技術(shù)的發(fā)展，結(jié)合了2021RMUA 比賽的要求和規(guī)則，在比賽指定的機(jī)器人基礎(chǔ)上，基于可信距離范圍內(nèi)機(jī)器人底盤規(guī)避和云臺(tái)自動(dòng)瞄準(zhǔn)同步控制進(jìn)行上層開發(fā)，實(shí)現(xiàn)了可自動(dòng)尋敵與攻擊的機(jī)器人。

1 基于可信距離規(guī)避與瞄準(zhǔn)同步控制算法

通過(guò)發(fā)射子彈命中敵方機(jī)器人的裝甲板是比賽主要的攻擊方式。因此，如果想要取得比賽勝利，需要提升子彈的命中率和靈活規(guī)避敵方子彈的攻擊。

機(jī)器人是在8 m×5 m的比賽場(chǎng)地中進(jìn)行射擊對(duì)抗。由于射擊距離和子彈飛行時(shí)間成正比，而敵方機(jī)器人一般處于運(yùn)動(dòng)狀態(tài)中，因此射擊距離會(huì)對(duì)子彈精準(zhǔn)度產(chǎn)生一定的影響。同時(shí)機(jī)器人的可發(fā)射子彈數(shù)量是有限制的。為了提高機(jī)器人的攻擊效率，增設(shè)了一個(gè)攻擊可信距離。定義為在某一距離范圍內(nèi)，機(jī)器人對(duì)靜態(tài)目標(biāo)的射擊命中率達(dá)95%以上，對(duì)動(dòng)態(tài)目標(biāo)的射擊命中率達(dá)50%以上。用該標(biāo)準(zhǔn)來(lái)定義可信距離。經(jīng)過(guò)多次實(shí)驗(yàn)，將可信距離設(shè)定為4 m。

如圖1所示。

圖1 算法具體流程

算法首先通過(guò)自動(dòng)尋敵使機(jī)器人靠近敵方機(jī)器人，同時(shí)對(duì)車載攝像頭獲取到的圖像進(jìn)行顏色相減、二值化和形態(tài)學(xué)等預(yù)處理操作，然后對(duì)預(yù)處理后的圖像進(jìn)行特征提取，將提取出來(lái)的燈條按照角度差、長(zhǎng)寬比進(jìn)行配對(duì)，并從配對(duì)成功的燈條中選出最優(yōu)組合作為目標(biāo)裝甲板。接著將獲取到的目標(biāo)裝甲板信息通過(guò)PnP算法進(jìn)行解算，PnP 是用于求解3D-2D 點(diǎn)對(duì)運(yùn)動(dòng)的方法，可通過(guò)個(gè)三維空間坐標(biāo)及其二維投影位置估計(jì)相機(jī)位姿。由于機(jī)器人裝甲板長(zhǎng)寬已知，因此可得出裝甲板四個(gè)角點(diǎn)在以裝甲板中心為原點(diǎn)的世界坐標(biāo)系中的三維坐標(biāo)，結(jié)合裝甲板的二維投影坐標(biāo)，可解算出相機(jī)坐標(biāo)系和世界坐標(biāo)系之間的旋轉(zhuǎn)矩陣和平移矩陣，從而得出敵方機(jī)器人的距離和機(jī)器人當(dāng)前云臺(tái)轉(zhuǎn)角。如果敵方機(jī)器人位于可信距離內(nèi)，則同步控制機(jī)器人底盤擺動(dòng)規(guī)避和云臺(tái)瞄準(zhǔn)攻擊。

1.1 自動(dòng)尋敵

由于車載攝像頭安裝在機(jī)器人云臺(tái)的前方，因此攝像頭所能探測(cè)到的位置有限，僅限于機(jī)器人前方一定角度內(nèi)的范圍。而敵方機(jī)器人有可能出現(xiàn)在己方機(jī)器人的側(cè)方或后方進(jìn)行攻擊。為了能夠盡早發(fā)現(xiàn)敵方機(jī)器人，進(jìn)入規(guī)避和瞄準(zhǔn)攻擊狀態(tài)，本文結(jié)合哨崗系統(tǒng)實(shí)現(xiàn)了自動(dòng)尋敵的功能。

哨崗系統(tǒng)由一個(gè)攝像頭和一臺(tái)計(jì)算設(shè)備組成，攝像頭可安裝在比賽場(chǎng)地的邊緣對(duì)角處，獲取全局圖像。而計(jì)算設(shè)備負(fù)責(zé)執(zhí)行多目標(biāo)檢測(cè)和定位算法。算法首先通過(guò)YOLOv3-tiny 神經(jīng)網(wǎng)絡(luò)檢測(cè)敵方機(jī)器人，在檢測(cè)到敵方機(jī)器人后，通過(guò)將預(yù)測(cè)框中心向下四分之一處的點(diǎn)作為機(jī)器人的特征點(diǎn)，將該點(diǎn)進(jìn)行透視變換，從而得到敵方機(jī)器人的位置。哨崗系統(tǒng)通過(guò)無(wú)線局域網(wǎng)將該位置信息給到己方機(jī)器人，通過(guò)獲取敵方機(jī)器人的位置信息，使用ROS 的move_base 框架進(jìn)行導(dǎo)航靠近敵方機(jī)器人，同時(shí)控制底盤和云臺(tái)朝向敵方機(jī)器人的方向，從而實(shí)現(xiàn)機(jī)器人的自動(dòng)尋敵。具體算法流程見圖2。

圖2 哨崗檢測(cè)與定位流程

1.2 機(jī)器人底盤擺動(dòng)規(guī)避

機(jī)器人底盤配有四個(gè)裝甲板，敵方主要通過(guò)攻擊裝甲板對(duì)己方造成傷害。本文通過(guò)改變機(jī)器人底盤角速度實(shí)現(xiàn)底盤擺動(dòng)規(guī)避行為，用于降低敵方子彈命中率。角速度控制主要流程為：如果底盤和云臺(tái)間偏移角大于-0.2 rad 時(shí)，控制底盤以-0.1 rad/s的角加速度進(jìn)行勻變速轉(zhuǎn)動(dòng)，直到底盤角速度大于-2 rad/s，則控制底盤進(jìn)入勻速轉(zhuǎn)動(dòng)狀態(tài)。如果底盤和云臺(tái)間偏移角小于-0.4 rad 時(shí)，則控制底盤以0.1 rad/s的角加速度進(jìn)行勻變速轉(zhuǎn)動(dòng)。直到底盤角速度大于2 rad/s，則控制底盤進(jìn)入勻速轉(zhuǎn)動(dòng)狀態(tài)。按照以上邏輯，循環(huán)控制底盤角速度變化，從而實(shí)現(xiàn)底盤規(guī)避行為。

使用彈丸攻擊不同位置裝甲板所產(chǎn)生的傷害不同。前裝甲板為20 點(diǎn)血量傷害，左右裝甲板為40 點(diǎn)血量傷害，后裝甲板為60 點(diǎn)血量傷害。按照以上邏輯對(duì)底盤角速度控制時(shí)，底盤和云臺(tái)間偏移角會(huì)在0°～35°范圍內(nèi)。而敵方機(jī)器人一般處于云臺(tái)前方，因此當(dāng)機(jī)器人進(jìn)入規(guī)避狀態(tài)時(shí)，可通過(guò)擺動(dòng)底盤對(duì)敵方子彈進(jìn)行規(guī)避，同時(shí)盡量讓前裝甲板面向敵方，而不會(huì)將左右裝甲板暴露給敵方。

1.3 云臺(tái)瞄準(zhǔn)攻擊

由于在比賽中，機(jī)器人的可發(fā)射子彈數(shù)量是有限制的。如果想要取得比賽勝利，則需要提升子彈命中率。因此在機(jī)器人的瞄準(zhǔn)攻擊部分加入了預(yù)測(cè)和彈道補(bǔ)償兩個(gè)功能。

因?yàn)闄C(jī)器人在比賽中一般是處于移動(dòng)狀態(tài)的，所以需要加入預(yù)測(cè)攻擊功能來(lái)提升子彈命中率。首先通過(guò)PnP 算法獲取出當(dāng)前時(shí)刻云臺(tái)角度，然后結(jié)合上一時(shí)刻云臺(tái)角度計(jì)算出敵方機(jī)器人相對(duì)于己方機(jī)器人云臺(tái)的相對(duì)角速度信息。將該相對(duì)角速度信息和機(jī)器人自身陀螺儀的Yaw 軸角速度信息進(jìn)行融合，從而得到敵方機(jī)器人的絕對(duì)角速度。將云臺(tái)信息和敵方絕對(duì)角速度信息放入二維卡爾曼濾波算法中，通過(guò)公式（1）對(duì)當(dāng)前狀態(tài)進(jìn)行預(yù)測(cè)，結(jié)合當(dāng)前時(shí)刻的測(cè)量值，獲取到當(dāng)前時(shí)刻的云臺(tái)位置和敵方的絕對(duì)角速度，通過(guò)公式（2）對(duì)下一時(shí)刻的敵方機(jī)器人裝甲板所在位置進(jìn)行預(yù)測(cè)，從而得到下一時(shí)刻云臺(tái)角度，達(dá)到預(yù)測(cè)的目的。

其中是當(dāng)前時(shí)刻的預(yù)測(cè)云臺(tái)信息，是當(dāng)前時(shí)刻的預(yù)測(cè)速度信息，是上一時(shí)刻的云臺(tái)信息，是上一時(shí)刻的速度信息。通過(guò)上述的位置和速度關(guān)系公式，結(jié)合上一時(shí)刻的云臺(tái)和速度信息，得到當(dāng)前時(shí)刻的云臺(tái)和速度信息。

其中是下一時(shí)刻的云臺(tái)信息，默認(rèn)一定時(shí)間間隔內(nèi)速度不變，通過(guò)當(dāng)前時(shí)刻云臺(tái)信息，結(jié)合速度時(shí)間信息，預(yù)測(cè)出下一時(shí)刻云臺(tái)轉(zhuǎn)角信息。

僅對(duì)敵方機(jī)器人作預(yù)測(cè)攻擊無(wú)法很好提升子彈命中率。由于子彈發(fā)射后會(huì)受到重力、空氣阻力等作用力影響，當(dāng)距離敵方機(jī)器人較遠(yuǎn)時(shí)，子彈命中率會(huì)大大降低。為了保證在最可信距離內(nèi)擁有較高的子彈命中率，對(duì)2 m以外的攻擊目標(biāo)進(jìn)行彈道補(bǔ)償。機(jī)器人通過(guò)計(jì)算俯仰角差值來(lái)進(jìn)行彈道補(bǔ)償，具體計(jì)算公式如公式（3）、（4）所示。

其中為俯仰角差值，為射擊距離，為重力下墜模型的靈敏度，經(jīng)過(guò)測(cè)試，當(dāng)=1.2×10時(shí)效果較好。是用于調(diào)整整體偏差的變量，只對(duì)3.2 m 以外的目標(biāo)有效，具體計(jì)算公式如公式（5）所示。

其中為射擊距離，為子彈初速。通過(guò)將子彈初速、射擊距離輸入到重力下墜模型中可計(jì)算出俯仰角差值。利用該差值可得到正確的俯仰角，從而實(shí)現(xiàn)彈道補(bǔ)償。

2 實(shí)驗(yàn)效果與分析

測(cè)試機(jī)器人是RoboMaster2020 標(biāo)準(zhǔn)版AI 機(jī)器人，搭載了SLAMTEC 的RPLIDAR A3 激光雷達(dá)，車載攝像頭是KS1A552 型號(hào)彩色全局曝光攝像頭，分辨率為640×480，車載工控機(jī)的CPU為Intel i7 10510U。

實(shí)驗(yàn)測(cè)得，如表1目標(biāo)為靜態(tài)時(shí)加入預(yù)測(cè)前后效果相近。對(duì)于動(dòng)態(tài)目標(biāo)，預(yù)測(cè)前命中率僅為13%，預(yù)測(cè)后命中率提升到54%。結(jié)果表明，預(yù)測(cè)可有效提高動(dòng)態(tài)目標(biāo)的命中率，提高了41%。

表1 有無(wú)預(yù)測(cè)功能子彈命中率對(duì)比

機(jī)器人只對(duì)2 m 以外的目標(biāo)進(jìn)行彈道補(bǔ)償。實(shí)驗(yàn)測(cè)得，如表2 距離目標(biāo)2 m 時(shí)，有無(wú)彈道補(bǔ)償效果相近。距離目標(biāo)4 m時(shí)，未加入彈道補(bǔ)償情況下，未能命中一顆子彈，加入彈道補(bǔ)償后，命中率達(dá)96%。結(jié)果表明，彈道補(bǔ)償可有效提高遠(yuǎn)程目標(biāo)命中率。

表2 有無(wú)彈道補(bǔ)償子彈命中率對(duì)比

實(shí)驗(yàn)測(cè)得，如表3 無(wú)規(guī)避情況下，射程為2 m 和4 m 的命中率相近。有規(guī)避情況下，2 m和4 m的命中率都降低了。結(jié)果表明，底盤規(guī)避有效降低敵方子彈命中率。

表3 有無(wú)規(guī)避效果對(duì)比

如表4 實(shí)驗(yàn)中分別發(fā)射100 顆子彈，距離為4 m 時(shí)子彈命中率為52%，距離為5 m 時(shí)命中率為43%，距離為6 m 時(shí)命中率為28%?；谠搶?shí)驗(yàn)結(jié)果，結(jié)合本文對(duì)可信距離的定義，將可信距離定為4 m。

表4 可信距離內(nèi)外動(dòng)態(tài)目標(biāo)命中率

3 結(jié)語(yǔ)

本文基于在可信距離范圍內(nèi)機(jī)器人底盤規(guī)避和云臺(tái)瞄準(zhǔn)同步控制，結(jié)合哨崗檢測(cè)定位功能，實(shí)現(xiàn)了可自動(dòng)尋敵和攻擊的機(jī)器人。該機(jī)器人在2021RMUA 機(jī)甲大師高校人工智能挑戰(zhàn)賽中斬獲季軍。