楊廣峰

垃圾分類搬運(yùn)是垃圾分類中的一項重要的工作，其中不同垃圾桶的分類識別是一個重要內(nèi)容，它屬于物體檢測，是計算機(jī)視覺中的經(jīng)典問題之一。其任務(wù)是用方框去標(biāo)出圖像中物體的位置，并給出物體的類別。

本文中借助物體檢測，打造出一個基于樹莓派的智能垃圾識別搬運(yùn)機(jī)器人，智能識別垃圾筒，自動計算機(jī)器人與垃圾筒的距離，從而實(shí)現(xiàn)智能搬運(yùn)的功能。

樹莓派六足機(jī)器人一套（六足機(jī)器人一個，樹莓派4B一塊，古德微擴(kuò)展板一塊，電機(jī)驅(qū)動板一個，USB攝像頭一個），目標(biāo)物體兩個（紅色、藍(lán)色海綿正方體各一個，邊長為10厘米）（如圖1）。

登錄網(wǎng)站，開始“物體檢測”。首先，訪問古德微機(jī)器人網(wǎng)站（http：//www.gdwrobot.cn），登錄進(jìn)入自己的賬號后點(diǎn)擊“設(shè)備控制”進(jìn)入“積木”界面；接著，點(diǎn)擊“更多功能”按鈕，再點(diǎn)擊左下角的“機(jī)器學(xué)習(xí)”項，頁面顯示有“圖片分類”“物體檢測”和“聲音檢測”三類功能應(yīng)用，點(diǎn)擊“物體分類”中的“遠(yuǎn)程使用樹莓派攝像頭進(jìn)行物體分類”按鈕（如圖2）。

通過拍照采集并標(biāo)注目標(biāo)訓(xùn)練機(jī)器人。我們進(jìn)入“機(jī)器學(xué)習(xí)—物體檢測訓(xùn)練（遠(yuǎn)程采集樹莓派圖片）”頁面，點(diǎn)擊頁面左側(cè)的“拍照”按鈕即可進(jìn)行數(shù)據(jù)的采集。不斷變換機(jī)器人的位置與角度，分別點(diǎn)擊“拍照”按鈕進(jìn)行目標(biāo)圖片的添加（如圖3）。

接下來，對采樣的圖片進(jìn)行物體的標(biāo)注。選擇第一張圖片，拖動光標(biāo)對紅色物體進(jìn)行框選，輸入物體的分類名稱“紅色”，再拖動光標(biāo)對藍(lán)色物體進(jìn)行框選，輸入物體的分類名稱“藍(lán)色”，點(diǎn)擊“保存并切換下一張圖片”，完成第一張圖片的標(biāo)注，并開啟第二張圖片的標(biāo)注（如圖4）。

全部標(biāo)注完成后，點(diǎn)擊“開始訓(xùn)練”按鈕對采集的圖片進(jìn)行訓(xùn)練。

訓(xùn)練結(jié)束后即可再將機(jī)器放置在任意位置，對其預(yù)覽圖片中的物體進(jìn)行分類驗(yàn)證，預(yù)覽圖像中顯示目標(biāo)物體檢測框，同時還顯示目標(biāo)物體的分類與置信度百分比：“紅色：87.79%、藍(lán)色：79.09%”（如圖5）。

拍照采集與訓(xùn)練驗(yàn)證均完成之后，點(diǎn)擊右下角的“下載樹莓派上使用的模型”按鈕，很快就會有“模型轉(zhuǎn)換下載完成”的提示，這時，相關(guān)文件已被下載到樹莓派的/home/pi/model/object_detection目錄下，模型文件為model.tflite，對應(yīng)標(biāo)簽文件為labels.txt。通過Windows的遠(yuǎn)程桌面連接進(jìn)入樹莓派進(jìn)行查看，labels.txt的文件內(nèi)容包含兩行內(nèi)容，依次對應(yīng)訓(xùn)練模型的分類名稱：“紅色、藍(lán)色”（如圖6）。

本例中，指定將地圖前方的目標(biāo)物體（不可回收垃圾，用紅色物體代替）智能搬運(yùn)到地圖左方的目標(biāo)物體（不可回收垃圾，用紅色物體代替）存放區(qū)。編程可分為兩步，第一步是機(jī)器人獲取當(dāng)前距離（機(jī)器人與物體之間的距離），第二步是根據(jù)當(dāng)前距離計算步數(shù)，前進(jìn)并夾取物體。其中第一步獲取當(dāng)前距離用到了攝像頭拍照、物體檢測、讀取檢測結(jié)果、計算距離與步數(shù)。

使用機(jī)器人攝像頭對前方拍照，調(diào)用物體檢測模型對照片進(jìn)行檢測，返回檢測結(jié)果列表（如圖7）。

這個函數(shù)是從檢測結(jié)果列表中找到我們的目標(biāo)（紅色物體）的名稱和置信度。

通過判斷檢測結(jié)果列表的長度是否大于0來區(qū)分有沒有檢測結(jié)果，沒有檢測結(jié)果則需要跳出判斷重新檢測；如果有檢測結(jié)果，則對檢測結(jié)果進(jìn)行下一步的處理。首先，循環(huán)讀取檢測結(jié)果列表中的每一個檢測結(jié)果字典，分別讀出這個檢測結(jié)果字典中的置信度和物體名稱。然后判斷物體名稱為否是紅色物體，如果符合條件，則找到了我們的目標(biāo)名稱和置信度，中斷循環(huán)，準(zhǔn)備下一個環(huán)節(jié)（如圖8）。

本函數(shù)根據(jù)物體檢測中所獲取的矩形檢測框的長度來推算機(jī)器人與目標(biāo)物體的當(dāng)前距離，其中使用的公式為：140×300÷檢測框長度，這里的140是機(jī)器人的最佳夾取距離，300是機(jī)器人在最佳夾取距離時所拍攝的照片中檢測框的橫向長度。

首先，從檢測結(jié)果字典中獲取檢測框的位置列表，這個位置列表中記錄了檢測框的左上和右下兩個點(diǎn)的橫、縱坐標(biāo)值。然后，分別獲取兩個點(diǎn)的橫坐標(biāo)值，計算出檢測框的物體橫向像素大?。M向長度），根據(jù)計算公式得到機(jī)器人與目標(biāo)物體的當(dāng)前距離。接著計算出機(jī)器人到達(dá)物體所需要的前進(jìn)步數(shù)，計算公式為[（當(dāng)前距離-140）÷50 ]+1。這里的140仍然是機(jī)器人的最佳夾取距離，50為步幅，計算步數(shù)的基本公式為：步數(shù)=（當(dāng)前距離-夾取距離）÷步幅，最后的1是為配合取整而使用的修正值（如圖9）。

首先，控制機(jī)器人向前運(yùn)動至最佳夾取位置，并夾取物體。然后，控制機(jī)器人先向后移動，再左轉(zhuǎn)90度，再向前，到達(dá)指定的投放位置。最后，控制機(jī)器人放下物體完成垃圾的智能搬運(yùn)工作（如圖10）。

為了調(diào)整攝像頭的最佳拍攝姿態(tài)，我們分別對控制攝像頭的兩個舵機(jī)做了下面的設(shè)置，完成對機(jī)器人的初始化。然后，將上面的分步函數(shù)組合，完成主程序（如圖11）。

經(jīng)過多次測試，機(jī)器人均成功夾取了目標(biāo)物體，實(shí)現(xiàn)了垃圾的智能搬運(yùn)。本次我們通過物體檢測識別目標(biāo)物體，并借助程序返回的物體檢測方框數(shù)據(jù)進(jìn)行距離的測算，實(shí)現(xiàn)了機(jī)器人的智能搬運(yùn)。大家也可以結(jié)合其他場景，給物體檢測賦予更多的實(shí)際意義。