張楊　劉國成

摘? 要：對(duì)履帶式消防機(jī)器人的構(gòu)型進(jìn)行分析，簡(jiǎn)化其構(gòu)型設(shè)計(jì)為四輪機(jī)器人，并建立相應(yīng)的坐標(biāo)系。通過對(duì)其運(yùn)動(dòng)模型進(jìn)行規(guī)律分析，得出單側(cè)履帶上所有點(diǎn)的運(yùn)動(dòng)速度規(guī)律，完成了功能模塊的設(shè)計(jì)，再根據(jù)功能模塊的設(shè)置完成對(duì)機(jī)器人的硬件結(jié)構(gòu)設(shè)計(jì)。將履帶式消防機(jī)器人所采集視頻圖像中每個(gè)像素點(diǎn)的色彩值作為特征向量，將所有采集到的視頻圖像構(gòu)成一個(gè)樣本集合，把圖像分割任務(wù)轉(zhuǎn)換為數(shù)據(jù)集合的聚類任務(wù)，運(yùn)用K-means聚類算法進(jìn)行圖像區(qū)域分類，獲取所需的分離圖像。

關(guān)鍵詞：聚類算法；軌道交通；履帶式機(jī)器人；消防巡檢

中圖分類號(hào)：TP391.4；TP242 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2023）20-0062-05

Application of Crawler-type Firefighting Robot in Rail Transit Based on Clustering Algorithm

ZHANG Yang， LIU Guocheng

（Guangzhou Railway Polytechnic， Guangzhou? 510430， China）

Abstract： This paper analyzes the configuration of a crawler-type firefighting robot， simplifies its configuration and design as a four wheeled robot， and establishes the corresponding coordinate system. By analyzing the laws of its motion model， the velocity patterns for all points on the single track are obtained. The design of the functional module is completed， and the hardware structure of the robot is designed according to the settings of the functional module. The color values of each pixel in the video image collected by the crawler-type firefighting robot are used as feature vectors， and all collected video images are formed into a sample set. The image segmentation task is transformed into a clustering task of the data set， and the K-means clustering algorithm is used for image region classification to obtain the required separated images.

Keywords： clustering algorithm; rail transit; crawler-type robot; fire patrol inspection

0? 引? 言

履帶式機(jī)器人憑借其接地比壓小、越野機(jī)動(dòng)性能好、牽引附著性強(qiáng)、綜合運(yùn)動(dòng)性能優(yōu)等特點(diǎn)廣泛應(yīng)用于野外非結(jié)構(gòu)化場(chǎng)景中。本文對(duì)履帶式機(jī)器人的運(yùn)動(dòng)規(guī)律及特性進(jìn)行了分析，并在分析總結(jié)的基礎(chǔ)上構(gòu)建其運(yùn)動(dòng)學(xué)模型。針對(duì)軌道交通消防巡檢中的使用場(chǎng)景進(jìn)行了履帶式機(jī)器人的硬件設(shè)計(jì)，同時(shí)還進(jìn)行了基于K-means聚類算法的圖像分割軟件設(shè)計(jì)。

1? 構(gòu)型分析

從履帶式機(jī)器人的運(yùn)動(dòng)原理上分析，履帶式機(jī)器人使用滑動(dòng)轉(zhuǎn)向。機(jī)器人的行走機(jī)構(gòu)平臺(tái)達(dá)到穩(wěn)定運(yùn)動(dòng)和滑動(dòng)轉(zhuǎn)向的效果，需要保持左（右）側(cè)輪子轉(zhuǎn)速一致，如圖1所示。

履帶式機(jī)器人單側(cè)履帶可以視為由“多個(gè)小輪子”組成，且這種單側(cè)“多個(gè)小輪子”的“轉(zhuǎn)速”是一致的。因此，履帶式機(jī)器人的轉(zhuǎn)向是通過控制兩側(cè)履帶（或輪子）的相對(duì)速度實(shí)現(xiàn)的，這與四輪驅(qū)動(dòng)機(jī)器人的轉(zhuǎn)向方式是一致的，都可以實(shí)現(xiàn)滑動(dòng)轉(zhuǎn)向，但履帶對(duì)地面產(chǎn)生的摩擦力和壓力分布有別于輪式。

不同類型履帶式機(jī)器人的運(yùn)動(dòng)控制是一個(gè)非常復(fù)雜的問題。本文以經(jīng)典基礎(chǔ)構(gòu)型的履帶式機(jī)器人運(yùn)動(dòng)模型為研究對(duì)象，如圖1所示。履帶式機(jī)器人的運(yùn)動(dòng)方式（直線或圓周運(yùn)動(dòng)）是由兩側(cè)履帶的速度共同決定的，圖中單側(cè)繪制了2個(gè)電機(jī)以作示意，需要對(duì)兩側(cè)履帶的轉(zhuǎn)動(dòng)速度進(jìn)行聯(lián)合控制。盡管機(jī)器人的實(shí)際構(gòu)型因?qū)嶋H應(yīng)用場(chǎng)景的不同而有所不同，但其運(yùn)動(dòng)模型的基本原理是一致的。本文以圖1中的機(jī)器人構(gòu)型為例進(jìn)行運(yùn)動(dòng)學(xué)分析建模，抽象簡(jiǎn)化其為等效模型，構(gòu)建履帶式機(jī)器人的運(yùn)動(dòng)學(xué)模型。

2? 運(yùn)動(dòng)模型分析

2.1? 建立履帶式機(jī)器人坐標(biāo)系

根據(jù)以上構(gòu)型分析，可以參考四輪驅(qū)動(dòng)式機(jī)器人運(yùn)動(dòng)坐標(biāo)系建立的方式，建立履帶式機(jī)器人平臺(tái)的坐標(biāo)系。

履帶式機(jī)器人以質(zhì)心COM為原點(diǎn)建立坐標(biāo)系，如圖2所示。履帶式機(jī)器人前向運(yùn)動(dòng)方向?yàn)閄軸正方向（粗長箭頭），與之垂直向左為Y軸正方向（細(xì)短箭頭），Z軸垂直于紙面向外，滿足右手定則。圖中COM表示質(zhì)心，CENTER表示機(jī)器人的幾何對(duì)稱中心，ICR表示機(jī)器人的運(yùn)動(dòng)旋轉(zhuǎn)中心。

為簡(jiǎn)化運(yùn)動(dòng)模型，這里做2個(gè)假設(shè)：一是機(jī)器人履帶運(yùn)動(dòng)時(shí)不產(chǎn)生空轉(zhuǎn)現(xiàn)象；二是機(jī)器人本體質(zhì)量分布均勻，且質(zhì)心（Center of Mass， COM）位于機(jī)器人幾何縱向?qū)ΨQ線上，但不一定位于幾何橫向?qū)ΨQ線上，即幾何中心點(diǎn)CENTER和COM不一定重合。

2.2? 運(yùn)動(dòng)模型規(guī)律分析

與兩輪差速驅(qū)動(dòng)機(jī)器人、四輪驅(qū)動(dòng)機(jī)器人均存在非全向約束類似，履帶式機(jī)器人也是僅通過線速度、角速度[vc，ωc]T來描述其運(yùn)動(dòng)，二者的速度空間也相近，因此坐標(biāo)系的建立方式、速度空間的定義和速度方向的約定是一致的。

如圖3所示，履帶式機(jī)器人采用“機(jī)械手段”實(shí)現(xiàn)了“左（或右）側(cè)輪子的轉(zhuǎn)速一致”，可以簡(jiǎn)單地將履帶看成同步帶，保證了“轉(zhuǎn)速”相同的要求，計(jì)算式為：

其中，vA和vB分別表示點(diǎn)A和B相對(duì)于地面的線速度，vAx和vBx分別對(duì)應(yīng)于點(diǎn)A和B的縱向分速度。

若點(diǎn)A和D在坐標(biāo)系X-COM-Y中的縱坐標(biāo)（y值）相同，則它們的橫向分速度相同，計(jì)算式為：

vAy = vDy? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

其中，vD表示點(diǎn)D相對(duì)于地面的線速度，vAy和vDy分別對(duì)應(yīng)于點(diǎn)A和D的橫向分速度。

簡(jiǎn)而言之，單側(cè)履帶上所有點(diǎn)的縱向分速度相同；左、右側(cè)履帶上關(guān)于縱向?qū)ΨQ軸（X軸）對(duì)稱的兩個(gè)點(diǎn)，它們的橫向分速度相同。

3? 履帶式消防巡檢機(jī)器人功能模塊設(shè)計(jì)

履帶式消防巡檢機(jī)器人的功能模塊設(shè)計(jì)如圖4所示。其整體功能架構(gòu)分為三層，分別是應(yīng)用層、控制層和移動(dòng)層。整體功能模塊由主控機(jī)構(gòu)（控制層）、行走機(jī)構(gòu)（移動(dòng)層）和巡檢機(jī)構(gòu)（應(yīng)用層）三部分組成。其中主控機(jī)構(gòu)是履帶式消防巡檢機(jī)器人平臺(tái)的主要控制部分，由主控制器、通信模塊、電源裝置、電壓顯示等部件構(gòu)成；行走機(jī)構(gòu)為履帶裝置，是機(jī)器人的行走裝備，由驅(qū)動(dòng)電機(jī)和履帶構(gòu)成；巡檢機(jī)構(gòu)是機(jī)器人平臺(tái)執(zhí)行消防安全作業(yè)的主要裝備，硬件構(gòu)造主要包括攝像裝置、舵機(jī)云臺(tái)、機(jī)械臂、超聲波傳感器，主要應(yīng)用于消防安全巡查、排障、監(jiān)測(cè)、搬運(yùn)等作業(yè)。

4? 履帶式消防巡檢機(jī)器人硬件結(jié)構(gòu)設(shè)計(jì)

履帶式消防巡檢機(jī)器人的硬件組成包括主控制器、拓展控制器、履帶底盤、履帶裝置、攝像裝置、舵機(jī)云臺(tái)、機(jī)械臂、電壓顯示模塊、超聲波傳感器、電源裝置等部件，其硬件結(jié)構(gòu)及組裝效果如圖5所示。其中，主控制器為可編程控制器，內(nèi)置通信模塊，是履帶式消防巡檢機(jī)器人平臺(tái)的中央控制部分；履帶底盤、拓展控制器，以及履帶裝置組成了機(jī)器人的行走機(jī)構(gòu)；拓展控制器位于主控制器的上方，與主控制器相連，是機(jī)器人行走移動(dòng)的主要驅(qū)動(dòng)控制裝置，接收主控制器指令來實(shí)現(xiàn)2組履帶裝置的聯(lián)動(dòng)運(yùn)行，完成前進(jìn)、后退、左轉(zhuǎn)、右轉(zhuǎn)等移動(dòng)行走動(dòng)作；履帶裝置是機(jī)器人行走的主要執(zhí)行裝置，受拓展控制器的控制實(shí)現(xiàn)對(duì)履帶電機(jī)的旋轉(zhuǎn)驅(qū)動(dòng)；履帶底盤為主控制器、拓展控制器、機(jī)械臂、舵機(jī)云臺(tái)、電源裝置等部件的安裝提供了支撐，并與履帶裝置一起構(gòu)成機(jī)器人平臺(tái)的移動(dòng)部分；電源裝置為機(jī)器人各部分裝置提供所需的電壓電流，并通過電壓顯示模塊顯示電壓數(shù)值；攝像裝置是機(jī)器人消防視頻監(jiān)測(cè)作業(yè)的主要裝備，通過機(jī)器視覺和視頻圖像來監(jiān)控和巡查消防工作場(chǎng)所，完成消防安全工作中的圖像識(shí)別與分析任務(wù)。超聲波傳感器為機(jī)器人提供了測(cè)距功能；機(jī)械臂上帶有機(jī)械抓手，可以抓取目標(biāo)物件，完成搬運(yùn)或排障作業(yè)。

5? 基于K-means聚類分析算法的圖像分割

K-means聚類（K均值聚類）是聚類分析中速度較快且準(zhǔn)確度較高的一種方法。只要給定一個(gè)數(shù)據(jù)集合（如一幅圖像）和所需的聚類數(shù)目K，K-means聚類算法即可根據(jù)某個(gè)距離函數(shù)反復(fù)把數(shù)據(jù)分入K個(gè)聚類中。

聚類既是數(shù)據(jù)挖掘的分析工具，也是圖像分割領(lǐng)域重要的方法之一。從聚類的角度出發(fā)，圖像分割可以看作是將所有像素點(diǎn)根據(jù)其灰度或其他特征進(jìn)行聚類的過程。

K-means聚類分析是指首先隨機(jī)選取K個(gè)對(duì)象作為初始的聚類中心；然后計(jì)算每個(gè)對(duì)象與各個(gè)種子聚類中心之間的距離，把每個(gè)對(duì)象分配給距離它最近的聚類中心。聚類中心以及分配給它們的對(duì)象就代表一個(gè)聚類。一旦全部對(duì)象均被分配，每個(gè)聚類的聚類中心會(huì)根據(jù)聚類中現(xiàn)有的對(duì)象被重新計(jì)算。這個(gè)過程將不斷重復(fù)直至滿足某個(gè)終止條件。終止條件可以是沒有（或最小數(shù)目）對(duì)象被重新分配給不同的聚類，沒有（或最小數(shù)目）聚類中心再發(fā)生變化，誤差平方和達(dá)到局部最小。

利用K-means聚類算法，將履帶機(jī)器人所采集視頻圖像的每個(gè)像素點(diǎn)色彩值作為特征向量，將圖像構(gòu)成一個(gè)樣本集合，把圖像分割任務(wù)轉(zhuǎn)換為對(duì)數(shù)據(jù)集合的聚類任務(wù)，運(yùn)用K-means聚類算法進(jìn)行圖像區(qū)域分類，最后抽取圖像區(qū)域的特征，獲取想要的分離圖像，運(yùn)用全局閾值算法實(shí)現(xiàn)圖像的分割和二值化。

5.1? K-means聚類算法

假設(shè)給定數(shù)據(jù)集X = {xm | m = 1，2，…，total}，X中的樣本用d個(gè)描述屬性A1，A2，…，Ad來表示，并且d個(gè)描述屬性都是連續(xù)型屬性。數(shù)據(jù)樣本xi = （xi1，xi2，…，xid），xj = （xj1，xj2，…，xjd），其中，xi1，xi2，…，xid和xj1，xj2，…，xjd分別是樣本xi和xj對(duì)d個(gè)描述屬性A1，A2，…，Ad的具體取值。

該算法的運(yùn)算步驟如下：

1）為每個(gè)聚類確定一個(gè)初始聚類中心，這樣就有k個(gè)初始聚類中心。

2）將樣本集中的樣本按照最小距離原則分配到最鄰近的聚類。

3）計(jì)算每個(gè)聚類中的樣本均值作為新的聚類中心。

4）重復(fù)步驟2）、3），直至聚類中心不再發(fā)生變化。

5）聚類結(jié)束，得到目標(biāo)與背景的分離圖像。

6）采用全局閾值算法選取閾值進(jìn)行圖像分割，得到二值化的圖像。

5.2? 樣本空間選擇和顏色模型轉(zhuǎn)換

采用K-means聚類分析處理復(fù)雜彩色圖像時(shí)，如果單純使用像素點(diǎn)的RGB值作為特征向量構(gòu)成特征向量空間，其算法魯棒性較弱，這里將圖像轉(zhuǎn)換到彩色空間Lab，然后抽取像素點(diǎn)的顏色、紋理和位置等特征，形成特征向量。其轉(zhuǎn)換算法如式（3）和式（4）所示：

由式（5）可知，兩個(gè)數(shù)據(jù)樣本之間的距離越小，表示兩個(gè)數(shù)據(jù)樣本越相似，差異度越小，反之，兩個(gè)數(shù)據(jù)樣本之間的距離越大，表示兩個(gè)數(shù)據(jù)樣本越不相似，差異度越大。

5.4? 選擇評(píng)價(jià)聚類性能的準(zhǔn)則函數(shù)

在樣本相似性度量的基礎(chǔ)上，還需要一個(gè)指定的準(zhǔn)則函數(shù)才能把同一類的數(shù)據(jù)對(duì)象聚合成一個(gè)簇。聚類準(zhǔn)則函數(shù)用于判斷聚類質(zhì)量的高低，誤差平方和準(zhǔn)則函數(shù)是常用的有效函數(shù)。采用誤差平方和準(zhǔn)則函數(shù)來評(píng)價(jià)聚類性能。假設(shè)X包含K個(gè)聚類子集X1，X2，Λ，Xk，各個(gè)聚類子集中的樣本數(shù)量分別為n1，n2，Λ，nk，各個(gè)聚類子集的聚類中心分別為m1，m2，Λ，mk，則誤差平方和準(zhǔn)則函數(shù)如式（6）所示：

相似度的算法如下：

1）將所有對(duì)象隨機(jī)分配到k個(gè)非空的簇中。

2）計(jì)算每個(gè)簇的平均值，并用該平均值代表相應(yīng)的簇。

3）根據(jù)每個(gè)對(duì)象與各個(gè)簇中心的距離，分配給最近的簇。

4）然后轉(zhuǎn)到步驟2），重新計(jì)算每個(gè)簇的平均值，這個(gè)過程不斷重復(fù)直至滿足某個(gè)準(zhǔn)則函數(shù)才停止。

5.5? 圖像分割效果

基于K-means聚類分析的圖像分割算法對(duì)圖像的分割結(jié)果如圖6所示，其中圖6（a）為原圖圖像，圖6（b）為提取的特征區(qū)域，圖6（c）為K-means分析效果。圖像分割流程如下：首先將原圖RGB色彩空間變換到Lab色彩空間。利用Lab色彩空間中的L、a和b分量信息對(duì)顏色進(jìn)行K均值聚類?；跉W氏距離度量將圖像分成3類，形成不同的圖像區(qū)域，每塊區(qū)域以原來的顏色顯示，區(qū)域外的顏色顯示為0（即黑色），其中2類分別表示圖像背景的淺色區(qū)域及深色區(qū)域，另1類代表提取的特征區(qū)域，如圖3（b）所示。聚類計(jì)算后對(duì)3類區(qū)域進(jìn)行標(biāo)號(hào)顯示，可以實(shí)現(xiàn)對(duì)特征區(qū)域與背景的分離，分別以白色、灰色、黑色表示。從圖6中可以看出，通過K-means聚類分析圖像分割，將軌道中異常行為人員的衣物特征信息提取出來。

6? 結(jié)? 論

在對(duì)履帶式消防機(jī)器人進(jìn)行構(gòu)型分析的基礎(chǔ)上建立了運(yùn)動(dòng)模型。通過軟硬件設(shè)計(jì)，采集視頻圖像并把每個(gè)像素點(diǎn)的色彩值作為特征向量，將圖像構(gòu)造成一個(gè)樣本集合，把圖像分割任務(wù)轉(zhuǎn)換為對(duì)數(shù)據(jù)集合的聚類任務(wù)，運(yùn)用K-means聚類算法進(jìn)行圖像區(qū)域分類，獲得所需的分離圖像，運(yùn)用全局閾值算法實(shí)現(xiàn)圖像的分割和二值化。

參考文獻(xiàn)：

[1] 趙揚(yáng).消防機(jī)器人在滅火救援中的應(yīng)用探析 [J].消防界：電子版，2021，7（23）：56-57.

[2] 王寧.城市軌道交通消防安全工作中存在的問題 [J].今日消防，2022，7（8）：45-47.

[3] 徐少波，王子幼.消防救援多機(jī)器人系統(tǒng)研究進(jìn)展及關(guān)鍵技術(shù)綜述 [J].科技創(chuàng)新與應(yīng)用，2022，12（9）：155-157+161.

[4] 丁宏鈺，石照耀，岳會(huì)軍，等.國內(nèi)外雙足人形機(jī)器人驅(qū)動(dòng)器研究綜述 [J].哈爾濱工程大學(xué)學(xué)報(bào)，2021，42（7）：936-945.

[5] 張亞婉，莫浩明，朱穎，等.消防救援機(jī)器人輔助探測(cè)系統(tǒng)設(shè)計(jì) [J].電子設(shè)計(jì)工程，2022，30（8）：66-70.

[6] 譚筠梅，王履程，雷濤，等.城市軌道交通智能視頻分析關(guān)鍵技術(shù)綜述 [J].計(jì)算機(jī)工程與應(yīng)用，2014，50（4）：1-6+17.

[7] 呂彥杰.模塊化消防機(jī)器人的設(shè)計(jì)及應(yīng)用 [J].信息系統(tǒng)工程，2022（4）：105-108.

[8] 薛八陽，楊忠，鐘山，等.基于目標(biāo)跟蹤的區(qū)域入侵檢測(cè)方法研究 [J].電子測(cè)量技術(shù)，2015，38（2）：51-54+63.

[9] 李鹍，吳寧，宋明，等.基于級(jí)聯(lián)濾波器深度學(xué)習(xí)的鐵路安檢人臉識(shí)別與驗(yàn)證研究 [J].鐵路計(jì)算機(jī)應(yīng)用，2018，27（6）：17-20.

[10] 王欣宇.視頻監(jiān)控中特定區(qū)域入侵檢測(cè)算法設(shè)計(jì)與實(shí)現(xiàn) [J].計(jì)算機(jī)技術(shù)與發(fā)展，2014，24（10）：159-162+166.

[11] 葉立仁，何盛鴻，趙連超.復(fù)雜環(huán)境下的遺留物檢測(cè)算法 [J].計(jì)算機(jī)工程與科學(xué)，2015，37（5）：986-992.

作者簡(jiǎn)介：張楊（1979－），女，漢族，河北廊坊人，副教授，工學(xué)博士，研究方向：機(jī)電一體化、機(jī)器人。

收稿日期：2023-06-16

基金項(xiàng)目：廣州市科技計(jì)劃項(xiàng)目（202102080208）