|
|
仿人机器人竞速决策系统改进研究
开题报告
班级（学号） 测控xxxx班（xxxxxxxx） 姓名 xxxxxx
指导教师 xxxxxx
一、综述
1.1 课题研究意义
机器人技术与系统作为20世纪人类最伟大的发明之一，自60年代初问世以来，历经近半个世纪的发展，已经取得了丰硕的成果和长足的进步。在各式各样的机器人当中，仿人型双足机器人是与人类相似度最高，控制系统结构最复杂、集成度最高的一类机器人。由于其类人的外形和功能，使得其适合在人类的日常生活和工作中与人类协同工作，而且不需要专门为其工作而进行环境的大规模改造。仿人型双足机器人还可以在危险环境中代替人类进行工作，大大拓宽人类的活动空间。而从机器人形态上来讲，仿人型双足机器人也是最佳的通用移动和操作平台。
仿人型机器人是从机器人的形态和功能的角度来进行定义的，这是为了区别于工业等类型机器人，而双足机器人是从机器人移动方式的角度定义的，是为了区别于轮式移动和多足步行等运动方式。
双足机器人具有的最大的类人特征之一就是步行功能，因此类人足球机器人，能完成足球比赛的同时，对于竞速类比赛也应能够顺利完成，基于华北五省大学生机器人大赛该类平台双足机器人长跑竞速要求，本课题旨在改进类人足球机器人的决策系统，使其能准确完成竞速类比赛，这也是本课题研究意义所在。
1.2 双足机器人的发展现状
1.2.1 国外发展现状
1971年，日本早稻田大学的Kato等人研制了世界上第一台能够主动行走的双足机器人WL-5。该机器人有11个自由度，可实现步幅15cm、每步45s的平地静态步行。1973年，Kato等人在WL-5的基础上配置机械手、人工视觉及听觉装置，组成了世界上第一台仿人机器人——WABOT-1。
1990年，Kajita等人研制出了五杆平面型双足机器人Meltran、实现了在已知飞平整地面上0.2m/s的稳定步行，并提出了线性倒立摆模型（LIPM）和轨道能量常数的概念。
90年代以来，随着计算机技术和微电子技术的成熟，双足机器人的样机研制得到了快速发展。1996年进过10年的秘密研究日本本田公司推出了仿人机器人。该机器人高为1.82m，质量为210Kg具有30个自由度，自带电源，无线遥控，能以人的正常步速行走，还可以上楼梯、搬运货物。在P2之后，本田公司有陆续推出了P3和ASIMO。其中ASIMO代表了当今双足机器人样机技术的最高水平，它具有识别障碍后自动避让和跑步的功能。
2003年，德国慕尼黑工业大学成功研制出了双足仿人机器人Johnnie。该机器人高为1.8m，质量为40Kg，具有30个自由度，最快步行速度为2.2km/h，能够根据视觉导航系统实现规划路径，跨越或者绕过障碍物行走。
2004年12月,韩国先进科技研究所推出了 KHR-3仿人机器人HUBCP,它身高1.25 m,体重55 kg,步长超过30 cm,步行速度高达1.2 km/h。它能够识别与合成声音,两只眼睛能够转动,而且视觉功能较好。共41个关节自由度,10个手指都可以独立活动2006年推出新一代AMI2,该机器人不仅具有普通仿人机器人的运动能力,还有语言和视觉能力,可按照指令跟踪人的脸部或物体,而且可以在行走过程中与人进行交流。
法国的AldebaranRobotics公司推出了集多种硬、软件于一体,同时具有出色的外形的仿人机器人。Nao身高58cm,体重4.5 kg, 25个自由度。它的硬件采用最新的科技设计和制造,从而保证了 Nao动作流畅。
1.2.2 国内发展现状
我国从20世纪60年代中期开始研究双足机器人，并取得了一系列进展。
哈尔滨工业大学自1985年开始研制双足步行机器人，，先后研制了双足机器人HIT-I，HIT-II和HIT-III。HIT-III能实现步幅0.24m、每步2.3s的稳定步行，还能够完成侧行、转弯、上/下台阶及上斜坡等动作。
国防科技大学与1988年春成功研制出了平面型双足机器人KDW -I.2000年底，又研制出了中国第一台仿人机器人“先行者”。该机器人高为1.4m。质量为20Kg可实现平地前进/后退、上/下台阶、左/右转弯和手臂摆动等各种类人形态。
北京理工大学与2002年研制出了仿人机器人BHR-01.该机器人身高为1.6m，质量为80Kg，具有32个自由度，步幅0.33m，每步1.2s，能够根据自身平衡状态和地面高度变化，在未知路面上稳定行走。
清华大学于2002年研制出了仿人机器人THBIP-I。该机器人具有32个自由度，采用滚珠丝杠传动结构，可实现无缆连续稳定地平地前进/后退、连续上/下台阶等动作。该机器人平地行走步幅为0.35m，每步6s。2005年，清华大学精仪系研制出了THBIP-II,该机器人高为0.7m，质量为18Kg，可实现步幅0.1m、每步4s的行走。
整体而言,国内仿人机器人的研究水平还比较落后,主要表现在机器人的行走速度较慢,稳定性较差,容易受到环境影响。此外,机器人的自主性、灵活性和智能性等方面相比国外机器人也稍显不足。但近几年,国内仿人机器人的研究发展较快,已经在多个方面取得了不错的成果,而且一些研究成果在国际上处于领先水平。
1.3 仿人机器人关键技术
仿人机器人的核心技术是人工智能技术，人工智能包括智能控制、机器感知、机器情感、专家系统、人工生命、神经元网络和遗传算法等等。而我们目地是使机器具有人的智慧，使机器具有像人一样的感知环境，向环境学习的能力。仿人机器人的发展涉及到机构学、材料科学、计算机技术、控制技术、微电子学、通讯技术、传感技术、人工智能、数学方法、仿生学等诸多领域。本课题所要改进的机器人主要涉及到机构学、控制技术、传感技术、图像处理及决策系统等方面。
二、研究内容
课题主要研究目的是：使机器人适应华北五省大学生机器人大赛中的田径长跑规则（机器人从起点到终点沿着白色跑道线跑完全程（21米）的比赛项目）。
赛跑时，跑道线与终点线都用机器人视觉系统来识别。所以需要研究的工作分为以下几个部分：
1、对仿人机器人的结构设计进行研究，根据机器人的结构合理设计可实现方案；
机器人结构不同，所需采取的策略就会有不同，机器人有15舵机的，19舵机的，21舵机等等，舵机数量的多少，会直接影响其对下层控制及机器人全身舵机的协调工作。机器人重心高度等因素，则会影响机器人行走时的稳定性，所以在确定方案之前，必须对机器人整体结构进行全面了解。同时根据其硬件电路设计，来拟定决策方案。
2、设计新的视觉算法，通过视觉采集图像进行图像处理，识别跑道（白线）；
机器人在比赛过程中，通过摄像头每秒会采集20张图像，因此所需计算量较大，根据规则，机器人在竞速过程中需要识别的只有地面和白线跑道，所以可以设计新的视觉算法，无需让机器人再计算球门、球柱、球等，可以大大提高机器人的工作效率。
3、对下层步态控制进行改进，使机器人能够更稳定的运动行走；
对于机器人竞速比赛而言，一个更稳定，更快速地步态曲线，是机器人赢得比赛的基础，机器人原有步态是针对RoboCup类人机器人足球赛设计的，并不完全适合竞速比赛，所以，有必要对其进行改进其步态控制。
4、编写系统决策，判断跑道的位置，并根据图像处理结果，实时对机器人进行步态调整，使不偏离跑道，完成比赛。
三、实现方法及预期目标
3.1仿人机器人的结构组成分析
机器人整体由20个舵机组成，每条腿上有六个舵机，使足部拥有六自由度，能够满足机器人行走过程中的前进、后退、侧跨、转弯等动作。每只手臂有三个舵机，只有三个自由度，能够满足其行走过程中手臂摆动、跌倒爬起中手臂支撑等动作。颈部有两个舵机，能够实现低头、抬头、转头等动作。
整体结构如图1所示。
图1 机器人结构示意图
机器人身高约60cm，机器人直立时，其重心距地面约40cm，行走时双腿弯曲，重心下降约3cm。机器人行走同时，双臂跟随前后摆动。
3.2控制系统分析
机器人的控制系统分为上层决策和下层控制，上层核心板采用基于S5PV210的Tiny核心板做主控微处理器，通过USB接收摄像头采集到的图像信息，经过A/D转换、边缘检测、特征点提取等一系列处理，提取到有用的数字信号信息。下层控制板采用基于LPC1768的ARM结构接口板做各个关节的步态规划控制，LPC1768通过串口接收核心板传送的目标位置信息，结合事先在其内部固化的步态规划系统生成步态规划曲线，从而通过485总线实时向舵机发送指令。Tiny210核心板是以插座的形式固定在接口板上，完成其与接口板上主控芯片LPC1768、网卡、USB、485等模块的通信。
核心模块控制关系如图2所示。
图2 控制系统核心模块示意图
下层电路关系如图3所示。
图3 下层各模块关系示意图
3.3软件设计思路
3.3.1 图像处理部分
方案一：通过色块识别白线并计算中心点
根据颜色将图像中的像素进行分类，将这些像素点划分为连接区域或边缘区域。划分之后再比较图像的统计信息（包括区域的边界线，中心位置等）区域分类成相关的识别对象，比如白线，地面等。通过这种方式检测白线位置、形状等数据。
比赛中场地颜色为绿色，则识别白线跑道过程中第一步是找到白色像素旁边的绿色像素，一旦这些像素确定，就可通过Hongh变换识别白线跑道的方向。
图4 Hongh变换拟合示意图
霍夫变换拟合中,每个可能的行像素(x,y)图像转化为一组离散的点(θi,ri),满足:
x*cosθ+y*sinθ=r
一组(θi ri)在一个线路累积出现大值的矩阵结构如图4所示。
方案二：边缘检测灰度处理并计算中心点
根据比赛规则可知，比赛过程中仅涉及到两种颜色——白色和绿色，若仅为达到寻找白线跑道的目的，则只需要提取所采集到的画面的灰度信息，不需要提取它的色彩信息，故可用边缘检测的方法用二维数组来提取黑线。二维数组的行列数即像素在图像中的坐标，求出白线跑道边缘的图像坐标，就能确定白线的位置，图像经灰度处理之后，白线跑道边缘左右像素为一黑一白，这两个像素灰度值之间的差的绝对值大于某个阈值（须通过试验确定）。其余地方的相邻像素灰度值之差的绝对值则小于该值。所以我们求数组每行相邻两点的灰度值的差值的绝对值，即可确定白线跑道的边缘，并计算白线跑道的中心位置。
图5 边缘提取算法示意图
通过两个方案比较，可以明显看出方案二（边缘检测灰度处理）所需要的计算量较小，并且可靠性高，完全满足竞速比赛需求，故选择方案二。
3.3.2 运动控制部分
类人足球机器人的运动，是各个舵机联合协调工作的结果，控制机器人的运动实际上就是控制各个舵机的角度变化值以及速度（可用舵机执行动作的时间表示）。其行走过程可以分解为多个动作的组合目前我们所用的机器人行走动作为32个动作的重复进行，其步态曲线的拟合是通过零力矩点（Zero Moment Point,ZMP）算法定义的。
图6 ZMP算法示意图
舵机运动过程中，需先初始化数组和寄存器—存储运动数据—通过规划的步态曲线和舵机指令参数计算下一帧舵机的角度。
3.3.3竞速决策方案
决策流程如图7所示。
图7 决策流程示意图
3.4重点与难点
本课题的重点在于：
1、新的竞速决策的设计；
2、对视觉算法进行改进。
这两部分都是重新设计，并且其方案设计的合理性会直接影响到机器人的竞速水平。
四、对进度的具体安排
1-2周：文献调研，总体方案设计。
3周：撰写开题报告，参加开题答辩并根据老师建议修改设计方案。
4-6周：新的视觉算法程序编写，并且嵌入到新的决策中。
7-8周：利用竞速决策做到精确控制舵机。
9-12周：编写新的类人足球机器人竞速决策，并进行整机调试。
12-15周：撰写并修改论文，参加毕业答辩。
五、参考文献
[1]杜鑫峰; 熊蓉; 褚健.仿人足球机器人视觉系统快速识别与精确定位.浙江大学学报(工学版).2009-11-15
[2]赵瑞林; 黎炜; 王聪慧.基于ZMP双足机器人稳定性控制策略与算法的研究.河南科学. 2014-08-15
[3]游佳.基于嵌入式Linux的自主寻迹机器人的研究.中南大学.2009-06-30
[4]陈宇; 李景禹; 钟秋波.基于机器视觉的仿人机器人运动跟踪技术研究.安徽农业科学.2014-06-10
[5]江开春.基于双足仿人机器人的设计与研究.石家庄铁道大学.2014-01-01
[6]王中华.小型仿人机器人控制系统设计与研究.北京交通大学.2011-06-21
[7]付根平.仿人机器人的步态规划和步行控制研究.广东工业大学.2013-06-01
[8]赖俊;陆书海;唐邓清.第七届“飞思卡尔”杯全国大学生智能汽车竞赛技术报告.国防科技大学.2014-07-08
[9]李春光;刘国栋.双足机器人自然ZMP轨迹生成方法研究.计算机工程与应用.2014-10-01
[10]吴纪超.机器视觉图像中目标提取识别算法研究.河北农业大学.2010-06-12
[11]Buschmann T,Lohmeier S,Ulbrich H. Humanoid robot lola; design and walking control [J]. Journal of Physiology—Paris,2009, 103: 141-148.
[12]RoboCup humain soccer official site.(2015).
https://github.com/UPenn-RoboCup/UPennalizers/wiki/Vision
[13]Stitt G,Vahid F,Nematbakhsh S.Energy savings and speedups from partitioning critical software loops to hardware in embedded systems,ACM Trans[J].Embedded Comput.2004,3(l),218一232
[14]蒋亚峰.舵机系统控制算法及性能的改进.西安电子科技大学.2009-01-01
[15]刘朋.仿人足球机器人视觉系统的研究与实现.东北大学.2013-06-01
[16]刘磊.仿人机器人嵌入式视觉系统和决策系统.哈尔滨工业大学.2012-06-01
[17]汤卿.仿人机器人设计及步行控制方法.浙江大学.2009-06-01
[18]韩吉烨; 陈宇; 钟秋波; 赵余.具有单目嵌入式视觉的仿人机器人分层控制系统设计.哈尔滨理工大学学报.2012-04-15
[19]孙奇.基于视觉的仿人足球机器人定位与跟踪算法研究.东北大学.2012-06-01
[20]何乙琦.舵机控制步行机器人系统设计.南京理工大学.2012-11-01
