桌面級(jí)機(jī)械臂的智能控制方法

李洪成 張淑麗 郝昕 劉勝輝

摘? 要：提供一種桌面級(jí)機(jī)械臂的智能控制方法，對(duì)其控制系統(tǒng)方案進(jìn)行整體設(shè)計(jì)，使用樹莓派來(lái)驅(qū)動(dòng)電機(jī)，在其上安裝機(jī)器人操作系統(tǒng)ROS，使用YOLO算法來(lái)實(shí)現(xiàn)目標(biāo)物體的檢測(cè)與識(shí)別，并將此整合到OpenCV中，用ROS系統(tǒng)的MoveIt！工具包進(jìn)行運(yùn)動(dòng)路徑規(guī)劃。結(jié)果表明，該方法滿足桌面級(jí)機(jī)械臂智能抓取物體的需求。

關(guān)鍵詞：機(jī)械臂;樹莓派;YOLO算法;OpenCV;ROS

中圖分類號(hào)：TP241? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ?文章編號(hào)：2095-2945（2020）05-0042-02

Abstract： This paper provides a smart control method of desktop-level robotic arm， design the overall control system solution， use Raspberry Pi to drive the motor， install the robot operating system ROS on it， and use YOLO algorithm to achieve the detection and recognition of target objects And integrate this into OpenCV， use MoveIt！ Toolkitof ROS system for motion path planning. The results show that this method meets the needs of desktop-level robotic arms to grasp objects intelligently.

Keywords： robot arm; Raspberry Pie; YOLO Algorithm; OpenCV; ROS

隨著“工業(yè)4.0”和“中國(guó)制造2025”的持續(xù)推進(jìn)，機(jī)械臂的相關(guān)領(lǐng)域得到快速發(fā)展。桌面級(jí)機(jī)械臂不同于工業(yè)機(jī)械臂在特定環(huán)境下進(jìn)行抓取物體，桌面級(jí)機(jī)械臂具有環(huán)境多變、人機(jī)智能交互、精準(zhǔn)抓取等特點(diǎn)[1]。因此，針對(duì)此需求，建立以樹莓派作為微型計(jì)算機(jī)，搭載ROS系統(tǒng)和OpenCV，在其上運(yùn)行YOLO算法進(jìn)行目標(biāo)物體識(shí)別與檢測(cè)，利用MoveIt！機(jī)械臂仿真包進(jìn)行其路徑規(guī)劃的方法。

1 桌面級(jí)機(jī)械臂的整體控制方案

在樹莓派（Raspberry Pi 3）微型計(jì)算機(jī)安裝上ROS操作系統(tǒng)，利用機(jī)械臂攝像頭拍攝的照片，對(duì)其進(jìn)行目標(biāo)物體的識(shí)別與檢測(cè)，將目標(biāo)物體的坐標(biāo)位置轉(zhuǎn)化為控制參數(shù)，進(jìn)行對(duì)目標(biāo)物體的抓取?？刂葡到y(tǒng)方案圖如圖1所示。

2 基于Raspberry Pi 3的步進(jìn)電機(jī)控制

機(jī)械臂通過(guò)Raspberry Pi 3驅(qū)動(dòng)步進(jìn)電機(jī)，從而實(shí)現(xiàn)機(jī)械臂在三維坐標(biāo)系中自由活動(dòng)。首先，通過(guò)Python和C++的編程來(lái)控制步進(jìn)電機(jī)，此方式有效避免傳統(tǒng)方式對(duì)機(jī)器操作的復(fù)雜性，降低了控制其運(yùn)動(dòng)的風(fēng)險(xiǎn)性。其次，通過(guò)GPIO引腳精確接受傳感的信息和不同的頻次的脈沖，能有效提高操作機(jī)械臂的精度和準(zhǔn)確性[2]。與頂部組件的Arduino組合，不同的傳感信息和執(zhí)行結(jié)果在兩者之間傳送，實(shí)現(xiàn)步進(jìn)電機(jī)和舵機(jī)的信息通信，從而實(shí)現(xiàn)機(jī)械臂的多用途、高效率、高精度的作業(yè)。

3 使用YOLO算法進(jìn)行目標(biāo)物體識(shí)別

3.1 YOLO（You Only Look Once）算法

YOLO算法是基于深度學(xué)習(xí)的多目標(biāo)識(shí)別物體深度神經(jīng)網(wǎng)絡(luò)模型， 該算法任務(wù)是在機(jī)械臂的攝像頭拍攝圖片后，利用深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，對(duì)圖片上的這些物體分類和確認(rèn)出物體在圖片中的中心位置，圖片檢測(cè)速度達(dá)到實(shí)時(shí)檢測(cè)的要求[3]，其算法的流程框架模型如圖2所示。

公式（1）中，Pr（Object）表示當(dāng)前網(wǎng)絡(luò)目標(biāo)邊框中存在物體的可能性，Object表示目標(biāo)對(duì)象，IoU（Intersection over Union，交并比）展示了當(dāng)前模型預(yù)測(cè)到的目標(biāo)邊框位置的準(zhǔn)確性，其中pred表示預(yù)測(cè)的目標(biāo)邊框，truth表示真實(shí)的目標(biāo)邊框。boxt表示圖像中真實(shí)目標(biāo)的邊框情況，boxp表示圖像中預(yù)測(cè)目標(biāo)的邊框情況。

3.2 在OpenCV上運(yùn)行YOLO算法

攝像頭控制采用開源的OpenCV跨平臺(tái)視覺庫(kù)，運(yùn)行環(huán)境配置完畢后，利用前述的YOLO算法整合到OpenCV程序中，通過(guò)圖像中物體的位置信息來(lái)跟蹤到指定物品，然后通過(guò)機(jī)械手抓取實(shí)現(xiàn)機(jī)械臂固定位置抓取，其信號(hào)的輸入采集依靠攝像頭，通過(guò)嵌入式平臺(tái)進(jìn)行信息交換，最后將采集的信息送入樹莓派中[4]?；谝曈X的物體識(shí)別系統(tǒng)框架圖如圖3所示。

為了精確并簡(jiǎn)便的處理圖像識(shí)別問(wèn)題，使得機(jī)械臂在視覺處理方面更智能，可以將視覺處理的復(fù)雜問(wèn)題分解成簡(jiǎn)單的，易于實(shí)現(xiàn)的子問(wèn)題進(jìn)行分治處理，自頂向下的處理每一個(gè)子過(guò)程。

4 利用ROS系統(tǒng)的MoveIt！進(jìn)行路徑規(guī)劃

ROS系統(tǒng)是構(gòu)建在Ubuntu系統(tǒng)上的一種應(yīng)用程序框架，能夠?qū)崿F(xiàn)節(jié)點(diǎn)間的信息傳遞或提供服務(wù)，從而降低了精準(zhǔn)控制機(jī)械臂的難度[5]。

利用前述YOLO算法可以獲得目標(biāo)物體在空間坐標(biāo)系的三維坐標(biāo)，在這里采用ROS的3D可視化工具Rviz和機(jī)械臂仿真包Movelt！，構(gòu)建機(jī)械臂的仿真平臺(tái)。Movelt！是一款可用于正逆運(yùn)動(dòng)學(xué)求解、集成運(yùn)動(dòng)規(guī)劃、感知檢測(cè)等方面的機(jī)械臂軟件包，可對(duì)其運(yùn)動(dòng)路徑進(jìn)行規(guī)劃。

5 控制方法的相關(guān)驗(yàn)證

桌面級(jí)機(jī)械臂的控制方法利用攝像頭拍攝的照片，基于樹莓派（Raspberry Pi 3）的微型計(jì)算機(jī)，搭載機(jī)器人操作系統(tǒng)（ROS），將深度學(xué)習(xí)的YOLO算法搭載在OpenCV跨平臺(tái)視覺庫(kù)上，MoveIt！作為機(jī)械臂運(yùn)動(dòng)規(guī)劃的工具包，對(duì)桌面上的物體實(shí)現(xiàn)定位抓取。利用該方法抓取過(guò)程如圖4所示。

通過(guò)以上論述，該方法有效提高了桌面級(jí)的機(jī)械臂的自主學(xué)習(xí)能力、識(shí)別物體能力和精準(zhǔn)抓取物體能力。并通過(guò)實(shí)踐，驗(yàn)證了該控制方法是可行的。

參考文獻(xiàn)：

[1]張偉業(yè)，張煒，華龍新，等.一種新型的桌面級(jí)機(jī)械臂[J].中國(guó)科技信息，2018（16）：53-55.

[2]王亞騰.視覺控制的機(jī)械臂在家庭自動(dòng)化中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2015（17）：14-15.

[3]高軍，朱宏輝，Yi Lu Murphey.基于YOLO和RRN的運(yùn)動(dòng)目標(biāo)跟蹤方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2019，40（07）：2019-2025.

[4]李娜，安彥波，余志偉，等.基于OpenCV的物體定位與捕捉系統(tǒng)設(shè)計(jì)[J].機(jī)械設(shè)計(jì)與制造工程，2019，48（03）：85-88.

[5]李鳳.基于ROS的機(jī)械臂控制系統(tǒng)設(shè)計(jì)[J].自動(dòng)化技術(shù)與應(yīng)用，2018，37（11）：72-76.