基于OPENMV的色彩引导机器人系统研究
摘 要：随着机器人技术的发展，越来越多较为单调、劳动强度大，危险程度高的工作逐渐交由机器人来完成，近年来，机器视觉技术日渐完善，并得到广泛应用，本文设计了一套基于OPENMV的自动寻物系统。系统根据用户指定的物体形状或颜色，自主进行色彩识别和形状识别，通过算法对物体匹配，自动以较优的速度从起始点运行到指定物体前，并稳定停在其前方。用户可以通过蓝牙对系统识别物体的颜色和形状进行设置，从而增强其实用性。
关键词：器视觉 色彩识别 形状识别 OPENMV
中图分类号：TP24 文献标识码：A 文章编号：1672-3791（2018）09（a）-0085-02
机器视觉的研究是从20世纪60年代中期美国学者L.R.罗伯兹关于理解多面体组成的积木世界研究开始的。当时运用的预处理、边缘检测、轮廓线构成、对象建模、匹配等技术，后来一直在机器视觉中应用。
通过引入机器视觉导航，以基于stm32f7系列单片机开发的OPENMV作为路径识别传感器，实时计算导引线的位置参数，并由微处理器运算后将各控制指令下发至电机，显示屏等外部设备，实现整机的协调运转和精确导引。实现物体的数字化描述，提取物体的多维度特征，实现机器人对物体的识别与规避。同时，添加无线通讯功能模块，通过上位机实时监控机器人的运行状况，实现对机器人的远程监测和管理。
1 系统整体设计
1.1 机器人硬件电路设计
机器人的单片机主控电路和电机驱动电路共同构成了机器人的硬件电路。如图1所示。在主控电路方面，主要包括核心控制单元，上下位机交互模块，调试模块，电机驱动模块等。在驱动电路方面，可分为H桥电路和DC-DC升压电路。
1.2 机器人软件设计
软件作为本机器人最为重要的部分，结构组成如图2所示，主要分为图像的预处理、颜色识别、导引线中心值计算、摄像头测距和下位机的通信。
其中图像预处理方面，又可以分为图像大小调整、灰度化、噪声去除、阈值分割等。
2 系统硬件设计
2.1 硬件选型
由于本系统需要进行图像采集、处理（包括颜色识别以及物体面积测量），电机控制，相关参数显示及按键调试，上、下位机通信等其他外设的控制，因此选用笔记本电脑作为上位机的运行平台，而下位机选择了由恩智浦公司生产的32bit单片机K60作为主控模块处理器。该单片机的工作电压为2.0～3.6V，工作主频最高可达到200MHz，共有8个定时器，3个串口，且最多可输出30路PWM。此外，其还有丰富的片上外设模块可以调取。
2.2 主控电路设计
主控电路共包含单片机电路、显示电路、按键调试电路、电机驱动电路、以及电源管理电路，其中输入的电池电压为7.5V，为了尽可能减小主控的整体体积，采用了单片机裸片直接嵌入的设计，大大提高了整个电路的精简程度。
2.3 电机驱动设计
在电压控制型器件选型上，选用的是功率场效应管。其主要特点是功率增益高，电压控制范围广，开关的速度快，开关时间由寄生电容决定，故其被大量的应用于电机控制。由于本设计使用的是直流电机，所以选择并设计了一种H桥电路作为驱动器的电机驱动电路。其中，H桥电路中的4个功率MOS管一般不用于下桥臂驱动电机，这样就产生了两个可行的方案：方案一：上下桥臂分别用两个N沟道功率MOS管和两个P沟道功率MOS管；方案二：上下桥臂均用N沟道功率MOS管。其中方案一使用两个P沟道MOS管和两个N沟道MOS管驱动电机的方案，电路简单且成本低，但是由于加工工艺的原因，P沟道的MOS管驱动电流比较小，性能比N沟道MOS管差，一般用于小电流的电机驱动中。
3 系统软件设计
3.1 软件选型
为了满足软件的快速开发以及程序运行的效率，故使用OPENMV机器视觉库进行系统的界面设计和图像处理，选用C语言、Python语言分别编写下位机主控制部分，下位机图像处理部分。软件流程中包括图像采集及预处理（其中包括图像尺寸调整、灰度化、噪声去除、阈值分割）、畸变矫正、颜色识别、导引线中心值计算、摄像头测距和下位机的通信。
3.2 基于OPENMV的彩色导引机器人工作原理与实现
机器人主要由摄像头模块、电机驱动模块、中央控制模块、通信模块、显示和按键调试模块和上位机控制组件构成。启动摄像头，选择将要识别的颜色和形状，并通过算法计算出对应导引线的中心值，该参数通过蓝牙模块发送至下位机控制部分；随后下位机根据导引线中心值计算各电机的PWM波输出值并驱动电机使机器人沿着模拟引导线行走，待至导引结束，电机停止转动，机器人静止在模拟导引线末端。在障碍物躲避方面，导引线上存在白色障碍物，机器人通过若发现障碍物并通過测距算法计算出障碍物与车体之间距离，当该距离小于50cm，开始启动避障算法，待机器人成功绕过障碍物后，再次寻找对应导引线进行线路寻迹。
4 结语
本文介绍了基于摄像头的彩色导引机器人，该机器人引入了机器视觉技术，做到了颜色识别和形状识别的物体多维度信息运算，为现有工业机器人路径导引提供了基于机器视觉技术的参考方案。本设计主要基于K60单片机和OPENMV图像处理平台，以ov7725摄像头作为视觉传感器，下位机通过蓝牙进行无线通信，大大提高了机器人的灵活性。同时，为了适应更加复杂的现实环境，在图像处理方面进行了大量的研究和测试，大大提高了图像的抗干扰性，根据测试结果表明，该导引机器人能够很好地适应光线复杂的环境，并能够保证较高的精度。同时，在未来的日子里，以现有的基础，能进一步提高机器人测距精度（通过双摄像头解决方案，可达到毫米级别）；优化软件算法，进一步加快运算速度；更换无线通讯模块，加大无线传输范围，以增加机器人活动半径。
该引导机器人可作为雏形进一步开发以应用于各种短距离货物资料等的搬运，进一步实现工厂、教学、医疗等方面的自动化。
参考文献
[1]张辰贝西，黄志球.自动导航车（AGV）发展综述[J].中国制造业信息化，2010，39（1）：53-59.
[2]苟德清，王子慧，张殿可，等.基于ARM_Cortex_M3的智能小车直流电机控制系统设计[J].电子技术与软件工程，2014（24）：256-257.
[3]刘磊，孙晓菲，张煜.基于STM32的可遥控智能跟随小车设计[J].电子测量技术，2015，38（6）：31-33，47.
[4]梁星，梁超，付永朝，等.一种驱动能力稳定的电荷泵系统的设计和应用[J].中国集成电路，2017（5）：34-38.
[5]王佳欣，魏涛.基于图像融合技术的运动目标图像识别研究[J].微电子学与计算机，2016，33（8）：158-162.
[6]孙瑞霞，李炜，王宗乾.基于颜色智能识别的嵌入式筒管分拣系统设计[J].重庆工商大学学报：自然科学版，2017，34（3）：71-76.