0 引言

    機(jī)器人在許多領(lǐng)域發(fā)揮著越來越重要的作用，單獨(dú)的機(jī)器人可以有效幫助人們完成數(shù)據(jù)收集，而多個(gè)機(jī)器人的協(xié)調(diào)合作則可產(chǎn)生無窮的潛力，不同機(jī)器人之間的互補(bǔ)作業(yè)效果將更加明顯。機(jī)器視覺、傳感器網(wǎng)絡(luò)等的不斷發(fā)展，使空中機(jī)器人與地面機(jī)器人的結(jié)合成為可能?？罩袡C(jī)器人具有全局視覺，利用空中機(jī)器人廣闊的環(huán)境感知能力幫助地面機(jī)器人構(gòu)建全局環(huán)境模型并為地面機(jī)器人提供導(dǎo)航信息；地面機(jī)器人具有的局部視覺可以使其更好地執(zhí)行任務(wù)，二者的結(jié)合可以提高任務(wù)使命的完成度^[1-3]。空地機(jī)器人在民用方面適用于救援減災(zāi)、物流配送、城市垃圾清理等，在軍事方面的用途將更加廣泛，無人作戰(zhàn)將部分取代有人作戰(zhàn)，最終無人作戰(zhàn)成為主要形式。

    目前在空地機(jī)器人協(xié)作方面的研究在國(guó)際上較為深入，如美國(guó)弗吉尼亞理工大學(xué)使用空地機(jī)器人在精準(zhǔn)農(nóng)業(yè)上進(jìn)行研究來估計(jì)農(nóng)作物長(zhǎng)勢(shì)^[4]，韓國(guó)延世大學(xué)使用多四旋翼飛行器建立地面三維信息并引導(dǎo)地面機(jī)器人進(jìn)行全局路徑規(guī)劃^[5]，美國(guó)亞利桑那大學(xué)使用無人機(jī)進(jìn)行人群動(dòng)態(tài)檢測(cè)后再由地面機(jī)器人進(jìn)行精確識(shí)別^[6]，瑞士蘇黎世大學(xué)利用四旋翼飛行器引導(dǎo)地面機(jī)器人對(duì)目標(biāo)物進(jìn)行檢測(cè)與清理^[7]，意大利卡塔尼亞大學(xué)的研究人員測(cè)試了由車輛搭載的四旋翼飛行器使用圖像分析幫助地面移動(dòng)機(jī)器人完成路徑重規(guī)劃的任務(wù)^[8]。在國(guó)內(nèi)，中國(guó)科學(xué)院大學(xué)使用空地機(jī)器人共同對(duì)目標(biāo)探查以實(shí)現(xiàn)最佳的跟蹤與檢測(cè)^[9]等。隨著科技的不斷發(fā)展，機(jī)器人的相關(guān)技術(shù)也得以進(jìn)一步的提升（如仿人比較先進(jìn)的NAO機(jī)器人等），因此可以有條件地針對(duì)一些人力不便探索的領(lǐng)域（如深海探測(cè)、山區(qū)救援等）進(jìn)行空地機(jī)器人協(xié)同探測(cè)。由于我國(guó)具有幅員遼闊與地形復(fù)雜的特點(diǎn)，有時(shí)地面救援和軍事行動(dòng)難以展開，此時(shí)如果采用空地協(xié)同的方式效率就比較高。然而協(xié)作空地機(jī)器人的研究平臺(tái)和方法還很缺乏且特制設(shè)備的實(shí)驗(yàn)難以模擬，目前研究常見于計(jì)算機(jī)仿真，在實(shí)際模擬場(chǎng)景（如協(xié)同救援）方面還未有應(yīng)用研究。結(jié)合上述情況，本文提出了基于嵌入式設(shè)備的地面NAO機(jī)器人和空中四旋翼無人機(jī)進(jìn)行空地協(xié)作完成模擬搜尋與救援任務(wù)場(chǎng)景的方法。

1 空地機(jī)器人任務(wù)流程及系統(tǒng)結(jié)構(gòu)

    空中機(jī)器人采用了四旋翼無人機(jī)，主要由自組裝四旋翼和ODROID XU4開發(fā)板組成，具有良好的機(jī)動(dòng)性能與靈活性，其中自組裝四旋翼采用了碳纖維機(jī)架、pixhawk的開源飛控、好盈樂天skywalker 40 A電調(diào)等。ODROID XU4開發(fā)板為Hardkernel公司出品，擁有主頻為2 GHz的三星Exynos5422八核處理器及2 GB RAM，且使用ARM架構(gòu)并安裝Ubuntu 16.04系統(tǒng)。在組裝完成的四旋翼上加裝開發(fā)板進(jìn)行數(shù)據(jù)處理能夠?qū)崿F(xiàn)如對(duì)地面目標(biāo)探測(cè)、跟蹤等多種功能。地面機(jī)器人為NAO機(jī)器人，它擁有25個(gè)活動(dòng)關(guān)節(jié)，內(nèi)置Intel ATOM Z530處理器，RAM 1 GB，閃存2 GB，前額裝有上下兩個(gè)攝像頭，支持嵌入式GNU/Linux編程環(huán)境且支持Python、C++語言?？盏貦C(jī)器人協(xié)同系統(tǒng)結(jié)構(gòu)如圖1所示。

    空中機(jī)器人與地面機(jī)器人基于嵌入式Linux系統(tǒng)，支持Python和C++語言，能夠通過程序?qū)崿F(xiàn)協(xié)作功能。機(jī)器視覺處理以在支持嵌入式方面較好的OpenCV庫(kù)為主，它是由Intel公司于1999年建立的計(jì)算機(jī)視覺庫(kù)，是機(jī)器視覺、圖像處理等領(lǐng)域的優(yōu)秀工具。它由一系列C函數(shù)和少量C++類構(gòu)成，也提供Python等語言的接口^[10]。空中機(jī)器人與地面機(jī)器人都搭載攝像頭，因而能夠很好地針對(duì)不同場(chǎng)景進(jìn)行功能開發(fā)?？盏貦C(jī)器人協(xié)作在開發(fā)時(shí)采用Python與C++的結(jié)合，Python語言擁有強(qiáng)大的標(biāo)準(zhǔn)庫(kù)且具有可移植性，因而使Python作為主要開發(fā)工具能進(jìn)行高效的功能開發(fā)^[11-12]，搭建了Eclipse+PyDev的Python開發(fā)環(huán)境。在協(xié)作平臺(tái)中完成的結(jié)論和方法因軟硬件的通用性可在科研教學(xué)及實(shí)際運(yùn)用中快速轉(zhuǎn)化。

    空中機(jī)器人與地面機(jī)器人模擬搜尋與救援的任務(wù)流程及方法如圖2所示。首先由空中機(jī)器人和地面機(jī)器人完成系統(tǒng)各項(xiàng)功能初始化后等待搜尋命令；完成命令接收后地面機(jī)器人從起點(diǎn)開始出發(fā)，空中機(jī)器人起飛后利用其視野廣的優(yōu)勢(shì)搜尋目標(biāo)物體所在位置并計(jì)算最佳路徑，以幫助地面機(jī)器人找到目標(biāo)物，在完成路徑規(guī)劃后將精簡(jiǎn)命令信息傳輸至地面機(jī)器人；地面機(jī)器人收到命令后結(jié)合視覺信息到達(dá)目標(biāo)位置附近，最后由地面機(jī)器人在其附近再次搜尋目標(biāo)的精確方位并攜帶其返回完成任務(wù)。

2 軟件整體設(shè)計(jì)方案

    首先由空中機(jī)器人通過攝像頭觀測(cè)地面目標(biāo)并存儲(chǔ)圖像信息，分析圖片中起始點(diǎn)和終止點(diǎn)的信息與提取地面路徑信息后由路徑規(guī)劃的算法計(jì)算出到達(dá)目標(biāo)點(diǎn)的最短路徑，由最短路徑及路徑交叉口信息比對(duì)生成在路徑交叉口的方向信息并壓縮打包，通過無線連接地面機(jī)器人及通信成功后發(fā)送當(dāng)前命令。地面機(jī)器人接收命令后識(shí)別地面路徑并按命令信息行走至指定地面，通過單目視覺識(shí)別目標(biāo)并定位后實(shí)施抓取，攜帶目標(biāo)返回后完成整體的空地機(jī)器人搜尋與救援任務(wù)。

2.1 空中視覺提取地面路徑

    在空中視覺提取地面路徑中使用多種算法融合的方式，如圖像閾值分割、圖像平滑、圖像形態(tài)學(xué)轉(zhuǎn)換等方式，針對(duì)不同的地面進(jìn)行處理，在空中視覺識(shí)別方面結(jié)合應(yīng)用腐蝕膨脹、濾波、灰度及二值化等一系列去除干擾提取路徑的方法，通過多種方式的組合及對(duì)特定區(qū)域單獨(dú)處理可以有效地提取特征信息，如圖3提取出有效的路徑信息并降低了非路徑像素的干擾。

2.2 空中機(jī)器人識(shí)別地面目標(biāo)

    空中機(jī)器人準(zhǔn)確判別地面目標(biāo)是空地機(jī)器人結(jié)合的前提，首先由空中機(jī)器人將圖片信息進(jìn)行HSV空間轉(zhuǎn)換并設(shè)立閾值提取出可能的起始點(diǎn)與終止點(diǎn)，使用cv2.cvtColor()函數(shù)將RGB轉(zhuǎn)換成HSV。并設(shè)定合理閾值，如使用[130，100，100]與[190，255，255]的閾值范圍可提取紅色。在顏色特征識(shí)別后結(jié)合輪廓、特征點(diǎn)匹配進(jìn)行多重判定可以更精確地識(shí)別目標(biāo)。如在本實(shí)驗(yàn)中先由findContours函數(shù)進(jìn)行輪廓查找，根據(jù)輪廓特點(diǎn)排除不相關(guān)信息后可以比較準(zhǔn)確地判定目標(biāo)所在位置，最后由cv2.drawContours函數(shù)實(shí)現(xiàn)及繪制出目標(biāo)的所在位置，如圖4所示。

2.3 最優(yōu)路徑規(guī)劃

    在空中機(jī)器人識(shí)別地面目標(biāo)后獲得起始點(diǎn)和終止點(diǎn)的信息，然后結(jié)合提取的地面路徑信息進(jìn)行路徑規(guī)劃。先將起始點(diǎn)和終止點(diǎn)的坐標(biāo)信息放入路徑信息中，在實(shí)際應(yīng)用到機(jī)器人路徑規(guī)劃中，由于傳統(tǒng)算法(如遺傳算法、神經(jīng)網(wǎng)絡(luò)算法等算法)難用公式計(jì)算且計(jì)算耗時(shí)漫長(zhǎng)，而在Python內(nèi)函數(shù)BFS(廣度優(yōu)先搜索算法)使用collections模塊中的deque內(nèi)部實(shí)現(xiàn)，非常高效，且使用廣度優(yōu)先搜索基于遍歷的方式可計(jì)算很大一部分迷宮路徑問題求得最優(yōu)解，因此作為主要路徑規(guī)劃方法。經(jīng)過路徑規(guī)劃算法計(jì)算的地面機(jī)器人到達(dá)不同目的地點(diǎn)時(shí)最短路徑如圖5所示。

    為了使空地機(jī)器人能夠有效地交流行走路徑信息，需要提取圖像信息中的交叉點(diǎn)信息。在圖像處理中實(shí)際使用到的為角點(diǎn)坐標(biāo)信息的提取，基于Shi-Tomasi的打分函數(shù)選擇最好的N個(gè)特征點(diǎn)后識(shí)別出的特征點(diǎn)質(zhì)量也更高。為了更好識(shí)別角點(diǎn)，首先對(duì)圖像中的路徑特征細(xì)化（如圖6所示），采用角點(diǎn)識(shí)別對(duì)路徑中的交叉點(diǎn)及特征點(diǎn)的檢測(cè)結(jié)果如圖7所示，所采用角點(diǎn)識(shí)別函數(shù)如下：

    corners=cv2.goodFeaturesToTrack(gray，25，0.01，10)

    為使得空地機(jī)器人獲得協(xié)同并得到最終的指令信息，在獲得路徑信息和交叉點(diǎn)信息后需將兩者的坐標(biāo)點(diǎn)位置提取出以進(jìn)行比對(duì)，通過判斷當(dāng)前交叉點(diǎn)與前后交叉點(diǎn)的位置判斷地面機(jī)器人在經(jīng)過當(dāng)前交叉點(diǎn)時(shí)轉(zhuǎn)彎的方向，經(jīng)過比對(duì)后得出：位置1時(shí)地面機(jī)器人需要執(zhí)行的方向依次為左、左、右，位置2時(shí)需執(zhí)行方向依次為前、左、右、左、前。生成命令后進(jìn)行編碼并寫入文本文件中進(jìn)行打包。

2.4 空地機(jī)器人通信

    空中機(jī)器人和地面機(jī)器人之間的通信是空地協(xié)作的重要組成部分，應(yīng)當(dāng)采用能耗少、傳輸速度快且連接便捷的方法。地面機(jī)器人內(nèi)置WiFi模塊及空中機(jī)器人加裝相應(yīng)的模塊后使其可采用傳輸速率高效的WiFi進(jìn)行通信，發(fā)送的數(shù)據(jù)由Linux封裝協(xié)議后通過WiFi模塊發(fā)送到無線網(wǎng)絡(luò)中。使用由Python語言編寫的paramiko模塊能夠支持空地機(jī)器人的文件或命令的傳遞，使兩者進(jìn)行協(xié)作。該模塊遵循SSH2協(xié)議并支持加密和認(rèn)證的方式，能夠進(jìn)行遠(yuǎn)程服務(wù)器的連接及進(jìn)行文件的發(fā)送或命令的直接操作，該模塊的代碼如下：

    import paramiko

    def ssh2(ip,username,passwd,cmd):

     ssh = paramiko.SSHClient()

     ssh.set_missing_host_key_policy(paramiko.AutoAddPolicy())

     ssh.connect(ip,22,username,passwd,timeout=5)

2.5 地面機(jī)器人執(zhí)行任務(wù)

    地面機(jī)器人在接收到文本文件指令后進(jìn)行解讀，并搜尋地面路徑。首先由地面機(jī)器人對(duì)地面進(jìn)行拍照及二值化后提取出地面路徑，用霍夫算法提取出地面路徑并對(duì)地面機(jī)器人進(jìn)行航偏矯正修正姿態(tài)，霍夫變換在圖像特征處理中使用比較普遍，基本思想是通過笛卡爾坐標(biāo)系上的點(diǎn)轉(zhuǎn)為極坐標(biāo)后通過投票算法檢測(cè)具有特定形狀的物體^[13]，本文用到的霍夫直線檢測(cè)函數(shù)的使用如下：

    img=cv2.imread(′picture1.jpg′)

    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    edges=cv2.Canny(gray,50,150,apertureSize=3)

    lines=cv2.HoughLines(edges,1,np.pi/180,200)

    地面機(jī)器人在檢測(cè)到地面路徑后沿路徑行走，在地面交叉點(diǎn)處執(zhí)行對(duì)應(yīng)的文本文件指令信息，最終到達(dá)目的地面附近。由于地面機(jī)器人的電機(jī)自身誤差、發(fā)熱等會(huì)行成行走偏差，造成與預(yù)定方向的偏離，因此根據(jù)實(shí)際需要提出使用霍夫算法進(jìn)行糾偏的方法，在使用霍夫算法檢測(cè)到直線后計(jì)算其在圖像中的位置，如果偏離在誤差范圍外，則計(jì)算直線偏移的位移和角度并根據(jù)偏移值大小對(duì)地面機(jī)器人進(jìn)行矯正。

    圖8(a)為矯正偏差前攝像頭拍攝的圖片，圖8(b)為經(jīng)矯正后拍攝的圖片。矯正偏差及指令執(zhí)行正確后地面機(jī)器人可按既定規(guī)劃路徑前往指定位置。

    在地面機(jī)器人到達(dá)指定位置后需進(jìn)一步識(shí)別和抓取目標(biāo)物，使用地面機(jī)器人的頂部(如圖9(a)所示)和底部(如圖9(b)所示)兩個(gè)攝像頭對(duì)不同距離的目標(biāo)物采用周長(zhǎng)與面積的特定比例關(guān)系并用矩的信息精確定位，以實(shí)現(xiàn)對(duì)目標(biāo)物的探測(cè)并逐步靠近目標(biāo)物，根據(jù)單目視覺的標(biāo)定結(jié)果反推目標(biāo)物距離地面機(jī)器人的距離，最終識(shí)別到目標(biāo)物并引導(dǎo)地面機(jī)器人的機(jī)械臂完成抓取，攜帶目標(biāo)返回出發(fā)點(diǎn)，完成設(shè)計(jì)任務(wù)。

3 實(shí)驗(yàn)結(jié)果及分析

    實(shí)驗(yàn)測(cè)試搭建了模擬在災(zāi)害現(xiàn)場(chǎng)搜尋與救援時(shí)的環(huán)境，使用擋板進(jìn)行了隔離，使得地面機(jī)器人與目標(biāo)物置于環(huán)境當(dāng)中的不同位置，并設(shè)置多條路徑以模擬實(shí)際環(huán)境，如圖10所示。在操控空中機(jī)器人起飛后，由空中視覺傳感系統(tǒng)對(duì)地面環(huán)境及目標(biāo)進(jìn)行檢測(cè)，如圖11所示。計(jì)算結(jié)果傳輸至地面機(jī)器人，地面機(jī)器人在到達(dá)目的地面后探測(cè)周圍環(huán)境找尋目標(biāo)物，在判定目標(biāo)為所需目標(biāo)物后，由單目視覺信息實(shí)行精確抓取后完成任務(wù)并原路返航，如圖12所示。

    實(shí)驗(yàn)結(jié)果如表1所示，從中可分析空地機(jī)器人的協(xié)作效果，空中機(jī)器人基本能夠正確識(shí)別地面目標(biāo)，地面機(jī)器人識(shí)別能力優(yōu)于空中機(jī)器人，經(jīng)過對(duì)目標(biāo)物識(shí)別檢測(cè)后可以進(jìn)行正常抓取，兩者之間能夠?qū)崿F(xiàn)有效協(xié)作。多次試驗(yàn)完成結(jié)果表明，系統(tǒng)中的空中機(jī)器人檢測(cè)正確率約90%，地面機(jī)器人執(zhí)行任務(wù)的正確率更優(yōu)，接近100%。因此空地機(jī)器人總體完成指定任務(wù)的成功率在80%以上，表明該空地機(jī)器人的結(jié)合方法能夠成功地完成搜救目標(biāo)任務(wù)。

4 結(jié)論

    本文針對(duì)空地協(xié)同研究平臺(tái)缺乏且缺少實(shí)際場(chǎng)景應(yīng)用（如災(zāi)害中的搜尋救援）的特點(diǎn)，提出了以通用性較好的NAO機(jī)器人與四旋翼作為硬件基礎(chǔ)，并結(jié)合移植性較好的Python編程語言實(shí)現(xiàn)空地機(jī)器人完成指定任務(wù)的協(xié)作平臺(tái)，針對(duì)搜尋救援場(chǎng)景規(guī)劃了從空中機(jī)器人對(duì)地面目標(biāo)檢測(cè)、路徑檢測(cè)、路徑規(guī)劃、命令傳輸?shù)姆椒?，到地面機(jī)器人對(duì)地面路徑檢測(cè)與執(zhí)行命令、對(duì)目標(biāo)檢測(cè)與抓取的方法。在空中機(jī)器人中，提出了多種圖像處理方法融合的識(shí)別方法及使用角點(diǎn)提取加坐標(biāo)比對(duì)生成行走方向的方法；在地面機(jī)器人中，提出了運(yùn)用霍夫變換矯正機(jī)器人角度和位移偏移的方法，這些方法能夠很好地幫助實(shí)現(xiàn)總體任務(wù)的完成。今后將在實(shí)際環(huán)境中的路徑規(guī)劃及視覺識(shí)別精確度方面做進(jìn)一步研究以推進(jìn)平臺(tái)軟件包的開發(fā)。

參考文獻(xiàn)

[1] DUAN H B，LIU S Q.Unmanned air/ground vehicles heterogeneous cooperative techniques:current status and prospects[J].Science China Technological Sciences，2010，53(5)：1349-1355.

[2] 谷豐，王爭(zhēng)，宋琦，等.空地機(jī)器人協(xié)作導(dǎo)航方法與實(shí)驗(yàn)研究[J].中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào)，2012，42(5)：398-404.

[3] 陳洋，譚艷平，程磊，等.鄰域約束下空地異構(gòu)機(jī)器人系統(tǒng)路徑規(guī)劃方法[J].機(jī)器人，2017，39(1)：1-7.

[4] TOKEKAR P，VANDER HOOK J，MULLA D，et al.Sensor planning for a symbiotic UAV and UGV system for precision agriculture[J].IEEE Transactions on Robotics，2016，32(6)：1498-1511.

[5] JIN H K，KWON J W，SEO J.Multi-UAV-based stereo vision system without GPS for ground obstacle mapping to assist path planning of UGV[J].Electronics Letters，2014，50(20)：1431-1432.

[6] MINAEIAN S，LIU J，SON Y J.Vision-based target detection and localization via a team of cooperative UAV and UGVs[J].IEEE Transactions on Systems Man & Cybernetics Systems，2016，46(7)：1005-1016.

[7] MUEGGLER E，F(xiàn)AESSLER M，F(xiàn)ONTANA F，et al.Aerial-guided navigation of a ground robot among movable obstacles[C].IEEE International Symposium on Safety，Security，and Rescue Robotics.IEEE，2014.

[8] CANTELLI L，PRESTI M L，MANGIAMELI M，et al.Auto-nomous cooperation between UAV and UGV to improve navigation and environmental monitoring in rough environments[C].International Symposium Humanitarian Demining，2013.

[9] 梅元?jiǎng)?空地機(jī)器人協(xié)作環(huán)境建模與路徑規(guī)劃[D].北京：中國(guó)科學(xué)院大學(xué)，2014.

[10] 李越.OpenCV應(yīng)用現(xiàn)狀綜述[J].工業(yè)控制計(jì)算機(jī)，2017，30(7)：123-124.

[11] 趙毅，馬捷.利用Python和GTK+的Linux GUI應(yīng)用的快速開發(fā)[J].計(jì)算機(jī)工程，2004，30(8)：80-82.

[12] 狄博，王曉丹.基于Python語言的面向?qū)ο蟪绦蛟O(shè)計(jì)課程教學(xué)[J].計(jì)算機(jī)工程與科學(xué)，2014，36(s1)：122-125.

[13] 李明，黃華，夏建剛.基于Hough變換的車道檢測(cè)改進(jìn)算法研究[J].計(jì)算機(jī)工程與設(shè)計(jì)，2012，33(4)：1638-1642.

作者信息:

劉  毅1，2，車  進(jìn)1，2，朱小波1，2，杭  立1，2，郝志洋1，2

（1.寧夏大學(xué) 物理與電子電氣工程學(xué)院，寧夏 銀川750021；

2.寧夏沙漠信息智能感知重點(diǎn)實(shí)驗(yàn)室(寧夏大學(xué))，寧夏 銀川750021）