基于S3C6410的视觉识别类人机器人控制系统设计

针对传统类人机器人在控制系统实时性和视觉识别方面的不足，以S3C6410作为主控芯片，设计了具有视觉识别功能的类人机器人控制系统，通过改进和简化视频识别算法取得了良好的目标识别效果。实验表明，基于本控制系统设计而成的类人机器人实时性好，目标识别准确，通过调整运动路径能够快速找到目标。

智能移动机器人是近年来发展起来的一门综合学科，涉及机械设计、传感检测、人工智能等多方面知识。类人机器人的控制系统分为三个层次：最上层是机器人的策略规划层，利用各种算法实现各部分的功能；中间一层运行各类应用程序的嵌入式实时操作系统；最底层是硬件平台，通过外围接口获得各类数据、信息。

自主机器人利用传感器获取的信息控制机器人的动作。本文根据武术擂台机器人的实际需要，设计了机器人的控制系统，实现摄像头图像采集、处理和舵机控制等功能。

策略规划层中，由于图像信息具有信息丰富、对场景描述完全的特点，主要通过处理摄像头采集的图像信息实现颜色目标定位。这里采用Linux嵌入式操作系统，由于嵌入式系统资源的限制，要求目标识别算法运行效率高，占用内存空间小。硬件平台主要是控制舵机实现机器人的运动控制。

1 系统控制电路与视频识别算法

1．1 机器人整体架构

在武术擂台技术挑战赛中，机器人要采集目标的位置信息。由于I／O、A／D转换的有效检测距离有限，机器人采用摄像头采集场地上的图像信息，根据目标的颜色进行识别、定位。当检测到目标位置以后控制舵机自主运动向目标靠拢，完成自我介绍、抱绣球等动作。所设计的机器人外形如图1所示。

从图中可以看出，机器人头部采用摄像头，通过USB接口与主控板进行连接，用于采集图像信息。机器人腰部、腿部、胳膊各关节利用舵机使其具有一定的自由度，用到的舵机为CDS系列数字舵机。它内部有ATmega8芯片，主控板通过串口与ATmega8通信，就可以实现舵机的控制。针对以上要求，同时考虑系统的实时性，采用S3C6410作为主控芯片。实际控制系统总体框图如图2所示。

1．2 舵机控制系统设计

主控板通过串口1完成与舵机之间的数据通信，舵机控制电路的原理图如图3所示。

2 图像识别算法

摄像头采集到的图像主要作如下处理：首先对数据解码，利用查表法将RGB空间模型数据转化为HSI空间模型，然后采用类间方差法将图像进行二值化，再利用连通域对目标进行标定，最后对图像进行去噪，从而实现目标的识别和定位。图像处理程序流程图如图4所示。

实现颜色空间转换以后就要根据不同的H值对图像进行二值化处理。二值化的实质是一分类问题，即把一幅图像所含有的0～255的二进制像素按照某个阈值划分成两类。如果阈值设得太低，结果会引入过多的背景信息，但太高就会导致目标信息的丢失。类间方差法（Otsu）、最大熵方法（KSW）和直方图平衡法（Balanced Histogram Thresholding，BHT）是目前应用较广的自动阈值计算方法。

这里采用类间方差法，它的核心思路就是通过最大化类间方差来寻找最佳阈值。假设某一阈值T将整个二值图像分为C0（1，…，T）和C1（T，…，255）两类，则两类的出现概率可以用下式计算：

如上所述，最佳阈值的判断标准是使得类间方差最大。于是通过遍历每一个灰度值，并计算其划分带来的类间方差，总能找到一个合适的阈值满足条件。由于式（4）计算二阶中心矩计算量较大，考虑到：

接下来的工作就是对图像进行标定，这里所指的标定就是根据二值化后的图像，计算出目标区域的外接矩形位置。在目标构成比较简单的情况下，投影法是效率最高的方法，而当场景中存在多个目标时，多数情况下需要进行连通域计算。拓扑学中把连通性定义为，区域内任意两点之间存在至少一条曲线可以将两者连接。目前的连通域标记方法主要分两类：扫描法和轮廓跟踪法。扫描法的基本思路是逐个检查每个像素的值和连通性，从而获得所有的连通性描述信息，然后根据每点之间的相互关系计算出最后的区域个数和构成关系。基于扫描的连通标记演示如下（以8连通为例）：

首先对二值图像进行行扫描得到线段连通标记，如图5所示。然后检查每行之间线段与上一行线段之间的连通关系，并更改标记。

第1行：线段1创建标记A。
第2行：线段2、1之间连通，线段2标记为A；线段3

3 实验与结果分析

将控制卡装到机器人上，控制机器人运动，在运动中摄像头采集图像，并且用方框将目标进行标定。利用上述颜色识别算法对图红色绣球进行标定，得到如图7所示的结果。

随着机器人的运动，绣球在图像中的位置发生变化，机器人根据标定结果，就可以得到绣球的位置，根据位置调整自己的运动准确找到绣球。图像采集的速度达到15帧／s，舵机控制准确度达到0．32°，可以圆满完成比赛任务。

结语

本文以S3C6410作为主控芯片，设计了具有视觉识别功能的类人机器人控制系统。改进的颜色识别算法利用查表法、类间方差法、连通域等方法对图像进行处理，取得了良好的视频识别效果。实践证明，由该控制系统的设计方案制作而成的类人机器人，具有良好的自主控制稳定性和较好的视觉识别能力，能够较出色地完成比赛。