面壁者—基于树莓派的AI救援机器人设计与实现

赵志杰 陈静茹 付娟娟 张颖 陈冠华 陈蕾

摘要：随着互联网技术的快速发展，以及目前5G时代的到来，文章结合传统救援模式，开发一款适用于特殊地形、特殊场合的多用智能救援机器人。AI救援机器人主要从驱动模块、传感器及数据处理模块、机械模块和供电能源模块四个模块进行设计。

关键词：图像;深度学习;机械臂;救援;自动化

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2022）17-0081-02

1 概述

我国是灾害频发的国家，由于灾后空间狭小、环境恶劣等问题，救援人员难以深入现场，二次灾害随时有可能发生，处置稍有不当就可能给救援人员也带来严重安全危害。救援机器人到达灾后待救援地，首先利用相机监测周围环境[1]并且通过Yolov5算法进行视觉目标检测[2]，数据上传至云端供后续评估分析、GPS向云端反馈机器人所在的位置。云端指令启动机动驱动模块、机械手臂对障碍物进行处理，机器人采用变形式履带，可以应付很多地形，救援机器人到达受灾人所处的位置后，向外界传达信息，如果要完成室内火灾救援任务，机器人可以控制自动喷水系统灭火[3]，具体原理参考图1。

2 总体设计

2.1模块的选型

2.1.1驱动模块

驱动模块由电机、履带式底盘和L298N电机驱动板组成。

2.1.2 OpenMV4模块

主控使用ST公司的STM32，采用400MHz的Cortex-M7架构，拥有1M的RAM，并有基于深度学习框架的CNN神经网络框架，可在树莓派运行RCNN等模型，OpenMV4拓展板如图2所示。支持可拆卸式的摄像头模块，包括0V7725、0V2640等摄像头。

2.1.3树莓派主控及Arduino控制板

树莓派和Arduino在此次设计中担任MCU总处理器作用。

2.1.4 GPS定位模块

集成GPS、BD多定位系统并发接收型模块，支持GPS和BD L1频段同步接收功能，拥有33个追踪信道，99个捕获信道和210个PRN信道，能追踪和捕获任何GPS和BD混合信号。

2.2算法设计

2.2.1 YoloV4目标检测算法

首先需要产生目标的候选框，即目标位置，然后对候选框做分类与回归处理，项目采用YoloV4算法，它是Yolo系列的第四代成果，基于Region Proposal的R-CNN系算法[4]（R-CNN、Fast R-CNN、Faster R-CNN等），它们不同于One-Stage类，物体分类和物体定位在一个步骤中完成。采用这个算法，YoloV4的运算速度可以达到45FPS，基本满足了实时性要求（因为只要达到24/每秒，人眼看到的画面就是连续的）[5]，这个算法主要分为三层，分别是：卷积层、目标检测层、NMS筛选层。服务器通过对传感器传回的照片数据进行分析，最终检测识别出障碍物、受伤者等目标。

2.2.2 PID算法

考虑到实际影响因素与项目开发成本问题，项目设计中笔者采用PID算法，其中PID具体原理如下：

3 调试与测试方案

3.1 调试方案

3.1.1 硬件调试

在实际测试的过程中发现，每个舵机旋转角度与PulseWidth（脉冲宽度）之间的映射不同，因此存在着一定的误差，舵机角度误差来源：1）PWM信号的分辨率;2）减速齿轮组的材料和精度;3）机械臂的材料与硬度;4）舵机控制电路引发的误差。

3.1.2软件调试

编写程序，拷贝到树莓派中脱机运行，该救援机器人识别目标的准确率太低。经过研究分析发现了两个原因：

1）当相机在移动的同时，拍摄画面由于相对位置发生了改变，在机器停止运行时，相机仍然具有轻微的抖动，因此采集的图像不准确。

2）在GPU训练模型时，损失函数太大造成，模型本身具有缺陷。

3.2 测试方案

包括救援机器人的基础机动系统、目标物体的识别、超声波避障测试、GPS定位测试、数据的返回以及机械臂抓取测试。

1）基础机动系统测试：

使用遥控器对机器人的基础机动进行测试，任务有：前进、后退、左转、右转、加速、减速、停止。

2）目标物体的识别：

基于yolov5算法框架开发目标检测，采集大量的样本数据后训练模型，通过摄像头获取数据，进行图像处理识别环境。

3）超声波以及GPS避障测试：

测试前方是否有障碍物并且根据测量结果进行运动决策和电机控制。通过GPS信息可以实时监测救援机器人所在的地理经纬度，从而映射到地图上。

4）数据的返回：

用Aliyun物联网传回数据，再通过算法进行解析处理。

5）机械臂抓取测试：

利用机械臂的抓取，测试救援机器人性能，效果良好;不足点是对模型训练时GPU算力要求较高，目标检测过程中由于相机抖动问题造成检测较不准确，后期优化相机云台防抖控制算法、目标检测部分采用Paddle框架，目前解决方案是跳过抖动厉害的几帧图像，对稳定的画面进行处理。

4 结语

该设计使用树莓派从救援机器人的发展现状入手，展示了设计背景，从驱动模块、机械臂模塊、图像识别模块等进行了简述。

参考文献：

[1] 李世尧，李辉，周奇，等.用于环境检测的智能窗户装置的设计与实现[J].仪表技术，2018（10）：36-38.

[2] 潘丽静，张虹波，周婷婷.全自动模拟目标搜救系统的设计与实现[J].电脑知识与技术，2016，12（28）：178-180.

[3] 王邦洲，赵凯文，胡彬，等.实验室消防机器人[J].电脑知识与技术，2019，15（29）：201-203.

[4] 李瑾泽.车辆识别中的边缘检测方法研究[D].太原：太原理工大学，2012.

[5] 张国政.频谱脸与FLD结合的彩色分量特征融合人脸识别算法研究[D].济南：山东大学，2011.

[6] 杨小庆，向超宗.基于神经网络PID的拖拉机空调温控系统优化设计[J].农机化研究，2021，43（12）：264-268.

收稿日期：2022-02-10

基金项目： 大学生科研训练项目（项目编号：202116028）

作者简介：赵志杰（2000—），男，甘肃陇南人，本科，研究方向为电子信息工程;陈静茹（2000—），女，甘肃金昌人，本科，研究方向为数据科学与大数据技术;付娟娟（2001—），女，甘肃天水人，本科，研究方向为电子信息工程;张颖（2000—），女，甘肃兰州人，本科，研究方向为电子信息工程;陈冠华（2000—），男，甘肃定西人，本科，研究方向为数据科学与大数据技术;陈蕾（1978—），通信作者，女，重庆人，副教授，硕士，研究方向为电子信息工程。