视觉导航机器人技术在大学实践教育环节内容中的探讨

孙磊 赵岩 韩芳芳 李志伟

[摘 要]机器人技术是继数学推理与科学试验之后认识世界自然规律的第三类基础方法。机器人实验教学是指利用人工智能技术来驱动机器人进行自主服务，该技术可以让学生在创新的环境下进行探究和学习。本课题在现有机器人实验平台的研究基础上结合ROS（Robot Operating System）机器人操作系统，给出了与实验教学相关的开发项目，利用机器人进行室内外的视觉导航研究。实验表明，该视觉导航机器人实验平台是有利于学生深入了解机器人发展，掌握ROS机器人应用开发和视觉导航技术的良好实验平台。

[关键词]实践教学；实践能力；视觉导航机器人；ROS系统

[中图分类号] G64 [文獻标识码] A [文章编号] 2095-3437（2019）01-0077-04

当今智能领域的机器人技术包含传感器技术、自动化控制，电子信息技术以及最新的人工智能技术等多项先进科技技术。目前移动机器人是相关领域主要的研究方向，其在工业制造、航空航天、军事国防、医疗卫生以及家庭服务等诸多行业有广泛的应用前景。在21世纪，机器人技术成为了备受瞩目的技术，在世界范围的科技博弈中，其也成为了国家战略和经济发展的新引擎[1]。美国作为机器人技术发展的先驱，已经在多个领域内取得了较显著的研究成果，并在与机器人相关的交互、感知、软件及硬件系统架构等方面建立了比较完善的教学体系。例如美国的卡罗莱纳州立大学建立的导航机器人教学体系包括基于ROS移动机器人的实验设备和实验设施，以及相关的实验课程模块、实验学习结果评价模块、协作学习模块。在欧洲，一些高等学校注重校企合作，根据企业的实际的需求来不断完善自身机器人教学的课程体系，形成了一整套持续改进的教学模式。在中国，多个大学和研究机构开展了对自主导航机器人的教学仪器的研究，并结合ROS操作系统建立了一整套完备的教学体系，使得机器人的智能化仪器、计算机技术、虚拟仿真和机器人导航等技术的教学内容被广泛地推广到各个高校学术研究机构。

在科技领域，有关机器人的大部分研究都集中在底层的运动控制器以及底层的结构和算法，而对于上层的应用型软件架构的研究却相对较少[2]。机器人技术的代码实现中，对代码重复使用性以及模块化的需求较高。机器人操作系统迎合了这种需要，并得到了诸多实践和运用。文献[3]、[4]中提及的ROS实现的地图构建与导航和ORB_SLAM技术等也是现在运用较多的新兴技术。本文将对在校机器人教学的相关方法深入剖析，以最明确和最优质的教学方案为索引，使机器人教学效率提高，从而实现机器人教学的重要意义[5]。

一、导航机器人实验平台建设总体思路

（一）导航机器人实验平台建设目的

国内高层次的建设高校，都在筹备建设一批高端技能型的人才。理工科专业主要是面向社会培养高技能型一体化服务人才。控制专业要求学生在实际岗位中在装备和产品的设计制造过程，以及后期的操作和调试，维护和售后技术支持等方面统筹兼顾。因此，在实际教学中不但要保证实验实训的设备高效，还要保证教学方法的科学性与有效性[6-7]。

（二）教学实施方法

基于建构主义以及混合式教学理论，按照国家高等教育教学的改革要求，并以《国家中长期教育改革和发展规划纲要（2010-2020年）》以及《国家中长期人才发展规划（2010-2020年）》等文件为指导方法，结合当前控制专业在社会实践中职业应用，本文制定了具体的教学研究方案。本方案在实际课堂教学中更加贴近社会人才需要，以职业标准为目标与社企合作，与实际结合来定制课程内容，培养学生的综合实践技能；教学内容工作循序渐进，由浅入深，在结合实验授课的优势上实现更高的理论和实践一体化的教学目标[8]。图1所示为本教学方案的实用性设计方案和具体的实践环节。

经过综合考察和反复研究，我们在机器人教学方案中做出如下的具体实施意见。

1.科学分析学生特征及企业需求，进一步加强教学内容与教学方法的改革

研究小组以学生学习的学习规律和学习习惯特点为切入口，在认真研习后，在学习需求和知识预备上做出调研结果。在课堂教学内容上结合实际公司和岗位技能需求，以社会产品需求的一线技术为教学方向，结合学生的学习特点，以本专业的突出优势为教学契机进行教学，这有助于提高课堂实验教学的实际功能和教学优势，全面提高学生的综合实践能力。

2.积极探索，构建自主服务型机器人实验教学模式

在高校教学内容大纲中，针对机器人技能的相关基础课程如单片机、电子信息技术、操作系统基础、计算机组成原理等进行深入分析，并制定出严谨的教学方案。在教学中将实践和课堂理论相结合，通过进行相关的教学活动和实验课程来到达最佳的教学效果。

3.校企合作，共建更高水平的实验、实训基地

一切技能和理论都是为了社会发展的需求，我们在课堂上的一切教学都是为了给学生提供最贴合实际工作与岗位需求的知识培训。有鉴于此，本课题提出校企合作的教学方法，将教学环境和教学条件融入企业的需求中去，在有限的条件下创造出最佳的教学条件。机器人的教学有更灵活和更开放的工作场景，因此与企业合作能为学生提供更好的实际技能培训，这也是实验教学的最佳结合办法。

4.师生合力，共同打造最合理的教学环境

教学是师生合奏的交响乐。在课堂中师生合力，教师结合课程和实际需要给予学生最佳的教学知识，学生有目标、有效率地吸收和运用。这样师生合作才能达到教学的真正目的，设计出更合适的机器人教学环境和教学条件，双方相互协同、互相监督、不断上进。

（三）重点研究领域

机器人教学的重要教学领域为ROS系统、机器人视觉导航技术。把实际工业机器人和移动机器人作为主要的例子，以机器人的主要构成、机器人运动学、机器视觉、运动规划以及机器人运动导航屏蔽障碍等多方面实际问题来作为研究的主要内容。本课题重点介绍视觉机器人实验平台的实践环节。

二、视觉机器人实践平台的实践环节设置

（一）单目视觉ORB_SLAM算法

ORB_SLAM算法是基于特征点的实时性单目SLAM算法，应用在各种复杂环境下都可以较好地运行，并且在复杂的机器人剧烈运动中效果也较为稳定。其中该算法支持宽基线的闭环检测和重定位，并且将全自动初始化融入在系统内。其具体的流程图如下所示：

（二）机器人实验平台视觉导航方法

1.ORB场景特征检测

场景特征检测是视觉导航的关键一步，也是后续视觉导航能够正常运作的基础，其主要工作是从图像中提取ORB特征，根据上一帧进行姿态估计，或者进行通过全局重定位初始化位姿，然后跟踪已经重建的局部地图，优化位姿，再根据一些规则确定新的关键帧。

提取ORB特征分为两步。[①]FAST关键点提取：找出图像中的FAST角点，相较于原版的FAST算法，ORB中计算了特征点的主方向，为后续的BRIEF描述子增加了旋转不变性。[②]BRIEF描述子生成：对上一步提取出关键点的周围图像区域进行描述。

2.ORB中FAST关键点提取

FAST算子是2006年提出的一种快速角点检测算子，其最大优点是杰出的实时性，它通过比较圆周像素与中心像素的灰度值来确定特征点。FAST角点检测虽然速度很快，但是它存在一些问题。首先是FAST角点数量很大且不确定，因此ORB对其进行了改进。ORB指定最终要提取的角点数量N，对原始FAST角点分别计算Harris响应值，然后选取前n个具有最大响应值的角点作为最终的角点集合。

3.BRIEF描述子

公式中[p（y）]是图像邻域p在x处的灰度值。选择n个测试点，代表了n维的二进制串。[fn（p）]就代表了n维向量。BRIEF由于使用了二进制表达，存储起来十分方便，适用于实时的图像匹配。ORB 根据特征点的主方向对 BRIEF描述子加入了旋转不变性，称为 steered BRIEF。由于考虑了旋转和缩放，ORB在平移、旋转和缩放的变换下仍具有良好的表现。同时，FAST和BRIEF的计算非常高效，这使得ORB特征在实时SLAM系统中得以应用。

根据ORB_SLAM的点云图像进行精确地导航是视觉导航机器人实验平台的重要组成部分。本次实践环节中的所需视觉导航方法如图3所示。

第一部分：模拟路径学习。由于机器人所处的环境的复杂性和不可预知性，所以实验要求在实验准备阶段就视觉导航做到充分的计算。在机器环境中首先要计算周围环境的特征，并不断检测环境且记录在内存。同时也把相应的里程信息记录在内来匹配相应的行为模式。所以环境复杂度和特点以及行为模式是建设拓扑地图的状态节点信息。

第二部分：精确的状态定位与导航要素。机器人对比现实学习的路径状态节点，利用精确定位来取代模糊定位，从而实现选择更适合的状态行为模式来实现导航领路。图4为本文方案中所选取的移动机器人平台。

（三）算法演示性实验

因为机器人教学的特殊性，给每个学生都配备机器人教学器材会增加相应的教学成本，因此在本项目开展前首先将机器人教学课程所在班级的学生分成若干个小组。同时，以演示实验的教学方式来增加学生对视觉导航机器人理论以及算法的感性认识。具体的演示内容主要包括视觉特征点分布在现实场景哪些区域，视觉SLAM场景点云信息以及机器人在二维点云信息下进行导航规划的效果。上述演示内容如下图所示：

通过实验演示教学，学生对于视觉导航机器人领域的内容有了进一步的了解，为后续机器人领域的自主学习以及自主创新的实践环节奠定了坚实的基础。开展完演示性教学之后可以根据演示内容设计相关验证性实验，让每个小组的学生完成相关实验内容从而巩固相关学习内容。此外，为了进一步学习视觉导航内容，还可以结合ROS系统下的move_base框架，实现机器人在室内环境的动态路径规划。Move_base框架是ROS系统内的导航包，学生调用起来很方便。在用ROS系统进行机器人自主导航时，采用的仍是ROS navigation stack下的move_base框架，动态路径规划方法采用的是DWA算法。move_base实则是为一个action提供了方便实现的方式。假如在扫描创建的二维地图内给定一个目标，这个操作将尝试控制一个移动机器人到达这个场景目标。在总体框架图中可以看到，move_base提供了ROS导航的配置、运行、交互接口，它主要包括两个部分。（1） 全局路径规划（global planner）：根据给定的目标位置进行总体路径的规划。（2） 本地实时规划（local planner）：根据附近的障碍物进行躲避路线规划。

结合move_base框架以及之前建立的视觉SLAM地图的投影信息便可以实现未知环境内机器人的定点自主导航任务，从而拓宽学生们对于机器人自主导航知识的了解。

三、学生科技实践

在学生掌握了一定的机器人理论基础后，可进一步鼓励他们参加相关科技竞赛，例如华北五省机器人比赛、挑战杯全国大学生课外学生科技作品竞赛、互联网+大学生创新创业大赛等。这些比赛涵盖了模式识别、图像处理、电子信息、机械设计等多个学科领域，比赛的宗旨在于培养大学生的创新能力，提升大学的创新实践环节[9-10]。通过上述实验教学改革，本校学生积极参与了2017年华北五省的机器人比赛，分别获得了天津市赛区和五省比赛的三等奖。获奖证书如下图所示。

四、总结

视觉是作为机器人导航技术的主核心，而视觉导航的精确性、高效率、环境匹配度是工业机器人领域追求的目标。在工业日趋全自动化和机械化的国际环境下，机器人视觉导航的实验教学也进入铂金时代。社会急需先进和客观的教学方法来实现控制类专业课程和机器人教学课程的有机结合，以实现成果显著的教学目标。将新的条件融入课堂，用于实践，让学生掌握更多的实际应用技能是社会教育教学的真知和追求。

[[ 参 考 文 献 ]]

[1] 阎世梁，张华，肖晓萍，王银玲，熊开封.高等工程教育中的机器人教育探索与实践[J].实验室研究与探索，2013（8）：149-153.

[2] 黄荣怀，刘德建，徐晶晶，陈年兴，樊磊，曾海军.教育机器人的发展现状与趋势[J].现代教育技术，2017（1）：13-20.

[3] 陈贤，武延军.基于ROS的云机器人服务框架[J]计算机系统应用，2016（10）：73-80.

[4] 李建勇，刘雪梅，李雪霞，杜博阳.基于ROS的开源移动机器人系统设计，2017（2）：205-208.

[5] 侯娟.学校机器人教育现状与思考[J]软件导刊（教育技术），2016（12）：85-87.

[6] 王改霞，朴姬顺.国内机器人教育研究发展综述[J]中国教育信息化，2012：14-17.

[7] 魏博，邓聪颖，赵杰，张毅.基于机器人控制与交互平台的本科生创新能力培养研究[J]西部素质教育，2018，66.

[8] 常正霞.大学生信息素养现状分析[J].电化教育研究，2011（8）：53-57.

[9] 王艷红，王艳飞.当今大学生创新实践能力的培养[J].科技资讯，2007（5）：81.

[10] 温静，张斌，尹秀玲，薛艳茹，温雅丽.提高普通院校大学生实践能力与创新能力的研究[J]实验技术与管理，2012（8）：15-17.

[责任编辑：张 雷]