一种基于多源数据特征提取的分拣型机器手臂研究

刘智臣

（湖南信息学院，湖南 长沙 410151）

0 引 言

在智能制造领域，机器手臂被广泛应用，能够大幅提高制造效率，然而在机械手臂应用过程中，需要解决一些关键性问题，比如：如何准确定位目标、如何跟踪目标、如何抓取目标等。针对目标定位问题，张航等人提出手眼关系标定方法[1]，将图像坐标直接转换为机器人坐标；谷雨等人提出基于轮廓迭代[2]最近点配准的多目标模型定位；针对目标跟踪问题，杨剑峰等人提出采用离线与在线相结合的方法[3]来训练神经网络，实现对机械臂轨迹跟踪控制[4-6]；针对目标抓取问题，张建民等人提出三维立体视觉[7]的机械手臂智能抓取方案。这些方法都能较好地解决定位、跟踪、抓取等问题，但在目标识别方面都稍显不足。

然而在智能分拣应用领域，对机器手臂的目标识别能力[8]有较高的要求，这有利于提高分拣效率及正确率，因此如何提高机器手臂的目标识别能力需要重点研究。针对这个问题，文中提出一种基于多源数据特征提取的分拣型机器手臂系统研制方案。该方案利用多传感器技术[9]获得多源数据，接着将这些传感器节点采集的原始数据，通过无线传感器网络传输到本地处理节点。后者再完成数据融合和特征数据的提取，并将特征数据与特征数据库比对，从而识别目标类型，提升智能分拣能力。

1 解决方案及其实现

1.1 控制系统硬件逻辑设计

图1是机器手臂控制系统的硬件逻辑设计。图中的温湿度传感器用来采集目标表面温湿度数据，压力传感器用来采集目标的受力数据，机器视觉传感器用来采集目标的图像数据[10]。这三个传感器都安装在机器手臂上，将它们采集到的数据传递给STM32F103处理器。该处理器可以对这些原始数据进行初步处理，从而减少数据冗余及不必要的数据传输，再将数据通过ESP8266 WiFi模块传输到无线传感器网络。数据经过无线传感器网络到达本地处理节点。本地处理节点通过无线模块接入无线传感器网络收发数据，并可根据应用数据情况选择移动终端或PC终端实现。

图1 机器手臂控制系统硬件逻辑设计

1.2 控制系统软件设计

图2为机械手臂控制系统的软件架构。

图2 机械手臂控制系统的软件结构

传感器、STM32F103处理器与ESP8266 WiFi无线模块组成传感器采集节点，该节点运行多传感器管理程序和无线传输程序。管理程序主要控制温湿度、压力、机器视觉等多传感器的数据采集程序运行，以便采集目标的温湿度、压力、图像等原始数据，传输程序主要负责将这些原始数据通过无线传感器网络传输给本地处理节点。

本地处理节点也需要实现无线传输程序，用来从无线传感器网络收发数据。另外，数据融合及特征信息提取程序、特征比对及目标识别程序都运行在本地处理节点中。数据融合主要是去除数据的冗余性，并组合成特定格式的数据。采集的原始数据在传输时会添加时间戳和传感器的编号，同编号下的传感器，在一定时间段内采集的无变化的数据将被丢弃，不做处理；而同一时刻，来自不同传感器编号的数据将依据特定程序提取出特征数据。特征比对主要是根据提取的特征数据与特征数据库记录的数据项进行比对，以判断是否符合条件，如果符合，那么识别出目标，如果不符合，那么可通过无线传感器网络调整机器手臂，使传感器继续采集原始数据，并再次提取出特征数据进行比对，循环反复直到识别出目标，或者停止比对，上报该目标，并进行学习训练。

1.3 特征信息提取及特征数据库

特征数据库建立在本地处理节点中，数据库中的表项主要记录：索引、文字特征数据、符号特征数据、形状或尺寸特征数据、压力或硬度特征数据、温湿度数据、目标等，这些特征数据组合后，可识别目标。该数据库的建立方法可以通过人工输入，也可以通过学习训练生成。对于新学习的目标，可动态添加数据项记录。

数据表项中的特征值都是从多个传感器采集的原始数据中提取出来，特征数据与传感器的对应关系如图3所示。

图3 特征信息提取

2 结 语

现有机械手臂存在目标识别能力不足的问题，因此文中提出一种基于多源数据特征提取的分拣型机械手臂，利用多传感器技术获得多源数据，接着提取出特征数据，然后与已建立的特征数据库中的数据比对，完成目标识别。通过实践，该方案能够提升机械手臂目标识别的能力，从而提高分拣效率和正确率，可更好地用于智能分拣中。