技术领域
[0001] 本
发明属于机器人控制技术领域，具体涉及一种基于ROS的通用
机器人控制系统和控制方法。
背景技术
[0002] 随着
人工智能技术的快速发展，智能
机器人技术也不断成熟完善，并且应用在工业、商业、医疗、教育、金融等多个应用领域。智能机器人控制系统的搭建主要分两种，一种是开源
机器人操作系统ROS(Robot Operating System)，是一个机器人
软件平台，能够为异质计算机集群提供类似操作系统的功能，也可以为机器人开发者提供一个标准化的、开源的编程
框架，但ROS的实时线程操作性不佳；另一种是开源机器人操作系统OROCOS(Open Robot Control Software)，它具有良好的实时线程操作性，但它的开放性和通用性不如ROS。
[0003] 目前，市面上大多数机器人操作系统在实际使用时存在以下问题：
[0004] 1、现有机器人控制系统的通用性差、操控性能单一，每个机器人操作系统都有自己的特定基因，能控制的对象非常单一，只能对具有和特定基因对应的特定结构的机器人进行控制。
[0005] 2、智能机器人的管理模
块繁多，机器人代码的复用性需求越来越多，各种信息无法在一个系统里面进行整合，现有机器人管理系统无法适应相应的需求，
[0006] 3、对机器人状态的掌控性差，无法实时掌控机器人所处的环境状态，各种突发事件会影响机器人的判断，导致机器人无法精确控制。
[0007] 4、现有机器人控制系统的容错能
力差，智能机器人在运行中需要充分考虑分发层与实施层间的层级关系、时间尺度和顺序相关性。
发明内容
[0008] 针对
现有技术存在的上述不足，本发明要解决的技术问题是，如何设计一种能够有效控制智能机器人的通用控制系统和控制方法，具有通用性能好、可精确掌控机器人状态、容错性能良好和将机器人各个模块信息有效整合等优点。
[0009] 为解决上述技术问题，本发明采用了如下的技术方案：
[0010] 一种基于ROS的通用机器人控制系统，包括信息
感知模块、中控模块、输出控
制模块和通信管理模块；
[0011] 所述信息感知模块，用于实时感知机器人内部和外部的状态信息，并将感知的机器人状态信息发送到中控模块；
[0012] 所述中控模块，用于提取机器人状态信息中的特征信息，根据特征信息分析机器人所处状态对应的运动模型信息，并将运动模型信息发送到输出
控制模块；
[0013] 所述输出控制模块，用于将运动模型信息分解成机器人控制指令信息，并将控制指令信息传输到机器人各个部件的
控制器；
[0014] 所述通信管理模块，用于信息感知模块、中控模块和输出控制模块间的通信，以及控制系统和外部上位机间的通信。
[0015] 一种基于ROS的通用机器人控制方法，包括以下步骤：
[0016] S1：由信息感知模块实时感知机器人内部和外部的状态信息，并将感知的机器人状态信息发送到中控模块；
[0017] S2：由中控模块提取机器人状态信息中的特征信息，根据特征信息分析机器人所处状态对应的运动模型信息，并将运动模型信息发送到输出控制模块；
[0018] S3：由输出控制模块将运动模型信息分解成机器人控制指令信息，并将控制指令信息传输到机器人各个部件的控制器。
[0019] 进一步地，所述信息感知模块包括内部信息感知模块和外部信息感知模块，外部信息感知模块包括图像拍摄装置、声音
传感器和触觉传感器，内部信息感知模块包括用于检测
机器人关节运动的
角度传感器和力矩传感器，以及用于检测机器人内部
温度的温度传感器。
[0020] 进一步地，所述图像拍摄装置用于获取车辆识别信息、
人脸识别信息、物品识别信息、
质量检测信息和导航
定位信息；所述声音传感器检测的信息包括语音信息、语义信息
和声纹信息；所述触觉传感器包括距离传感器、
压力传感器和滑觉传感器。
[0021] 进一步地，所述质量检测信息包括图像中的黑白面积检测、
颜色成分有无检测、轮廓有无检测、浓淡有无检测、明暗块状个数检测、圆环毛刺检测、凹凸点检测、线线距离检测和圆圆距离检测。
[0022] 进一步地，所述车辆识别信息的方法如下：
[0023] S201：通过图像拍摄装置获取车辆图像，并将车辆图像信息传输到中控模块；
[0024] S202：中控模块接收车辆图像信息，对车辆图像进行预处理，以消除车辆图像中无关的信息；
[0025] S203：识别预处理后的车辆图像中的字符，并将字符单独分割成对应的字符块；
[0026] S204：对分割后的字符块进行归一化处理，提取归一化处理后字符块的特征信息，将提取的字符块特征信息和预设存储特征信息进行比对，完成字符的识别。
[0027] 进一步地，所述人脸识别信息的方法如下：
[0028] S211：通过图像拍摄装置获取人脸图像，并将人脸图像信息传输到中控模块；
[0029] S212：中控模块接收人脸图像信息，对人脸图像进行预处理，以消除人脸图像中无关的信息；
[0030] S213：提取预处理后的人脸图像中的特征信息，将提取的人脸特征信息和预设人脸模型信息进行比对，分析出人脸特征信息和预设人脸模型信息的相似度，若相似度高于预设值，则人脸识别正确，反之，则人脸识别错误。
[0031] 进一步地，所述机器人控制指令信息包括机器人移动信息、机器人
姿态调整信息、机器臂夹持信息、语音输出信息和表情输出信息。
[0032] 进一步地，所述中控模块包括逻辑分析模块和运动分析模块，逻辑分析模块的分析信息包括任务管理信息、协同管理信息和
能量管理信息，运动分析模块的分析信息包括条件反射信息、大脑控制信息和信息反馈信息。
[0033] 进一步地，所述信息感知模块的信息感知方法包括如下步骤：
[0034] 对感知信息进行侧重采集和筛选，以屏蔽感知信息中的无用信息或噪声信息，并对感知信息进行分类；
[0035] 根据感知信息的类型选择相应的信息传输量或
频率。
[0036] 与现有技术相比，本发明的有益效果：
[0037] 本发明公开的基于ROS的通用机器人控制系统，该控制系统的通用性高，适用于大多数通用机器人，无需特定的机器人操控基因和结构，提高了机器人控制的通用性。该系统将多个功能模块进行了有机整合，能满足各种机器人的应用需求，提高了机器人控制系统的操控性，节约开发成本。通过该系统能够实时地精确控制智能机器人所处的状态，可以应对各种突发状况。该系统具有良好的容错能力，分发层与实施层间的层级关系、时间尺度和顺序相关性清楚完整。
附图说明
[0038] 图1为本发明
实施例中通用机器人控制方法的控制
流程图；
[0039] 图2为本发明实施例中通用机器人控制系统的原理
框图；
[0040] 图3为本发明实施例中通用机器人控制方法的车辆识别流程图；
[0041] 图4为本发明实施例中通用机器人控制方法的人脸识别流程图；
[0042] 图5为本发明实施例中通用机器人控制系统的结构框图。
具体实施方式
[0043] 下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案，因此只是作为示例，而不能以此来限制本发明的保护范围。
[0044] 实施例：
[0045] 参照图2和图5，一种基于ROS的通用机器人控制系统，包括信息感知模块、中控模块、输出控制模块和通信管理模块；
[0046] 所述信息感知模块，用于实时感知机器人内部和外部的状态信息，并将感知的机器人状态信息发送到中控模块；
[0047] 所述中控模块，用于提取机器人状态信息中的特征信息，根据特征信息分析机器人所处状态对应的运动模型信息，并将运动模型信息发送到输出控制模块；
[0048] 所述输出控制模块，用于将运动模型信息分解成机器人控制指令信息，并将控制指令信息传输到机器人各个部件的控制器；
[0049] 所述通信管理模块，用于信息感知模块、中控模块和输出控制模块间的通信，以及控制系统和外部上位机间的通信。
[0050] 本实施例中，所述信息感知模块包括内部信息感知模块和外部信息感知模块，外部信息感知模块包括图像拍摄装置、声音传感器和触觉传感器，内部信息感知模块包括用于检测机器人关节运动的角度传感器和力矩传感器，以及用于检测机器人内部温度的温度传感器。
[0051] 本实施例中，所述图像拍摄装置用于获取车辆识别信息、人脸识别信息、物品识别信息、质量检测信息和导航定位信息；所述声音传感器检测的信息包括语音信息、语义信息和声纹信息；所述触觉传感器包括距离传感器、压力传感器和滑觉传感器。
[0052] 本实施例中，所述质量检测信息包括图像中的黑白面积检测、颜色成分有无检测、轮廓有无检测、浓淡有无检测、明暗块状个数检测、圆环毛刺检测、凹凸点检测、线线距离检测和圆圆距离检测。
[0053] 本实施例中，所述机器人控制指令信息包括机器人移动信息、机器人姿态调整信息、机器臂夹持信息、语音输出信息和表情输出信息。其中语音输出可以采用百度语音或者科大讯飞语音，表情输可以采用opengl、QT或MFC。
[0054] 本实施例中，所述中控模块包括逻辑分析模块和运动分析模块，逻辑分析模块的分析信息包括任务管理信息、协同管理信息和能量管理信息，运动分析模块的分析信息包括条件反射信息、大脑控制信息和信息反馈信息。
[0055] 本实施例中，所述物品识别信息包括色彩信息、形状信息、特征信息、条码信息和射频信息。
[0056] 本实施例中，所述通信管理模块包括内部通信管理模块和外部通信管理模块，内部通信管理模块用于信息感知模块和逻辑分析模块间、逻辑分析模块和运动分析模块间、运动分析模块和输出控制模块间的通信；外部通信管理模块用于机器人和上位机间、相关机器人间的通信。
[0057] 上述通用机器人控制系统中，运动分析模块和输出控制模块间的通信方式可以采用wifi透传、NFC、Zigbee、RFID通讯、232协议、485协议、IIC协议、SPI协议、单总线协议、ProfiNet总线、EtherNet/IP总线或CAN总线技术。系统和上位机间的通信可以采用CANopen口口、DeviceNet总线、Modbus、ProfiNet总线、BACNet协议、EtherNet/IP总线、CAN总线技术、工业以太网技术、wifi透传或Zigbee。相关机器人或者工序上下游
协作机器人间的通信方式可以采用Zigbee、红外通讯、蓝牙通讯、wifi透传、NFC、RFID通讯、232协议、485协议、IIC协议、SPI协议或单总线协议。本系统进行室外活动定位导航可以采用GPS、A-GPS、GPRS或基站定位。进行室内活动定位导航可以采用RFID通讯、WLAN和wifi定位、Zigbee、射频技术、uwb高
精度定位、NFC
射频识别技术、蓝牙技术、A-GPS、二维码技术、
声波定位、场景识别定位或IP定位。
[0058] 本实施例中，所述导航定位信息获取的方式包括NFC射频识别、图形码识别、霍尔
磁场检测、红外测距、
超声波测距或定位家具。
[0059] 参照图1，一种基于ROS的通用机器人控制方法，包括以下步骤：
[0060] S1：由信息感知模块实时感知机器人内部和外部的状态信息，并将感知的机器人状态信息发送到中控模块；
[0061] S2：由中控模块提取机器人状态信息中的特征信息，根据特征信息分析机器人所处状态对应的运动模型信息，并将运动模型信息发送到输出控制模块；
[0062] S3：由输出控制模块将运动模型信息分解成机器人控制指令信息，并将控制指令信息传输到机器人各个部件的控制器。
[0063] 参照图3，车辆识别信息的方法如下：
[0064] S201：通过图像拍摄装置获取车辆图像，并将车辆图像信息传输到中控模块；
[0065] S202：中控模块接收车辆图像信息，对车辆图像进行预处理，以消除车辆图像中无关的信息；
[0066] S203：识别预处理后的车辆图像中的字符，并将字符单独分割成对应的字符块；
[0067] S204：对分割后的字符块进行归一化处理，提取归一化处理后字符块的特征信息，将提取的字符块特征信息和预设存储特征信息进行比对，完成字符的识别。
[0068] 参照图4，人脸识别信息的方法如下：
[0069] S211：通过图像拍摄装置获取人脸图像，并将人脸图像信息传输到中控模块；
[0070] S212：中控模块接收人脸图像信息，对人脸图像进行预处理，以消除人脸图像中无关的信息；
[0071] S213：提取预处理后的人脸图像中的特征信息，将提取的人脸特征信息和预设人脸模型信息进行比对，分析出人脸特征信息和预设人脸模型信息的相似度，若相似度高于预设值，则人脸识别正确，反之，则人脸识别错误。
[0072] 上述人脸识别方法过程中，还需要将拍摄的人脸图像和预设人脸模型对齐，采用ASM、AAM或CLM。人脸识别采用的
算法有Gabor变换、PCA、LDA、Ada+gabor和稀疏表示法。
[0073] 上述通用机器人控制方法中，需要预先建立各种目标事件、目标任务等模型，并根据相应模型预设对应的特征因素。
[0074] 本实施例中，所述信息感知模块的信息感知方法包括如下步骤：
[0075] 对感知信息进行侧重采集和筛选，以屏蔽感知信息中的无用信息或噪声信息，并对感知信息进行分类；
[0076] 根据感知信息的类型选择相应的信息传输量或频率。
[0077] 所述信息感知模块感知信息的筛选方法如下：
[0078] 1、以目标事件为筛选依据。在不同的操作工矿、外部环境和活动目标的情况下，当机器人感知的目标事件状态发生变化时，
数据采集频率进行相应的改变。例如，设定机器人正常数据
采样频率为1KHZ，机器人在稳定工作情况下的数据
采样频率为10HZ，当机器人的工作状态变化时，则提高数据采样频率，采样频率可设为10KHZ，以便及时把握可能出现的
风险。
[0079] 2、以任务目的为筛选依据。例如，机器人正在打螺丝，打螺丝主要用到机器人的手臂
电机，则对手臂电机进行高频率采样。如果机器人在进行室内导航定位，我们就主要针对底盘、
陀螺仪、
里程计等传感器信息进行高频率采集，其他部位则降低采样频率。
[0080] 3、当无法确定目标事件和任务目的时，通过以下方式进行筛选：
[0081] (1)获取更多的数据。针对机器人活动目的进行高频率数据采集，进行预先训练的过程，得出最接近的模型，我们就可以在训练期间定期评价模型并研究样本，以识别出那些最有可能被错误分类的样本。这让我们可以明智地选出算法更常学习的样本。
[0082] (2)改变标注目标。在实际应用中，经常不需要区分机器人身上是哪个电机在工作(如：臂部电机或者手部电机)，只要识别出两个其中一个就够了。把两个电机合成一个标注，看成是
机械臂就可以了，这样的话采样评估就可以简化问题。
[0083] (3)忽略。忽略常见类别的部分样本，当每个类别的样本数大体相近时(如：手部电机和腕部电机)，可使用这种方法。
[0084] (4)过度采样或欠采样。过度采样是指算法学习稀有类别样本的频率较高，而欠采样则是相反的情况。从算法角度看，这两种方法产生的都是相同的结果。相比前一种方法，这种方法的优势是不忽略任何样本。
[0085] 本发明提供的基于ROS的通用机器人控制系统及方法，具有以下优点：机器人系统里面的物理规律以信息的方式来表达；系统自身具备自省性的能力，可以感知和预测自身状态的变化，以防止突发状况；该系统可以为机器人赋予“EQ”，实现设备活动的协同智能；能从对已有知识的管理和利用中获取心得知识。
[0086] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。
