1.一种高效控制机器人的系统，其特征在于，所述高效控制机器人的系统包括：
双目立体视觉模块：与上位机控制模块连接，包括图像采集与显示单元、标定单元、图像预处理单元、图像匹配单元以及物点三维求距单元；用于利用两台性能相似、位置固定的摄像机，获取同一景物的图像，再根据场景中的物点在两摄像机中像点的图像坐标，来计算出物点的三维坐标；
路径规划模块：与上位机控制模块连接；用于为机器人在特定的环境中寻找一条免避撞的到达目标物位置的最优路径，所寻找的最优路径是机器人在到达目标点的过程中拐弯次数少的情况下所经过的路径短；
遥操作模块：与上位机控制模块连接；用于利用Teleoperation和Remote Control操作方式提高机器人的作业效率和可操作性；其中Teleoperation是从运动学角度实现的遥操作，是实现排爆机器人机械臂联动的基础；Remote Control是采用基于USB接口的手柄去操作机器人；
上位机控制模块：与双目立体视觉模块、路径规划模块、遥操作模块、通讯模块连接；用于利用MFC编程把双目立体视觉模块、路径规划模块、遥操作模块、通讯模块、下位机模块都封装在程序中；
通讯模块：与上位机控制模块、下位机模块连接；包括数据通讯单元、图像通讯单元以及智能化处理单元；用于完成上位机与后方下位机的双向信息交流；
下位机模块：与通讯模块连接，包括受控制的机器人。
2.如权利要求1所述高效控制机器人的系统，其特征在于，所述双目视觉模块计算爆炸物抓取点相对机器人手爪的位置坐标；包括图像的采集与显示单元、摄像机的标定单元、图像的预处理单元、图像的匹配单元以及物点的三维求距单元；
图像采集与显示单元：用于利用两台性能相同、位置固定的摄像机从不同角度对同一景物进行拍摄获取图像；
标定单元：用于建立有效的成像模型，并确定摄像机内外部属性参数，确定空间坐标系中物点与它在图像平面上像点之间的对应关系；
图像预处理单元：用于消除由摄像头畸变、光照条件、以及传输过程对图像引入的噪声；
图像匹配单元：用于在两幅图像的匹配点或者匹配基元之间建立对应关系；
物点三维求距单元：用于从二维灰度图像中获得目标点的三维深度信息。
3.如权利要求2所述高效控制机器人的系统，其特征在于，所述图像采集与显示单元具体包括：
采用Euresys公司的Picolo Tetra视频采集卡，利用视频采集卡自带的驱动程序MultiCam，在完成对采集卡的初化和参数设置后，调用采集卡驱动函数库中的图像采集函数来采集图像，并将模拟图像转换为计算机能识别的数字图像，在对应的程序窗口中进行显示；
所述图像采集函数包括：
Channel::Channel(Board*board,int connector)；//初始化通道
void SetParam(param,value)；//参数设置
Templatevoid RegisterCallback(T*owner,void(T::*callbackMethod)(Channel&,SignalInfo&),MCSIGNAL signal)；//注册回调函数
void UpdateImageConfig(const Surface&s,EImageC24&img)；//读取缓存区的图像void Channel::SetActive()；//显示图像
void Channel::SetIdle()；//释放资源。
4.如权利要求2所述高效控制机器人的系统及方法，其特征在于，所述标定单元具体包括：
标定单元用于确定摄像机的几何和光学参数，摄像机相对于世界坐标系的方位；用上标L和R来分别表示左摄像机和右摄像机的各种变量和参数；在场景中建立世界坐标系，物点在左右两摄像机中分别成像，形成图像坐标(u,v)L和(u,v)R；ProjectionL()和ProjectionR()分别代表两摄像机的成像过程；{AL,k1L,k2L}为左摄像机内参数，{RL,TL}为左摄像机外参数；{AR,k1R,k2R}为右摄像机内参数，{RR,TR}为右摄像机外参数；其中内参数由摄像机的物理结构决定，固定不变；而外参数随着世界坐标系
选取的不同而不同。
5.如权利要求2所述的高效控制机器人的系统，其特征在于，所述图像预处理单元具体包括：图像预处理单元基于中值滤波进行去噪处理；
所述图像匹配单元具体包括：
图像匹配单元用于在左右摄像头拍摄的两幅存在视点差异、几何和灰度畸变以及噪声干扰的图像对之间建立特征之间的对应关系，将同一空间物理点在不同图像中的映像点对应起来；
所述遥操作模块具体包括：
遥操作模块利用Teleoperation实现机器人联动的遥操作，利用Remote Control实现手柄控制的遥操作；
Teleoperation：包括位于上位机的遥操作子系统软件，和位于机器人本体上的机械臂位置伺服控制系统；用于根据用户发出的对机械臂进行控制的命令(一般由机械臂的位姿来描述)，通过解析的逆运动学方程，实时解算出各关节角度，并通过无线通讯系统传递给位于机器臂上的现场位置伺服控制系统，完成各关节的位置伺服控制，并能实时获取机械臂当前的运动学状态，将其反馈给用户；运动学状态可以是各关节的实际角度，或者利用解析的正运动学方程转变为机械臂的位姿描述；
Remote Control：用于操作者检测摇杆的输入信息，经手柄判断后向机器人发送不同的控制指令，实现利用操纵杆实现机器人手爪的上、下、左、右、拉、伸操作；
使用winmm.dll动态链接库文件的函数编程驱动手柄以及将机器人的指令加入操纵杆，操纵杆控制函数具体包括：
joyGetDevCaps查询指定的游戏杆设备以确定其性能；
joyGetNumDevs返回系统支持的游戏杆设备的数量；
joyGetPos查询指定的游戏杆设备的位置和活动性；
joyGetPosEx查询一个游戏杆设备的位置和它的按扭状态；
joyGetThreshold查询指定的游戏杆设备的当前移动阈值；
joyReleaseCapture释放由JoySetCapture函数设置的在指定游戏杆设备上的捕获；
joySetCapture发送一个游戏杆消息到指定的窗口；
joySetThreshold设置指定的游戏杆设备的移动阈值；
操纵杆控制主要程序如下：
//摇杆初始化
UINT uXPos[3],uYPos[3],uZPos[3],uRPos[3],uButton[3],uNoButtonPressed[3],uPOV[3]；//定义游戏杆的一些状态量
CString sStr；
joyGetPosEx(JOYSTICKID1,&joyinfoex[1])；//查询一个游戏杆设备的位置和它的按扭状态
uXPos[1]＝joyinfoex[1].dwXpos；
uYPos[1]＝joyinfoex[1].dwYpos；
uZPos[1]＝joyinfoex[1].dwZpos；
uRPos[1]＝joyinfoex[1].dwRpos；
//get button number
uButton[1]＝joyinfoex[1].dwButtons；
//get no of button pressed
uNoButtonPressed[1]＝joyinfoex[1].dwButtonNumber；
//Get POV Point Of View---set view point
uPOV[1]＝joyinfoex[1].dwPOV；
uButton[1]＝joyinfoex[1].dwButtons；
//get no of button pressed
uNoButtonPressed[1]＝joyinfoex[1].dwButtonNumber；
//Get POV Point Of View---set view point
uPOV[1]＝joyinfoex[1].dwPOV；
sStr.Format("％u",uPOV[1])；
SetDlgItemText(IDC_EDIT_POV,sStr)；
//车体运动指令
if(uButton[1]＝＝1&&uPOV[1]＝＝0&&uZPos[1]＝＝180)
{
m_strMessage＝"车体向前"；
pview->wrong_command＝true；
pview->OnSendCommand((char)15,(float)0,(float)0,(float)0,(float)0,
(char)TELE_OP_BODY_SPEED,(char)TELE_OP_BODY_SPEED,(char)pview->Drive,(char)pDoc->pano_waist,(char)0,(double)0)；//发送指令
UpdateData(false)；
}。
6.一种执行权利要求1所述高效控制机器人的系统的高效控制机器人的方法，其特征在于，所述高效控制机器人的方法包括：
步骤一，设置串口参数，初始化串口，
步骤二，利用摄像头获取图像，导入摄像头抓取的目标物，并对图像进行匹配，根据匹配结果求取目标物的三维坐标；
步骤三，基于NGA算法为机器人寻找到目标物三维坐标的最优路径；
步骤四，利用Teleoperation与Remote Control控制机器人运动。
7.如权利要求6所述的高效控制机器人的方法，其特征在于，所述高效控制机器人的方法利用MFC编程将双目立体视觉模块、路径规划模块、遥操作模块、通讯模块、下位机模块封装在程序中具体包括：
(1)将双目立体视觉模块封装在类CVision中，主要的功能函数如下：
CVision::OnActive()完成图像的显示，为系统显示实时采集来的图像；
CVision::OnSearch()完成目标物的搜索，为系统选择左视图中的目标点；
CVision::OnMatch()完成图像的匹配过程，为系统寻找右视图中对应的目标点；
利用动态链接链库CoordinateCalculate来封装三维求距功能，在求取时只需要调用内部的接口函数LvDistance(m_dfR,m_dfT,m_dfKL,m_dfKR,m_dfML,m_dfMR,m_dfMatchPt,res,error)计算目标点的三维坐标即可；
(2)将机器人的手动控制界面封装在CControlTestDlg中；实现机器人各个关节、车体的控制；包括：手爪控制、关节控制、手臂方向控制以及车体控制，其中关节控制和手臂控制封装在类CManipulator中，CControlTestDlg只需调用其接口函数；手爪控制和车体控制直接封装在CControlTestDlg中；
(3)将遥操作模块封装在类CTeleoperation中；
(4)将通讯模块封装在类CSerialPort中；
(5)将路径规模模块采用遗传算法路径规划封装在GA项目中。
8.如权利要求6所述的高效控制机器人的方法，其特征在于，所述高效控制机器人的方法的标定的具体步骤包括：
(1)制作一张黑白方格相间的模版，打印并贴在一个平面上作为标定过程中所使用的平面标定靶标；
(2)将模板多个角度放置在摄像机前拍摄图像，并根据模板的空间位置建立世界坐标系OwXwYwZw，使得模板位于世界坐标系的XwYw平面上，即模版上任一点的在世界坐标系中Zw＝0；
(3)取黑白棋格的交点作为控制点，并称之为“角点”；
(4)利用Matlab编写的张氏标定法对单个摄像头进行标定，分别求成两个摄像头的内参数；
(5)利用Matlab编写的张氏标定法对双目视觉进行立体标定，求出两摄像头的外参数；
所述张氏标定法：
假设标定用平面图板在世界坐标系中Z＝0，通过线性模型分析计算得出摄像机参数的优化解，然后用基于最大似然法进行非线性求精；在这个过程中，标定考虑到镜头畸变的目标函数，最后求出所需的摄像机的内、外部参数；
其基本原理如下式：
在这里假定模板平面在世界坐标系Zw＝0的平面上；
式中，A为摄像机的内参数矩阵，令 为模板平面
上点的齐次坐标， 为模板平面上点投影到图像平面上对应点的齐次坐标，[r1 r2 t]和t分别是摄像机坐标系相对于世界坐标系的旋转矩阵和平移向量；建立控制点的空间坐标与图像坐标之间的单映性关系式：
其中，H＝A[r1 r2 t]，描述了控制点的空间坐标与图像坐标之间的映射关系每一个控制点的H都不同。但对于同一幅模板图像上的控制点，因A[r1 r2 t]固定，故其上的控制点的 仅相差一尺度因子；对于一幅模板图像，虽然不能完全确定其对应的A[r1 r2 t]，但却可以在某种程度上获得关于A[r1 r2 t]的约束；
H提供了关于A[r1 r2 t]的约束，也即是提供了关于A的约束；不同的模板，其H不同，但是A是确定的；可以通过多个不同的模板的H，来最终确定A，即有：
根据旋转矩阵的性质，即r1Tr2＝0和||r1||＝||r2||＝1，每幅图可以获得以下两个对内参数矩阵的基本约束：
摄像机有五个位置参数，故当所摄取的图像数目大于3时，就可以线性唯一求解A；再利用A来估计各模板的外参数；
每幅模板的H都能提供了关于A的约束，具体的约束由旋转矩阵R＝[r1 r2 r3]的正交性推导得到。旋转矩阵R的正交性为：
r1Tr2＝0
r1Tr1＝r2Tr2
因而可以推导得到：
[h1 h4 h7]A-TA-1[h2 h5 h8]T＝0
[h1 h4 h7]A-TA-1[h1 h4 h7]T＝[h2 h5 h8]A-TA-1[h2 h5 h8]T
外参数{r1 r2 r3 t}和H的尺度因子λ很容易由H与[R T]的关系求得：
r1＝λA-1[h1 h4 h7]T
r2＝λA-1[h2 h5 h8]T
r3＝r1×r2
t＝λA-1[h3 h6 h9]T。
9.如权利要求6所述的高效控制机器人的方法，其特征在于，所述高效控制机器人的方法的图像预处理基于中值滤波进行去噪处理；
中值滤波基本原理是把序列或数字图像中间一点的值，用该点邻域中各点值的中值来替代；
对序列而言中值的定义是这样的，若x1,x2,…,xn为一组序列，先把其按大小排列为：
xi1≤xi2≤…≤xin。
则该序列的中值y为：
对于一幅图像的象素矩阵，中值滤波就是用一个活动窗口沿图像移动，窗口中心位置的像素灰度用窗口内所有象素灰度的中值来代替，取以目标像素为中心的一个子矩阵窗口，窗口可根据需要选取；
图像匹配单元用于在左右摄像头拍摄的两幅存在视点差异、几何和灰度畸变以及噪声干扰的图像对之间建立特征之间的对应关系，将同一空间物理点在不同图像中的映像点对应起来；基于图像的外极线原理以及图像的动态搜索原理，采用基于外极线的动态立体匹配算法对图像沿着外极线先进行粗匹配，找出感兴趣的区域，再对感兴趣的进行精匹配；
具体步骤如下：
(1)计算目标点对应的外极线；
(2)沿着外极线划分图像，进行粗匹配；
(3)利用算子进行精匹配；
步骤(1)中，所述外极线计算具体包括：
1)左右图像匹配对特征点的提取：采用左右摄像头在不同的角度拍摄黑白棋盘模板，再提取相对应的特征点以及对应特征点的图像坐标；利用VC++和OpenCV编程利用亚像素角点提取方法提取20组图像匹配对的特征点图像坐标，再求取对应的基本矩阵；
2)基本矩阵的求取，使用最小中值法来估计基本矩阵：
在48个匹配对中随机抽取m个样本，每个样本J包含K个匹配对，设K＝8，选取8点法解出一个基本矩阵FJ，设整个匹配点对数据集中一对匹配点对是(m1,m2)，对每个FJ从整个匹配点对集合得到一个中值MJ；
其中 表示点m2到点m1的极线的距离，d(m1i,FJm2i)表示点
m1到m2的极线的距离，med表示对所有的d2(m2i,FJm1i)+d2(m1i,FJm2i)按从大到小的顺序排列取中间的值；
从m个样本的所有MJ找出最小的一个，计为Mm，即最小中值，其对应的基本矩阵为FM，再应用这个最小中值来估计基本矩阵；
采用最小中值法求取最小矩阵的基本步骤如下：
a.获得图像中特征点的匹配对集合；
b.随机抽取m个样本，每个样本J包含K个匹配对，K＝8；
c.用8点算法求取基本矩阵的估算值；
d.重复步骤B共m次，并记录所有的中值和相应的基本矩阵估计值，找出最小中值和相应的基本矩阵的估计值；
其中随机抽取次数m的确定是假设整个数据集合中含有的正确匹配对的百分比为p，则m次采样中至少有一个样本是完全由正确的匹配对组成的概率是P＝1-(1-pK)m；
3)外极线的求取：
根据步骤2)求取的多个基本矩阵，求其平均值；再根据外极线理论，则可以求取对应点的外极线；令图像IL中的一点为p1，其对应的在图像IR中的外极线l2有：
l2＝F*p1
同理，令图像I2中的一点p2,其在图像IL中的外极线l1根据FTp1＝l0有：
l1＝FT*p2
T T T
再根据式p1Fp0＝0，p0Fp1＝0结合l2＝F*p1和l1＝F*p2有：
再将相关数据代入则可以求出对应点的外极线方程a*u+b*v+c＝0；
步骤(2)中，所述粗匹配具体包括：
先沿着外极线对图像进行分割，缩小图像区域匹配范围，将其分成几个子图像以便进行粗匹配；
具体过程如下：
1)设基准图为T，搜索图为S，搜索子图为si，j；
2)把搜索图S平均划分为若干个子图
3)设基准图各象素灰度和为 (t为基准图T中任意点的灰度值)，匹配图
si，j的各象素灰度值和为: T与si，j相关度为： 阈值
设为α(0<α<1)，计数变量设为N；
4)计算各块的ηi,j大小，设一阈值α(设为：0.25)如果ηi,j<α，N加1，并记下位置；如果N＝
1，则直接可以进行精匹配；如果N>1，则要直接找出多次最小值的位置；如果N＝0，表示干扰因素比较大，则要调整α值再进行匹配，α的值是越小越好，如果选取的值过小，由于误差的存在可能找不到匹配点，此时在允许范围内可以适当放大α的值；
步骤(3)中，所述精匹配具体包括：
针对粗匹配找到的感兴趣的区域，进行精匹配；如果此时获得的区域没包括外极线，则应该扩大区域，增加实验位置；再按常规的灰度匹配逐个像素进行匹配，在这里使用CV_TM_CCOEFF_NORMED归一化相关系数匹配算子进行相似度判断；其相关度
为:
式中I表示图像，T-模板，R-结果；模板与图像重叠区域x'＝0...w-1,y'＝0...h-1之间求和；模板滑动过整个图像image，用l2＝F*p1比较模板templ与图像尺寸为w×h的重叠区域。
10.如权利要求6所述的高效控制机器人的方法，其特征在于，所述高效控制机器人的方法的物点三维求距单元具体包括：
根据场景中的物点在两摄像机中像点的图像坐标，计算出物点的三维坐标，基本原理为根据Ol、pl、Or、pr四点的空间位置求直线Olpl、Orpr的交点P的空间位置，因为摄像机模型和投影点的近似误差，两台摄像机的投影线Olpl、Orpr并没有在数学3D空间相交于一点，则通过计算这两条空间斜交投影线之间的最短距离，也就是计算它们公垂线段的长度；如果公垂线比较短，则取公垂线的中点作为两条投影线的交点，定为(X,Y,Z)；如果公垂线太长，那么就断定在进行像点对应计算时出现了问题；
路径规划模块采用基于改进GA的移动机器人规划；具体包括：判断路径、构造路径、最短路径；
(1)判断路径：采用了闵科夫斯基和原理扩展障碍物，判断运动物体(即机器人)能否从起点s移动到终点g，即从s到g是否存在一条自由路径；
(2)构造路径：基于改进的可视图方法，在地图中寻找机器人的可行区域；
(3)最短路径：基于NGA寻找机器人从s移动到g的一条最优自由路径；
所述闵科夫斯基和原理具体包括：
给定平面上两个点集S1,S2，在平面建立一个x,y坐标系，其中的点可以看成该坐标中的矢量，定义：S1+S2＝{x+y|x∈S1,y∈S2}；
其中：x+y为点x和点y的矢量和，这即为S1和S2的闵科夫斯基和；也可扩展点x与集合S2的闵科夫斯基和为x+S2＝{x+y|y∈S2}，即对于每一个 是S2的复制
的并；
将障碍物p看作为S1，机器人R看成是S2，机器人在运动过程中以其几何中心看成参考点，设参考点在原点，综合考虑机器人的转弯半径和本身的尺寸，将机器人看成圆盘，参考点即为圆心，对于所有x∈p，可以把P+R看成是依据x转换的R的复制；由于R的中心在原点，x+p的中心将在x，因此P+R相当于放置中心在P的每个点之上的R的复制，故P+R是P的扩展域p′；扩展之后的障碍物若相交，则此区域不可行，那么在下述构造路径时这块区域就可当做障碍物处理；对于其他形状的机器人同样可以采用此原理扩展；
所述基于改进的可视图构造路径具体包括：
(1)生成常规的可视图；
(2)对生成的连线按从短到长的顺序进行排序，生成一个由线段组成的队列；
(3)取第一条线段m，检查是否和其后的线段相交；如果发现队列中某一条线段n和线段m相交，那么从队列中删除n线段，以此类推，直到将所有队列中与线段m相交的线段删除；
(4)再取队列中m的下一条线段，重复步骤(3)，直到取完所有的线段；
所述基于NGA的最短路径具体包括：
(1)路径的个体编码：使用多段线表示路径，除了第一点和最后一点分别落在出发点和目标点上之外，其它路径线段与线段之间的连接点都必须落在地图连接线中点上，故路径则可表示为((Xs,Ys),(X17,Y17),(X12,Y12),(X5,Y5),(X3,Y3),(Xg,Xg))，其中每个点的角标根据生成连接线按长度排序之后的位置，(Xi,Yi)代表是中间点的坐标，(Xs,Ys)和(Xg,Xg)分别表示起点和终点；
(2)初始种群的产生：在地图的起点和终点确定，以及连接点生成之后，随机的选取这些连接点组成路径；
(3)适应度函数：主要考虑路径长度与能量的最优：
ffitness＝dist+g(α,n,...,μ)
其中：dist-对路径长度的评价 式中：xk-第k个连接点
的x坐标；g(α,n,...,μ)是能量函数，其能量与拐弯半径、连接点数量以及地面的摩擦系数等因素有关；
(4)NGA操作算子：
1)选择算子采用相似度算子：随机生成种群后，在遗传算法进行选择运算前，对群体中每两个个体逐位比较；如果两个个体在相对应的位置上存在着相同的字符(基因)，则将相同字符数量定义为相似度R；
设T＝适应度平均值，在群体中取大于T的个体进行个体相似程度判断；R小则表示这两个个体相似性差，当R≥L/2(L为个体的长度)时，即认为这两个个体相似；
2)交叉算子：共有节点处一点交叉，潜在节点处一点交叉，以及连通节点对处一点交叉共计三中交叉算子；
3)变异算子
采用动态确定变异概率，首先对生成的路径根据其适应度值由小到大排序，对于适应度值大(大于适应度值的均值，其中适应度越小越好)的路径取大变异率，对于排在前面的适应度值较小的路径取小变异率；
4)终止准则：利用多代之间的平均适应度之差小于某值Δ来终止；
(5)NGA路径规划迭代步骤：
1)首先随机生成m条从起点到终点的路径；所有生成的路径都落在连接线的中点上，再利用相似度判断这些路径之间的相似度，如果相同路径过多，则需要再随机生成一些路径，扩大初始种群，避免陷入局部最优解；
2)随机将路径进行两两交叉，并随机取路径连接点进行移动，生成新路径；
3)对生成的路径根据其适应度值，由小到大排序，对于适应度值大(大于适应度值的均值，其中适应度越小越好)的路径取大变异率，对于排在前面的适应度值较小的路径取小变异率；
4)经过几次迭代最终找到评估值最小的可行路径；
5)当经过多次迭代之后，如果连续几次出现的平均适应度值Δ<＝0.5时，则停止迭代；
所述高效控制机器人的方法的通讯模块智能化处理具体包括：
(1)用多线程串口通信CSerialPort进行控制指令的发送与接收都利；CSerialPort封装了串口的初始化和数据的接收，对串口进行数据的读写操作采用的是多线程和消息通知模式；
(2)数据接收时，首先应该在CTestView类中用该类实例化一个全局对象，然后在OnNewDocument()函数中初始化串口，如果初始化成功则开启多线程监控并读取串口程序；
具体流程包括：
1)初始化串口和开启多线程监控程序：
参数说明：m_iPortNum–串口号1-COM1
iBaud–波特率9600
chParity[0]–校验位‘N’-None
iDataBits–数据位8
iStopBits－停止位1
2)把数据写入串口的函数：
……
m_Port.WriteToPort(pchSendData,sizeof(dfOriginData))；//把数据写入串口此函数把控制指令写入串口，通过电台的无线通信发送给下位机PC104，PC104根据接收到的指令控制机器人作出相应的动作；
3)读取串口中数据：采用CSerialPort读取下位机反馈的数据，再对反馈的异常数据进行处理，提取所需信息；
在CTestView.h中添加串口字符接收消息WM_COMM_RXCHAR(串口接收缓冲区内有一个字符)的响应函数申明：
接着在CTestView.cpp中加入函数的实现：
LONG CSCPortTestView::OnCommunication(WPARAM ch,LPARAM port)
{……}
//{{AFX_MSG(CSCPortTestView)
afx_msg LONG OnCommunication(WPARAM ch,LPARAM port)；
//}}AFX_MSG
然后在CTestView.cpp文件中进行WM_COMM_RXCHAR消息映射：
BEGIN_MESSAGE_MAP(CSCPortTestView,CView)
//{{AFX_MSG_MAP(CSCPortTestView)
ON_MESSAGE(WM_COMM_RXCHAR,OnCommunication)
//}}AFX_MSG_MAP
END_MESSAGE_MAP
以下为读取串口数据程序：
机器人异常数据具体包括：
x1和x0表示电池电量状态；00表示电量饱满；01表示电量正常；10表示电量低压；11表示电量欠压；x2＝1表示机器人在自动抓取时目标物在不可抓取范围；x3＝1表示驱动器报警；x4＝1表示接收到错误指令；
异常处理具体包括：
(1)当机器人检测到上述异常时，在操作界面上都会提示操作者，让其对异常做出相应的处理；在操作主界面上添加了电量显示图标，让操作者能够很直观的观察机器人电量的变化情况；
(2)驱动器异常时，驱动器会进行报警，可通过驱动器开关及时对驱动器进行断电操作；
(3)当接收方出现误码，监测程序可实时检测指令的正确性，对错误指令进行及时的处理；
每当上位机发一个控制指令，下位机会检测指令是否正确，如果正确的话即x4＝0，上位机则返回OnSendCommand((char)85,(float)data2,(float)data3,(float)data4,(float)data5,(char)data6,(char)data7,(char)data8,(char)data9,(char)data10,(double)data11)
如果x4＝1，则重新发送原来的数据OnSendCommand((char)data1,(float)data2,(float)data3,(float)data4,(float)data5,(char)data6,(char)data7,(char)data8,(char)data9,(char)data10,(double)data11)；
(4)对于下位机出现死机异常，则是通过硬件重启；当通讯出现异常时，机器人三秒钟收不到任何指令，则通过硬件自动关机。