劉奕棋 莫琦 張健 李穎多 陳澤霖
(廣東石油化工學院,廣東茂名 525000)
在老式的人力工作模式之下,圖書館工作人員每天都必須花費大量的時間和精神去擺放參差不齊的書本去分類、整理,然后把書籍擺放到原來的位置,而且在人的專注力沒有的時刻保持在同一水平上就容易擺放出錯,工作重復性高且繁瑣。隨著圖書的不斷增多,圖書館勞動力緊缺,而現人均工作量過大,管理人員嚴重不足。每一個工作人員就估計要負責一整層的典籍分類和整理擺放,工作強度大、精力耗費多,人力成本上漲。為了節省人力物力財力為了減少圖書館工作人員的工作量,本團隊研發的智能借還書機器人可以引導圖工作人員運送書籍并擺放到指定的合適位置,在擺放工作完成之后機器人會自動對的書籍進行遍歷檢查,識別書籍是否擺放到錯誤,并將錯誤信息反饋給管理人員核實,機器人的輔助大大減少工作人員進行重復繁瑣的工作,減少人力資源的浪費。此外機器人還可引導讀者借還書籍,解決了找書難的問題。
系統整體框架由語音識別交流、地圖構建與路徑規劃、激光雷達掃描識別三大部分組成如圖1所示。

圖1 系統整體框架Fig.1 Overall framework of the system
系統的硬件核心控制處理部分,采用了STM32F7,它的高主頻可以達到2 16 M Hz 足以處理本項目所要處理的數據,該處理器的優點是內置A D C、D A C 轉換模塊,便于模擬信號采集和輸出。語音信號的識別交流需要經過兩個過程:訓練學習過程和識別過程。首先,我們用音頻接收設備將語音信號轉換為電信號后經過S T M 3 2 內部的ADC模塊處理為數字信號然后進行降噪處理后對其進行特征提取,再通過語音數據庫和語言數據庫進行訓練為其建立每一個字的聲學模型和語言模型,這個過程是訓練學習過程。其次,將外部輸入的語音信號進行特征的提取后與模型進行對比,找出相應的文字信息,此為整個語音識別的整個過程。顯然,這種識別的結果的準確性與特征的提取、語音模型建立的好壞、模板的準確與否都有著直接的關系。

圖2 蟻群算法流程圖Fig.2 Flow chart of ant colony algorithm
激光雷達是機器人的眼睛,是重要的硬件組成部分,我們要測量機器人的眼睛看到障礙物之間的距離就通過激光雷達來實現,必需保證接收的回波信號足夠的完整才能更加準確地測出距離,而計算激光回波信號的依據則是激光雷達方程,通用激光雷達方程[1]:PR=,這個系統有考慮到光在室內傳播的衰減與損耗和接收到整個系統運作中光功率的大小。本項目借還機器人采用的激光距離測量模塊是6 K F 4,它有著測量距離遠,精確度高,壽命長的優點。6KF4激光雷達采用自身獨有的測距算法,通過內部自身所具備處理頻率極高的數據采集系統,而它的每秒的采集的點數可到達4000點,而在每一次測量彼此之間的距離時,6KF4的脈沖調制激光器迸射激光信號,這種激光信號投射在目標實體上后產生反射光斑,該反射光斑經過一組光學透鏡由6KF4的圖像數據采集處理系統接收,經過內嵌信號處理模塊進行實時解算,確保了測距的實時性和準確性。目標物體與6KF4的距離值以及相對方位角度值是從通訊接口中輸出數據。通過機器人激光雷達對圖書館地面環境的掃描以及數據的不斷積累和學習,可以構建出相應的地圖模型。
軟件部分的核心是路徑的規劃和識別,為了讓機器人行走的路線更加的準確和高效,我們為引入了蟻群算法,用它來優化處理借還機器人行走的路線,以便其可以尋找出更加捷徑的道路,算法優化過程如圖2所示。
系統路線優化采用了蟻群聚類(Density Peak clusteringa-lgorithm-ant Colony System)算法,利用螞蟻分工合作以及自身的優勢去做有利于自己的思想,將大規模的TSP案例進行節點分開一列一列進行總結,然后應用更新后的蟻群算法找出新建立的二類TS P問題的路徑,通過改進的密度峰聚類算法確定拐點,根據拐點的位置篩選出潛在的聚類中心,最終切割斷點重組構成最優路徑。蟻群聚類算法在確保目標體求解系數精度的前提下,可以很好的縮短算法的計算時間,而且可以更加有效率拉低了算法復雜度。蟻群聚類算法系統先進行設置初始參數值,例如最大迭代次數、城市節點上信息素初始值、信息素揮發參數的初始值、螞蟻數量等,然后根據初始TSP問題數據集給定的節點坐標,運算節點與節點之間的歐式距離,達到進一步優化重新連接后的全局路徑的效果。
隨著機器人的應用技術的不斷完善,傳統的圖書館模式終將被機器人的到來而改變,機器人不僅幫助借閱者提高尋找書籍的效率,而且也提高了圖書館工作人員日常工作的效率。機器人在不斷的重復性工作中不知疲倦,這在對人對事上都有著不錯的影響,機器人在未來終會代替更多的人力資源,讓需要發揮人性的地方有更多的人在,只讓機器人提高我們的工作效率。