網球自動拾取機器人的回顧與展望

陳明尚，劉 迅

（華北電力大學能源動力與機械工程學院，北京 102206）

近些年來，網球運動越來越受到人們的歡迎，每年都有大量的人們參與到網球的運動當中。但是在網球運動中，難免會存在大量網球散落在地上的窘境，人工撿球費時費力，極大地影響人們的熱情。為解決人工撿球的問題，市面上開始涌現出大量的網球拾取器，但目前主流的網球拾取器仍然是以人力為驅動的傳統網球拾取器。該類產品的特點是依靠人的手臂向下壓的動作來拾取網球，且在拾取的過程中需要人們多次重復手臂的提拉動作，相比傳統的撿球方式雖然少了彎腰的動作，但是并不能減少大量的時間，效率不高。

因此，開發一款便捷便宜的智能式網球拾取器顯得尤為重要。本文主要從拾取裝置和識別方法兩方面對各類智能式網球拾取器進行詳細綜述，總結了各類智能網球拾取器的優缺點，為今后網球拾取機器人的發展提供了一定的參考。

1 智能式網球拾取器

智能式網球拾取器是依靠計算機視覺等識別網球，判斷網球位置，同時通過電機驅動機器人行走，利用拾取裝置收集網球，從而實現自動撿球的功能。智能式網球拾取器的總體方案包括行走方式、路線規劃、自動避障、拾取裝置和識別算法等方面。行走方式方面，因網球場一般都比較寬敞，且地面平整，所以采用輪式行走方式較為合理。路線規劃方面，目前主要是采用最短距離原則，即每次拾取距離機器人最近的目標，此種方法實現較為簡單，但不夠智能。除此之外，還可采用一些智能算法，如蟻群算法等，當機器人獲取到多個網球的位置信息后，采用蟻群算法對撿球路徑進行規劃，提高了搜索速度，可以快速找到全局最優路徑。自動避障方面，一般是采用超聲波距離傳感器和人體紅外傳感器等，對路徑上的障礙物或人員進行躲避。在拾取裝置和智能識別算法方面，近些年來，研究學者也展開了大量的研究，下面將重點從這兩方面介紹網球拾取器近些年來取得的一些成果。

1.1 拾取裝置

如何實現準確高效地撿拾網球，一直都是各國研究者們研究的重點。目前研究的主要方式有3 種：第1 種為通過多機構的配合，實現多自由度的機械臂拾取。第2 種為借鑒發球機的原理，將葉輪反轉，達到將網球吸入的目的。第3 種是利用電機驅動撥板旋轉，將網球卷入收集裝置中。

1.1.1 基于多自由度的機械臂拾取

一般空間中的機械手有6 個自由度，自由度越多，能夠完成的任務就越復雜。林廣茂等[1]人設計了三自由度的機械臂，如圖1 所示。其中，舵機4 控制機械臂的旋轉方向。舵機2、3 控制機械臂的高度和長度，舵機1 控制機械手爪。在機械臂的控制方面采用了極坐標控制的方法，該方法要求機械臂必須準確移動到網球所在位置的上方，否則將不能準確地拾取網球。三自由度的機械臂雖結構簡單，但是不夠靈活，對機器人移動的精度要求高，拾取效率低。

圖1 機械臂示意圖

為進一步提高機械手的抓取效率，劉玲等[2]人設計了一款雙機械臂的抓取機構。機械手包括左右2 個夾鉗，依靠2 個舵機共同控制2 個機械手實現抓取網球的動作。因網球為圓形，傳統機械手夾持容易滑落且作用范圍窄、工作效率低，使用雙機械臂可以擴大抓取范圍，提高抓取精度。

1.1.2 基于葉輪旋轉的吸入式拾取

王凱[3]借鑒發球機的原理設計了一款基于葉輪旋轉的吸入式拾取裝置。網球發球機的主要原理就是2 個輪子快速旋轉帶動網球飛速打出。根據發球機的原理，將輪子反轉就可以達到吸球的目的。吸球裝置整體的設計結構如圖2 所示。

圖2 吸球器設計示意圖

因為吸球器需要將吸取的網球送到一定的高度，因此在選擇電機的類型時，要考慮到吸球器的坡度、網球的質量和吸球輪的大小等方面因素，需要通過一定的計算得到吸球器電機的最低負載轉速和扭力力矩大小，以此來選擇合適的電機[3]。這種方法雖然能夠做到連續快速吸球，但是由于電機長時間高速旋轉，溫度會逐漸上升，可能會導致過熱燒穿，不能長時間工作。

1.1.3 基于電機驅動撥板旋轉拾取

在電機驅動撥板旋轉拾取方面，Elamvazuthi 等[4]人設計的撿球機器人采用卷筒擋板式的撿球機構，如圖3 所示。機器人在前進過程中由電機驅動的葉輪帶動擋板轉動，將網球卷入并提升至最高位置后落入收集裝置。這種撿球方式相對高效，不過由于擋板與網球之間為剛性接觸，因此在撿球過程中存在沖擊。

圖3 撿球機器人結構示意圖

牛麗波[5]基于此方案設計了更為完善的系統。該撿球計數系統主要由撿球葉輪、舵機和計數紅外傳感器構成。當機器人接近球體時，葉輪旋轉將球體卷入儲球盒中。在儲球盒入口處安裝有一個計數紅外傳感器，在球體進入瞬間，紅外傳感器被觸發，傳感器將信號傳送給單片機，經過單片機的處理后，在液晶屏上顯示出球體數量信息，達到撿球并計數的功能。

以上拾取網球的方法都各有優劣。利用機械臂撿球時撿球效率低，一次只能撿一個球，且需要設計的活動結構較多，需要多個舵機協同配合，實現難度高。但是機械臂拾取更加靈活，能適應在各種空間工作；利用葉輪高速旋轉的吸入式拾取裝置對電機的功率要求較高，耗能大，但是拾取準確高效。利用電機驅動撥板旋轉拾取，這種裝置結構簡單，便于控制，實現難度小，一次可以收集葉片范圍內的所有網球，缺點就是有可能會出現“卡球”問題。綜合各方面因素，在拾取裝置方面采用電機驅動撥板旋轉拾取的方案會更加合適。

1.2 識別方法

隨著機器視覺的快速發展，智能識別的技術逐漸應用到各個領域。對于球類的檢測識別，目前的研究主要分為機器學習法和圖像處理方法。機器學習的方法過于復雜，因為球類的特征一般只有顏色和形狀2 種，訓練需要的時間較多，因此在網球識別中并不推薦。圖像識別測距主要是利用計算機視覺或圖像傳感器對圖像進行處理，識別目標，判斷目標離機器人的距離。目前主要的方法有基于OpenCV 開發的網球識別算法和利用視覺傳感器來識別網球2 種方法。

1.2.1 基于OpenCV 的圖像識別

因為網球的場景單一，不存在過多干擾，使用OpenCV 進行圖像識別有較好的效果。林廣茂等[1]人基于OpenCV 開發了圖像識別網球的功能。主要原理：在獲取到圖像后，先對圖像進行預處理；在預處理完成后，首先對圖像進行開、閉運算，提取目標特征。其次，根據距離的遠近設置不同的半徑閾值，來初步篩選目標。再次，估算目標與圓的似然比，進一步地篩選目標。最后，根據輪廓內各像素點綠色通道的累加值，判斷和網球顏色的相似性，判斷目標是否為網球。識別目標的最小包圍圓的圓心坐標，即為網球的球心位置，借助平面幾何變換算法，把像素點與現實的坐標建立出映射關系，計算出球體的平面坐標。

王凱[3]基于OpenCV 設計了另外一種網球識別算法：由于RGB 圖像容易受到亮度的影響，故在獲取到RGB圖像后，首先將RGB 圖像轉換為HIS 圖像。其次對網球顏色的HIS 3 個色域閾值分類，將每一幀圖像中在閾值范圍內的像素標記起來，將能夠組成色域塊的像素添加到一個鏈表中，再次統計每塊色域塊中面積、形狀等信息，最后判斷是否為網球。

1.2.2 基于視覺傳感器的識別

隋裕召等[6]人采用Pixy 視覺傳感器來做圖像識別。他們采用了六角椎體模型HSV 來確定目標顏色特征。根據網球的顏色，利用相應的API 函數，即可得到網球的寬度、高度和中心點坐標等信息。

而郭天宇等[7]人采用COMS 圖像傳感器進行圖像的讀取和處理。因為彩色圖像能夠更好地反應空間信息，因此在進行圖像分析時，首先，將RGB 圖像轉換為HIS 圖像。其次，對圖像進行像素分塊、數位化等預處理。再次，對處理好的圖像進行閾值劃分，根據劃分的閾值來識別判斷是否為網球。最后，將判斷好的數據傳回處理器，由處理器確定下一步的操作[7]。

以上2 種方法各有優劣。利用OpenCV 進行圖像識別可以更加快速精確地定位目標網球，提高撿球效率。但是采用OpenCV 來進行圖像識別，往往還需要上位機來運行OpenCV 程序，將運行后得到的數據通過串口傳給下位機的控制系統，進而控制機器人的移動。如此會增加開發難度，同時也會增加整體結構的復雜程度，提高機器人的成本，不利于大規模市場化的發展。采用市場上已有的視覺傳感器來識別網球，識別精度不高，可能會受到環境的干擾，但能滿足基本需求，且價格相對較低，整體實現難度也較前者容易。

2 結束語

從目前撿球機器人的發展來看，市面上主流的拾取器還是基于人工操作，需要人工干預的，智能化的撿球機器人很少。但是目前在撿球機器人方面也有了很多研究，撿球機器人也正在朝著商品化、智能化方面發展。從目前來看，在拾取裝置方面采用電機驅動撥板旋轉拾取的方法更加簡便可靠，拾取效率較高且實現難度不大；在網球的識別算法方面，采用視覺傳感器進行網球識別最為簡便，可以大大降低開發難度和機器人的成本。但是隨著人們對機器人的智能化要求越來越高，基于OpenCV 的圖像識別技術更有可能成為未來的發展趨勢。文中詳細探究了網球智能拾取器在拾取裝置方面和識別方法方面的研究現狀，分析了每種方案的優缺點，對今后智能撿球機器人的研發有一定借鑒意義。