基于FPGA的材質識別同步采集設計實現方法＊

廣東人工智能與先進計算研究院 吳昌隆 盧進 柳建鑫

針對多模感知領域的材質識別系統，提出了一種基于FPGA 的材質識別同步采集設計實現方法，通過對多片不同類別傳感器的同步采集，實現了納秒級別的精確同步，得到可靠的傳感器融合數據，實現了對待測物品的材質識別和劃分。該方法具有采樣率高、數據處理速度快、同步精度高、傳輸速率快等優點，并且通過實踐，實現了對多種不同材質物品的識別分類，證明了該方法的有效性。

材質識別是紋理圖像分類研究領域的典型問題[1]。材質識別的目標是從圖像中提取主要材質對象的紋理特征，根據紋理特征判斷對象所屬材料類別，如木制、玻璃、塑料、金屬和纖維等[2]。目前基于機器視覺進行的材質識別已較為完備，但依舊存在很大應用難題[3]。比如機器視覺拍攝圖像的視角、光照條件以及物體表面的非剛性形變等因素可能會給物體的紋理外觀帶來較大的視覺影響[4]；不同材質實際的外觀形態具有不同程度的相似性，也稱為類間相似性[5]。這些困難使材質識別任務極具挑戰性。

基于機器聽覺進行的材質識別雖然也取得了一些階段性的成就和進展，但對應用環境的要求也極為苛刻。對采集聲音數據的環境必須在安靜或者封閉的室內，以最大程度減少噪聲的干擾[6]。

基于多模感知實現機械手對物體的材質識別是一種重要的方法。具有研究物體范圍更廣、識別精度更高、受環境因素影響較小等優點。通過機械手觸摸物體的表面，感知物體表面的粗糙程度，進而識別出該物體的材質，對于我們建立機器人材質識別的模型極具意義[7]。

本文提出的基于FPGA 的材質識別同步采集設計實現方法，是針對多模感知系統領域，對集成在機械手上的不同傳感器進行驅動，同步采集傳感器數據，傳輸傳感器數據，最終實現對物體材質的識別。

1 基于FPGA 的同步采集系統設計

1.1 系統整體架構設計

本采集系統設計是基于FPGA 上實現的，采用的是ZYNQ 系列的FPGA 芯片。如圖1所示，主要分為兩大部分的設計。（1）硬件設計部分，包括傳感器陣列選擇與設計，FPGA 與傳感器之間的互聯設計等。（2）軟件部分設計，主要包括在PL 端實現對傳感器的上電配置，同步采集以及數據傳輸等。

圖1 采集系統整體架構設計Fig.1 The overall architecture design of the acquisition system

1.2 硬件設計

1.2.1 傳感器的選擇

基于多模感知系統實現對物體材質識別的分析，主要測量壓力和加速度這兩個物理量。

（1）測量壓力數據，采用的“正壓力傳感器+ADC采集芯片”的硬件設計方案。正壓力傳感器選用的是HSFPAR303A，該正壓力傳感器具有精度高、體積小、易于集成的優點，有利于我們安裝集成在機械手指上，形成穩定有效的傳感器陣列。

其中ADC 芯片，選用了ADS1298，該芯片為一款功能較為強大的ADC 采集芯片，具有高采樣率，多通道的數據采集[8]。特別的是該芯片支持菊花鏈的硬件設計，支持16K，8K，4K，1K 的采樣率選擇切換。該芯片具有十分穩定的采樣率。

（2）測量加速度數據，采用了FIS2108 這款芯片。FIS2108 為一款6 軸的MEMS 傳感器，里面融合了加速度計和陀螺儀傳感器，具有較高的1K 的采樣率。該芯片上電配置較為簡單，體積小，容易安裝在機械手上。特別的是該芯片擁有Trigger 和Level 兩種工作模式。

1.2.2 傳感器的分布設計

如圖2所示，ADS1298 采用菊花鏈設計，采用兩條菊花鏈，一共可采集512 個正壓力傳感器的數據。將512個正壓力傳感器均勻分布在機械手的各個重要關節，形成一個傳感器矩陣。

圖2 傳感器的硬件分布式設計框圖Fig.2 The hardware distributed design block diagram of the sensor

本設計同步采集系統硬件設計有一片FIS2108 用以采集加速度數據，安裝在機械手背。通過一組SPI 接口與FPGA 相連接。

1.3 軟件設計

1.3.1 上電配置模塊

上電配置模塊的主要功能是在系統上電后，FPGA對傳感器進行初始化配置，驅動傳感器正常工作。如圖3所示，為軟件設計系統框圖。

圖3 軟件系統框圖Fig.3 Software system block diagram

系統上電后，FPGA 不斷地通過SPI 接口，讀寫ADS1298 的配置寄存器。將ADS1298 配置為菊花鏈模式；采樣率為1K，為實現FIS2108 和ADS1298 的同步采集。

如圖4所示，FPGA 上電后對FIS2108 的加速度采樣率設置為1K，以匹配上ADS1298 的采樣率，達到不同傳感器同步采集的效果；FIS2108 的工作模式設置為Level 模式。

圖4 ADS1298 上電配置流程圖Fig.4 ADS1298 power-up configuration flow chart

1.3.2 同步采集模塊

同步采集模塊的主要功能是在傳感器初始化配置后，FPGA 同步地采集正壓力傳感器數據和加速度數據。

經過測試ADS1298 具有十分穩定的1kHz 采樣率，但FIS2108 的采樣率極其不穩定，這就會導致ADS1298完成一次采樣時，FIS2108 完成了兩次采樣，或者沒有采樣，無法實現數據的同步采集。本同步采集模塊通過設置FIS2108 為Level 的工作模式，以ADS1298 采樣率為標準，實現兩者數據的同步采集。

由于ADS1298 的DRDY 信號穩定可靠，如圖5所示，FPGA 根據ADS1298 的DRDY 信號的下降沿，一方面，讀取ADS1298 的數據，完成正壓力傳感器數據的采集；另一方面，讀取FIS2108 的狀態寄存器0，導致FIS2108 會更新鎖存一次數據，隨即FPGA 在FIS2108的DRDY 信號低電平讀取傳感器數據，完成加速度計數據的采集。到此，FPGA 完成了一次ADS1298 和FIS2108 的數據采集。由于ADS1298 的采樣率為穩定的1K，所以FPGA 能夠以穩定1kHz 的速率，正確讀取到兩個傳感器的數據，完成了兩個傳感器數據的同步采集，并且同步精確度保持在10ns 以下。

圖5 FPGA 一次同步采集流程圖Fig.5 FPGA one-time synchronization acquisition flow chart

1.3.3 數據傳輸模塊

如圖6所示，數據傳輸模塊的主要功能是將PL 端采集到的同步數據傳輸到PS 端，再由PS 端完成向上位機的傳輸。

圖6 PL 和PS 傳輸框圖Fig.6 PL and PS transmission block diagram

由于傳感器的采樣率高，數量多，因此需要帶寬較大的數據傳輸接口。HP 接口（High-performance Purpose）為FPGA 的高性能接口，常用于PL 和PS 之間的高速數據傳輸[9]。

設計出兩條基于HP 的高速數據鏈路，其中HP0 用來傳輸正壓力傳感器數據，而HP3 用來傳輸加速度數據。通過GP 端口設計出一條狀態信息鏈路，用于PL 和PS 交互傳感器數據狀態信息。

2 同步采集系統測試與驗證

本章節主要對采樣系統進行測試和驗證，包括對傳感器測試驗證，以及在實驗中的數據采集。如圖7所示，為機械手進行數據采集實物圖。

圖7 機械手數據采集實物圖Fig.7 Physical map of manipulator data collection

2.1 正壓力傳感器數據測試

正壓力傳感器數據的測試，主要是驗證FPGA 能否正常驅動ADS1298 去采集正壓力傳感器的數據。如圖8所示，對壓力傳感器進行定量分析，先后往正壓力傳感器施加100g，100g 的砝碼，FPGA 通過ADS1298進行數據的采集。經過換算，采集到地壓力數據分別為1.126N 和1.091N，與實際施加砝碼的重力一致。

圖8 正壓力數據圖Fig.8 Positive pressure data graph

2.2 加速度數據測試

加速度數據的測試，主要是為了驗證FPGA 正常驅動FIS2108 正常工作，并且正確地采集到加速度的三軸數據。

針對FIS2108 的測試驗證，采用繞著加速度計的X 軸做了旋轉360°的運動。如圖9所示，加速度的X，Y，Z三軸的初始數值和運動曲線正確反映出了上述運動過程。

圖9 加速度3 軸數據圖Fig.9 Acceleration 3-axis data graph

2.3 傳感器同步性驗證

加速度數據的測試，傳感器同步性驗證主要是為了FPGA 是否實現了對正壓力傳感器和加速度傳感器數據的同步采集。驗證方式是在固定時間段內，FPGA 采集到的正壓力數據量與加速度數據量是否一致。如圖10所示，正壓力數據量與加速度數據量均為21541 個數據，采樣率一致。

圖10 壓力數據量和加速度數據量對比圖Fig.10 Comparison of pressure data volume and acceleration data volume

2.4 不同材質下的數據驗證

不同材質下的數據驗證，主要是機械手在實際觸摸不同材質物體時，采集到的正壓力數據與加速度數據。

本次實驗機械手的運動軌跡，從原點開始按壓物體，滑動一小段距離，再回到原點，再進行一次按壓物體，滑動一小段距離，最終再回到原點。本次實驗機械手的運動軌跡包含了兩次對物體表面滑動的過程。

其中機械手對鋁制物體表面滑動兩次時，FPGA 采集到的正壓力數據和加速度三軸數據，如圖11所示。

圖11 鋁制物體表面滑動數據圖Fig.11 Sliding data graph of the surface of an aluminum object

機械手對人造皮膚表面滑動兩次時，FPGA 采集到的正壓力數據和加速度三軸數據，如圖12所示。

圖12 人造皮膚表面滑動數據圖Fig.12 Sliding data graph of artificial skin surface

機械手對竹制物體表面滑動兩次時，ZYNQ 采集到的正壓力數據和加速度三軸數據，如圖13所示。

圖13 竹制物體表面滑動數據圖Fig.13 Sliding data map of the surface of bamboo objects

通過基于FPGA 實現的同步采集系統，對不同材質物體進行數據采集，使用加速度X 軸和Z 軸數據，對加速度Y 軸數據和正壓力數據進行修正，融合和建模，完成了對鋁制物體、人造皮膚、竹制物體、高密度泡沫等的識別，實現了對物體的材質識別。

3 結論

在如今人工智能快速發展的條件下，隨著機器人面對的環境越來越復雜，這就要求機器人外部感知能力愈來愈強，單靠某一方面的感知是十分片面和狹隘的，需要多種將視覺、聽覺和觸覺等感知能力融合起來，準確地感知到所處的環境狀態信息等，才能做出合理和正確的判斷。多模感知，多模融合分析，是機器人發展的趨勢。本文基于FPGA 的材質識別同步采集設計實現方法，準確并且同步地采集到了正壓力傳感器數據和加速度數據，并且快速完成對傳感器數據的處理和上傳，提供給上位機進行分析研究。將采集到的正壓力傳感器數據和加速度數據，經過算法進行融合分析識別等一系列驗證，準確識別出了鋁制物體、人造皮膚、竹制物體、高密度泡沫等材質的物體，實現了基于多模感知領域的機械手材質識別分類的功能，證明了方法的有效性、實用性。