基于分布式控制系统的轮式智能机器人研究

同的应用目的和平台，语音识别有多种实现途径，如用于语音玩具的只能识别较少数量孤立单词的简易专用语音识别芯片；面向嵌入式系统或设备，对系统资源要求不高的基于DSP或其它MCU的语音识别模块；支持多服务器和分布式语音识别的解决方案；基于PC环境的语音识别系统等。

由于语音识别是人机交互的关键，因此，本系统宜采用面向PC平台、功能强大、性能优异的具有连续语音识别能力的软件，如比较成熟的IBM ViaVoice SDK，以及中科院自动化所推出的基于PC平台的Pattek ASR/P2.0 SDK，这两个产品都具有许多共同特点，如识别率高，对环境噪声和口音的适应能力强；具有非特定人语音识别功能，适合不同性别和口音的普通话；接口丰富，便于二次开发，可有效缩短开发周期；抗干扰能力强；词表替换方便，且不需要重新采集语音数据训练模型等。

3.1.3 图像处理单元

本智能机器人的图像处理单元可实现人脸识别、物件识别与视觉导航。机器人视觉是近年来人工智能研究的活跃课题，也是我们本次机器人研究的重要子课题。一个优秀的人脸及物件目标自动识别系统应具有训练时间短，识别速度快，识别准确率高等特点，因此，算法的研究通常基于这几个特点展开。典型的KL算法在提取图像的代数特征方面，其效率和速度均有待提高，且得到的特征向量的可分性也不好；虽然统计不相关最佳鉴别变换拥有很好的分类效果，但如果直接利用图像向量构造图像散布矩阵运算量又会太大，导致识别速度降低。

在经典代数特征提取方法基础上，我们设计并实现了基于KL和统计不相关最佳鉴别变换的人脸及物件识别算法，较好地解决了运算量和识别速度、识别准确率之间的矛盾。实际应用表明，这套人脸及物件自动识别系统具有性能稳定可靠、识别速度快、识别准确率高等优点。

我们将改进后的算法在计算机上实现，并使用最小距离分类器进行识别测试，最终结果表明：训练时间明显减少，训练200幅图像的时间小于80秒，训练全部400幅图像的时间小于480秒；识别速度均在1秒之内，有较大提高；识别正确率提高，平均正确识别率明显高于单独的KL和统计不相关最佳鉴别变换方法，可达92%以上。

图像处理单元还有一个重要功能，即用于视觉导航。视觉导航是近年来发展起来的一种先进导航技术，然而，视觉导航是一个十分具有挑战性的复杂课题，实现该项技术具有很高的难度。其中一种方案是视觉导航系统通过识别路径引导线或标志信息为机器人提供视觉导航，在这种方案中，路径识别是视觉导航的关键。具体思路是：系统通过边缘检测法检测路径引导线，并计算自身相对于引导路径的位姿值，从而进行导航控制。

3.1.4 语音合成单元

要实现人机语音交互，机器人除应具备能听懂人的自然语言的语音识别系统(Speech Recognition,SR)外，还应具备能开口说话的语音合成系统(Speech Synthesis,SS)。TTS(Text-to-Speech)即文语转换，是将文字信息转换成语音的一种技术。实现TTS的核心技术很复杂，然而，为帮助软件开发者开发语音软件，微软公司提供了支持中文文本的识别和合成语音引擎Microsoft Speech SDK 5.1，利用该引擎，我们可轻松实现TTS，创建具有TTS功能的应用程序。

3.2 移动平台伺服控制器

本轮式机器人由轮式移动平台和平台上的机器人头部组成。机器人头部安装有一部带有控制云台的摄像机、一对全频音箱、4个超声波传感器、8只光敏传感器等零部件，而主控计算机、各功能模块电路板、电池组、调频接收机、音频放大器、红外光电传感器等零部件则安装在移动平台上。轮式移动平台采用3组正交轮驱动，具有3个自由度，可实现仿人灵活移动。如图1所示，由移动平台伺服控制器、PWM放大器、驱动电机和增量式光电码盘构成速度闭环控制。

3.3 测距控制器

在机器人头部装有4个超声波传感器，用于检测四个方向的障碍物信息，以实现测距与避障功能。传感器的有效检测距离在0.3m至5m之间，误差小于5cm。

3.4 寻迹控制器

5只用于寻迹的红外光电传感器置于机器人正前方，方向朝下，呈对称分布，用于检测地面的路线轨迹。

本机器人有多种导航方式。第一种是在其运动路径上设置导航信息媒体，由传感器检测导航信息的特性，控制机器人按规定的路线行驶的外导式[3]，本机器人利用CCD进行路径识别的视觉导航、利用红外光电传感器检测地面的路线轨迹进行导航、利用超声波传感器进行的导航、利用光敏传感器进行的导航等导航方式均属于外导式。第二种是内导式，即按运动规划或预先设定的运动路径行驶的导航方式。

3.5 测光控制器

安装在机器人头部，彼此呈45度角的8只光敏传感器，连