(1)Motor_Drive_Task——定时中断节拍进行计时，在任务循环块中，接收图像处理控制算法中形成的电机驱动参数，即Image_Analyze_Task任务中产生的电机驱动参数，更新PWM输出，完成机器人所需运动轨迹姿态的调整，随后挂起自身。
(2)Image_Analyze_Task——获取在内存循环队列中的图像数据，在任务循环块中检测图像信号量。如果没有在一定时期内进行任务调度，则挂起自身；若有则对获取内存循坏队列中的图像数据进行分析处理，得出电机驱动参数并发送该信息至消息队列中，然后释放图像信号量，再挂起自身。
(3)Sound_Record_Task——用于采集、存储机器人周围环境声音信息数据到声音队列中。
(4)Sound_Play_Task——定时从内存声音播放存储处，即Play_Buffer中提取数据放到队列中进行播放。
(5)Image_Collect_Task——建立窗口界面，在任务循坏块中检测图像信号量。如果没有在一定时期内进行任务调度，则挂起自身；如果检测到图像信号量，则采集一幅图像到图像存储循坏队列中，采集完成，再释放图像信号量，挂起自身。
(6)GUI_Update_Task——按照μC/GUI手册规定，当其使用窗口回调机制，建议把它设为最低优先级别的任务，用来更新回调信息，并且该任务必须实现，且要定期调用。
www.55dianzi.com
4 试验研究分析
设计并完成装配的机器人的样机如图3所示，其中A为摄像头模块，B为麦克风，C为液晶屏，D为喇叭，E为12 V电瓶。摄像头离地的高度为450 mm，摄像头光轴与水平面角度为60°。
4.1 视频图像采集试验
由于本文采用的核心控制板的I/O口资源有限，因此，对图像采集的控制信号线用普通的I/O口，而不是用中断I/O口与其摄像头模块相连，因此只能用软件实时检测I/O的电平状态，决定何时采集开始，何时读数据，何时结束。为了能够采集到图像数据并能分辨出来，必须能够跟踪控制信号的变化状态，如果不对摄像头模块进行降频处理，则由于I/O口电平的变化频率远低于摄像头控制信号的变化频率，将导致I/O口无法跟踪控制信号变化，即将无法判断帧、行、点何时开始与结束这些状态信息。当摄像头的最高频率（点像素频率最高）降到1 MHz左右，系统就能跟踪并完整地采集到图像信息，并进一步处理之后完好地显示出来。采集到的实验数据如表2所示（示波器采用x10档）。
从以上的图与表可以清楚地看出：系统的控制信号非常完整和稳定，没有出现毛刺、变形等情况，给检测读取带来了方便。Y0数据信号也很规整，其他数据信号，如Y1～Y7也是如此。Y0的波形图中有些段是低电平，出现的位置不一样，这是因为摄像头移动的时候，环境光发生了变化，引起整个Y数据变化，从Y0数据也可以清楚看出这一点，并且从图像上也能很明显地感到图像在实时移动变化着。
4.2 直线爬坡试验
对于移动机器人来说，在非结构化环境中，最典型的情况就是平地、斜坡与台阶，对其走直线与爬坡的试验如图4所示。
实验场地是绿色毛毯状物质。机器人上电工作之后，就开始在控制算法下运行电机控制任务，输出控制信号，驱动电机运行，机器人就沿着直线方向以0.17 m/s（理论计算值最高可达0.183 m/s）的速度前进。反复进行10次路径长为5 m的直线行走实验，发现最大偏差为0.25 m，最小偏差为0.08 m，平均偏差为0.184 m。分析其原因，是由于电机的负载能力、启动特性、机械结构、机器人的重心位置及轮子与地面的摩擦阻力等因素所造成的。
在爬坡实验中，主要测试的是机器人单侧爬坡的能力和效果。斜坡的倾斜角度是可调整的。对其进行了9次的爬坡实验，角度从20°～60°的范围变化，发现随着角度每增加，爬坡的难度将变得越来越困难。当在36°左右时，机器人还能够保持整体结构平衡，能够沿着斜坡运动前进并能越过障碍，而在41°左右时就无法前进。这些结果显示，机器人爬坡能力较强，能够翻越比较大的斜坡。但有些地方需要改进，如运动轮子摩擦不够，轮子宽度较窄，后轮驱动力稍有不足，与其相连的机械结构臂刚度不够等。今后需对其进行仿真优化。
www.55dianzi.com
4.3 智能巡线试验
机器人的巡线可用于机器人比赛、自动化无人工厂、仓库、服务机器人等领域，因此研究巡线实现过程有一定的现实意义。试验如图5所示。
实验场地是绿色毛毯状物质，其中白线宽度为30 mm。在启动试验平台之前要调整摄像头视角，如果视角太大，则循线精度很难保证，甚至会脱离预期的轨迹。经过试验验证，当摄像头光轴与地面夹角大约为60°左右时，其循线可靠性及精度能够得到很好的保证。
②把图像分成三个图像带：A0，像素从L0～L1；A1，像素从L2～L3；A2，像素从L4～L5；再把每个带分成左右两半，其像素从中间开始向两边递增，即从p0～p159，并分别给出权值，求其每点的灰度值与相应点权值并求出总和，其表达式为：
Sj＝V1*1+V2*2+…+Vi*i+…+Vn*n
(Vi为灰度值，i为权值；0≤n≤159，n为整数；L0≤j≤L1或L2≤j≤L3，j整数)
③用Ai右边区的总和减去Ai左边区的总和的差值，看是否落在误差的允许范围[-δ，δ]之内，即表达式为：
Tm＝(Sj右－Sj左)∈[-δ，δ] （m＝0、1、2）
④根据Tm值的大小就可以确定机器人的位置是左偏、右偏，或在误差范围之内，随之就能产生机器人的控制策略。
实验结果表明，本课题设计的机器人能够很好地实现直线爬坡、巡线行走等功能，并可以实时采集声音和图像信息。在数据处理上，采用ARM9核的S3C2410处理器，数据处理快、实时性强、稳定可靠、效率高。移动机器人随其应用环境和移动方式的不同，研究内容也有很大差别。其共同的基本技术有传感器技术、移动技术、操作器、控制技术、人工智能等方面。它有相当于人的眼、耳、皮肤的视觉传感器、听觉传感器和触觉传感器。移动机构有轮式（如四轮式、两轮式、全方向式、履带式）、足式（如 6足、4足、2足）、混合式（用轮子和足）、特殊式（如吸附式、轨道式、蛇式）等类型。轮子适于平坦的路面，足式移动机构适于山岳地带和凹凸不平的环境。移动机器人的控制方式从遥控、监控向自治控制发展，综合应用机器视觉、问题求解、专家系统等人工智能等技术研制自治型移动机器人。
(1)控制算法描述：机器人的动态巡线过程，需要提取并能检测判断机器人相对白线的位置情况，形成控制策略，完成机器人的运动姿态调整。其算法实现流程如图6所示，巡线偏移情况如图7所示。
(2)特征匹配：图像匹配技术是数字图像处理领域中的一项重要研究，基本原理就是根据已知模式(模板图)，到另一幅图中搜索相匹配的子图像，该过程被称为模板匹配。通常，图像的模板匹配技术可以分成直接基于灰度值的方法以及基于特征提取的方法两大类。
这两种算法共同的缺陷是时间复杂度高，不利于实时操作，特别是在在线检测、机器人视觉伺服等需要从大量视频信号实现数字处理海量图像的匹配场合。由于本课题采用的处理器S3C2410硬件不支持浮点运算，无法采用上述方法识别机器人相对于白线的位置是左偏还是右偏。为此，结合机器人应用环境的特殊情况，对二维图像匹配算法进行了改进与简化，其基本思路和实现过程如下：
①在现场采集一幅图像，如图8(a)所示(理想情况)，大小为320×240像素。
本文关键字：智能机器人 机器人-智能车，电子知识资料 - 机器人-智能车
