基于TCS3200的识别技术及其在机器人上的应用

GXF360 2017-05-31

展开全文

基于TCS3200的识别技术及其在机器人上的应用

陈鉴　夏庆锋　贾静雯　秦晨芝

（南京大学金陵学院机器人实验室，南京，210089）

摘要

TCS3200作为一种可编程彩色光到频率的转换器，具有RGB频率采集速度快，精度高的特点，可在机器人识别技术上得以良好的应用。本文将TCS3200传感器的输出量在ARM Cortex-M3 内核的LPC1768芯片上进行处理，并采用模糊处理，算法改进等方法提升传感器的性能，使其更适应机器人多场景应用。通过在创意之星MultiFLEX2-PXA270的应用，此传感器可完成敌我识别、颜色判断、辅助纠偏等功能。经过适应性移植，TCS3200传感器可广泛应用于机器人技术。

关键词：机器人，TCS3200，识别技术， LPC1768

0　　引言

随着现代工业向高速化、自动化方向的发展，机器人技术应运而生，且已被广泛运用于包括军事、航空、制造业以及家庭等各个方面[1]。

传感器作为机器人的“感觉器官”，在机器人技术中一直是重点研究的对象之一。单纯的人力视觉识别有许多主观限制条件，无法适应机器人应用高速、高效和高准确度等的要求，所以对颜色传感器在机器人技术中的应用的研究是必要的[2]。

目前使用的颜色传感技术通常是输出模拟信号，需要一个A/D电路进行采样，再对该信号进一步处理，完成识别动作。这增加了电路的复杂性，容易影响识别的效果。

本文使用美国TAOS公司推出的颜色传感器TCS3200，与以前的颜色传感器相比，它具有许多优良的新特性[3]，在科学研究领域得到了较为广泛的应用，如智能化水域污染监测[4]、检测油脂色泽[5]、颜色加密识别[6]等。

本文在机器人技术的基础上探讨了TCS3200传感器的应用与改进，并对不同机器人在不同情况下的传感器移植问题进行了探讨，具有应用价值。

1　硬件组成

1.1　主控模块（MCU）

为方便TCS3200颜色传感器在不同机器人上的移植，本文选择使用NXP（恩智浦）公司推出的基于ARM Cortex-M3 内核的微控制器——LPC1768，该公司推出的LPC17xx系列MCU可用于处理高度集成和低功耗的嵌入式应用，处理能力强，外围设备资源丰富，稳定性高。

LPC1768具备强大的处理能力和良好的实时性，若使用多传感器共同协作，可将其他传感器的参数使用同一块LPC1768进行处理，在uC/OS II或其他实时操作系统的支持下，各传感器可实现宏观意义上的独立工作，为机器人提供更灵活的传感器解决方案。

图1　一种双MCU多传感器解决方案

图1　所示结构提供一种双MCU多传感器解决方案，根据图1，以LPC1608为MCU的红外传感器、灰度传感器、角度传感器等传感器，将获得的数据再次传入LPC1768的处理程序，并结合实际应用场景选择最合适的处理方案反馈给机器人主MCU（使用GPIO输出或者传输协议，如I2C协议）完成一次判断。

1.2　TCS3200颜色传感器

TCS3200颜色传感器是TAOS公司推出的一款RGB彩色光频率转换器。图2为传感原理框图[7]。

图2　传感器原理框图

如图2所示，被测物体的光路经过凸透镜折射进入传感器，首先经过S2、S3端口控制的PDA（光电二极管阵列），将感知到的能量转换为电流，再通过一个将电流转换为频率的IC电路输出占空比为1/2、具有一定频率的方波。

图3为TCS3200引脚封装，OUT是输出引脚，用于输出采集脉冲。OE（负电平有效）是输入使能引脚，当有多片TCS3200使用时，可以作为片选信号。

图3　SOIC封装（顶视图）

表1　控制引脚功能说明

S0 S1输出频率S2 S3滤波器类型L L关闭电源L L红色L H 2% L H蓝色H L 20% H L无H H 100% H H绿色

S0、S1用于控制TCS3200的输出频率，S2和S3用于颜色滤波寄存器的选择，其具体功能选择见表1。传感器工作流程见图4。

图4　颜色传感器工作流程图

理论上，白色是由红、绿、蓝三种颜色等量混合而成的，但由于实际中并不完全等量，且传感器对光的敏感程度不同，每个传感器对三种颜色的感知程度不同，因此在系统重新启动时需要进行白平衡，白平衡程序流程如图5所示。

图5　白平衡函数流程图

此白平衡算法的时间、空间复杂度较小，完成一次白平衡的时间可以控制在40-50ms之内，不会过分增加程序初始化时间。

2　TCS3200的性能优化

如果TCS3200精度过高，则在稳定性上有一定的不足，以下的改进基于对一定应用场景的支持，并不一定适用于所有场景。

2.1　最佳检测距离的测探

TCS3200最佳测量距离为10mm，这在工程应用上有一定局限性，尤其是当其应用于机器人技术上时，10mm的测量距离常常显得杯水车薪，因此可在被测物体与传感器之间加入凸透镜，以镜像放大物体。

图6、图7所示波形为当测量RGB值为#FF0000(红色)，传感器已安装凸透镜，且在与被测物体距离不同时所得到的测量结果。图6为距离10mm时的测量结果（未加透镜之前的最佳测量点）、距离150mm处的测量结果（加入透镜后最佳测量距离的中值处），图7为距离500mm处的测量结果（加入透镜后最佳测量距离之外）。

图6　左、右分别为距离10mm、150mm时所测波形

图7　距离为500mm时的波形

据上述实验，可得如下结果：

1）加入透镜可将TCS3200的测量距离提高数倍至数十倍，效果可观。

2）加入透镜之后，有效的测量距离虽然增加，但测量的不确定性增加，若将其安装在机器人上，应在机器人搭建、运动等方面进行适应性适配以发挥最大的功效，具体机器人方案在下文颜色识别方案中进行具体阐述。

3）测量的准确度是越接近被测物体，结果越准确，但当被测物体距离过近时，准确度又略微降低。

图8为经数次实验，所得到的偏差度I及其所绘制的图像。

图8　偏差度（偏差的平方）

公式（1）的偏差度指示的是所测量的值与准确值之间的差的平方，故数值越大偏差越大。如图8所示，在距离25mm到220mm之间偏差度接近0，即最佳测量角度在25mm到220之间，有效距离在10mm到300mm之间。

因为TCS3200传感器对光信号敏感，所以在本实验中，并未使用纸质色块，而是使用电子产品实现可自发光的色块为被测物体，并认为被测物体可自发光为理想状态。

另外，为了使颜色传感器获得的补偿光源汇聚，在传感器的光源外围加上一个黑色的外罩，外围材料由PVC塑料板与PVC电气胶带拼贴而成，制作后效果见下述图12所示。

2.2　软件改进

2.2.1　RGB-HSV/ RGB-HSB(HSL)算法说明

本部分讨论传感器获得到RGB模式的颜色值之后可进行的颜色模式的转换，用于更准确的判断颜色。

RGB颜色模式是一种面向机器友好的颜色表示模式，此模式仅可以提供混合颜色的红绿蓝分量，从数值上无法直观获知其颜色。在实际应用中，如在户外环境使用时，当环境光强改变，RGB值也会出现较大变化，这使之在应用中往往达不到判别的精度[8]。

由此，HSL模式和HSV(HSB)应运而生，这两者皆是基于RGB模式的，但却能直观的反应人类所感知颜色的其他属性。

HSL（HSB）代表色相，饱和度，亮度；HSV代表色相，饱和度、明度[9]。其中H代表色相，是我们所需的最重要的颜色特性，色相示意图如图9所示。

图9　色相示意图

此处仅完整示列RGB-HSV的转换公式，HSL与HSV的色相与饱和度定义相同，第三个参数定义不同，但可以相互转换。

经过公式（2）的计算[9]，可将RGB转换为HSV模式的值，并使用H值与下文图12所示标准颜色的矢量求其范式距离，从而确定所测颜色[9]。如在机器人擂台比赛中，需机器人判断的仅有两种颜色，所以传感器仅根据所测量的颜色映射出HSV或者RGB模式中有限个标准颜色，即完成任务。

本设计用实验测试RGB与HSV颜色模式在机器人技术中对颜色判断的准确性，这里实验仅以环境亮度为外部变量，并使用准确度较高的传感器算法及最佳测量距离进行测量。

公式（3）为准确度Q的计算公式。

其中，Ak为较准确值，Ae为标准值，Al为不准确值。若测量值与原值仅有±10%差距的次数为准确值k，测量值与原值有±50%差距的次数为较准确值l，则将准确值与原值的比例以9.9%的权重加到准确度中；将较准确值以5%的权重加到准确度中。

表2　不同亮度下两种颜色模式识别准确度

环境亮度p Q（RGB）Q（HSV）10%＜10% 50% 30% 20% 60% 50% 32% 78% 70% 55% 89% 90% 82% 99% 100% 99% 99%

由表2可得，HSV模式中准确度的变化率小于RGB模式，由此可知，在RGB模式下，机器人的传感器受环境亮度影响的程度更大，而HSV模式由于可将亮度分量分离出来只使用色相分量，则受环境亮度影响较小。

2.2.2　辅助纠偏算法

TCS3200本身无纠偏功能，但可经过设计，用辅助光电传感器、红外传感器或者图像采集与处理系统进行辅助纠偏设计，在工业应用中一般使用黑白两色作为基准色[10]，机器人技术中可根据实际情况具体应用。

图10　纠偏示意图

根据图10的纠偏设计方案，使用两个TCS3200传感器，调整距离姿态至两传感器所测区域约有20%的重叠。机器人向一个有色物体行进，两传感器同时进行测量，则有下述三种情况：

情况1：当一定时间前后两传感器或可同时返回到相同的频率时，即可大致判定未偏离方向（即图10左上）；

情况2：当仅有某一个传感器测得一种频率时，可大致判定行进左偏或右偏（即图10右上、左下）；

情况3：当两传感器均无法返回一定频率，则可大致判定行进方向有较大角度的偏移（即图10右下）。

对此，两传感器不断进行测量，默认初始状态下方向未偏离（情况1），当出现小角度偏离时（情况2），立刻进行方位调整，当偏移角度较大时调用其他传感器进行纠偏，设计有限状态机程序如图11所示。

图11　纠偏程序FSM设计

具体机器人设计与搭建一种应用TCS3200进行辅助纠偏的机器人设计可见本文3.2。

图12　机器人组装图

3　颜色识别设计方案

3.1　颜色识别

识别技术是依赖传感器及算法的一种重要机器人技术，识别技术的引入让机器人在包括竞赛、家用、军事等领域的应用上更上一层楼。

颜色识别是TCS3200传感器的基础应用。本方案使用创意之星高级版套件MultiFLEX2-PXA270为机器人主体，在 Norstar程序中使用C语言进行编程。选用两片TCS3200为颜色传感器，在keil4.5程序中使用嵌入式C语言进行编程，组装机器人如图12所示。

图13是一种颜色传感器应用的程序设计，其基本流程是：系统初始化，选择色彩模式，打开输入控制，根据所得颜色进行舵机速度、电机方向的调整，进行机器人控制。

图13　辨色程序示意图

通过标志位切换两个传感器所测数据，可灵活使用两传感器的数据，在图12硬件装配图中，机器人上部的颜色传感器用来分辨前方物体颜色，机器人底部的颜色传感器是用来传感地标颜色。因两传感器使用场景不同，则上部传感器装配有凸透镜与黑色外罩，下部传感器本身传感距离较近，则未装配凸透镜与黑色外罩也可完成任务。

图13中虚线所指示部分的程序可以根据需要进行替换，在此仅使用4个电机进行前进控制，此程序的功能大致为检测特定颜色并朝其前进（使用上部传感器所测数据），或者检测地面颜色。两种模式的转换可有变量输入控制进行选择，与上位机编程约定，如当变量Input_ Select为0时选择上部传感器，为1时选择下部传感器。

系统初始化时默认Input_Select = 0，程序运行后，两传感器在嵌入式芯片的控制下不断输出数值，而机器人的处理器每隔50ms更换一次信息源。根据本程序设定，当Input_Select为0时，运行函数func_0(　)，func_0(　)的工作流程大致为：判断颜色是否为既定颜色，若为既定颜色则改变电机速度，即前行，或者微调一侧速度实现小角度转弯；当Input_Select为1时，运行函数func_1(　)，func_1(　)的工作流程大致为：判断颜色是否不为既定颜色，若不为既定颜色则调节一方的电机速度，即完成转弯以找到正确的有色地标。

实验中，寻物功能的完成状况比较好。实验初始状态为所巡物体在正前方偏向±10%的夹角处且距离30cm处；寻线功能因为与寻物功能控制的舵机有所冲突，则单独进行测试，则仅单独巡线时，效果良好，机器人完成度可达到80%以上，具体原因应为：下部传感器测量距离为本传感器最佳检测距离且无外部光源的干扰。

3.2　辅助纠偏

按照2.2.2 辅助纠偏算法的设计概念，实际装配2个传感器并进行编程测试后，机器人组装如图14所示。

经过测试调整，两传感器有效测量范围可到达上述±20%重叠的要求，并装配有摄像头进行外部调整，即大角度纠偏辅助。纠偏设计程序以2.2.2小节中阐述的方法为主，加以与机器人有关的编程设计。

图14　纠偏机器人装配示意图

机器人根据上述程序完成纠偏的次数统计见表3。

表3　纠偏程序任务完成度统计表

序号情况一情况二情况三1 90% 80% 50% 2 90% 80% 60% 3 80% 70% 0 4 90% 80% 40% 5 90% 90% 70% 6 80% 70% 40% 7 90% 60% 50% 8 100% 70% 0 9 90% 80% 60% 10 80% 60% 40%

根据图11FSM系统的设计可知，表3中情况一为基本未偏离，情况二为小角度偏离，情况三为大角度偏离。

任务完成度示意图如图15所示，以机器人完成30-50cm的行走距离为基准，忽略运行的轨迹，以机器人完成行走后所停靠的范围为完成度的判定。

通过分析表3可知，当初始状态为情况一时，准确率均值为88%；当初始状态为情况二时，准确率均值为74%；当初始状态为情况三时，准确率均值为41%。对数据进行进一步分析可知，当初始状态为情况一、情况二时，完成度的偏差基本维持在±20%之间，而在情况三下，完成度值的分布更为离散，即不确定性更强，则稳定性较弱。

综合上述情况，当机器人小角度偏差时纠错较为准确，当机器人大角度偏差时，纠错成功的随机性增大，不一定准确。

图15　纠偏程序任务完成度示意图