一种基于Kinect和FPGA的家庭服务机器人制造技术

本实用新型专利技术提供了一种基于Kinect和FPGA的家庭服务机器人，包括框架，该框架上从上往下依次设有相连接的上位机和下位机，上位机还与Kinect传感器相连接；下位机分别与多个电机驱动器相连接，每个电机驱动器均连接有一个直流伺服电机，一个直流伺服电机与一个电机编码器相连接，一个直流伺服电机驱动一组全向车轮；所有的电机编码器均与下位机相连接；上位机和下位机通过串口收发模块相连接。本机器人具有能够识别主人、跟随主人、任意方向自由移动、远程控制、人机交互和娱乐的功能；解决了目前家庭服务机器人功能单一、结构复杂、交互性能差等缺点。（*该技术在2023年保护过期，可自由使用*）

【技术实现步骤摘要】

本技术属于为人类服务的特种机器人
，涉及一种智能家庭服务机器人，具体涉及一种能够实现识别主人、跟随主人、任意方向自由移动、远程控制、人机交互和娱乐功能的基于Kinect和FPGA的家庭服务机器人。
技术介绍
随着人们生活质量的日益提高，家庭服务机器人已经开始进入家庭服务行业。由家庭服务机器人代替人来完成清洁卫生、物品搬运、病人监护、儿童教育、家庭娱乐等各种事务，不仅是一项极具应用前景的高新技术行业，而且也是家庭机器人目前研究的一个重要热点。目前，家庭服务机器人发展正处于起步阶段，没有大规模的推广和应用，随着社会发展和科技水平的提高，人们也会越来越青睐智能家居生活。但是由于技术以及成本的限制，使得已经推广使用的家庭服务机器人种类较少，一般主要为智能安防机器人、地面清洁机器人、自动擦窗机器人、空气净化机器人等。这些机器人功能单一，移动和交互性能差，不同时具有识别主人、跟随主人、自主移动、远程控制、人机交互等功能。
技术实现思路
为了弥补上述现有家庭服务机器人技术中存在的不足和问题，推进家庭服务机器人技术的发展，本技术提供了一种基于Kinect和FPGA的家庭服务机器人，具有能够识别主人、跟随主人、任意方向自由移动、远程控制、人机交互和娱乐的功能。为实现上述目的，本技术采用的技术方案是:一种基于Kinect和FPGA的家庭服务机器人，包括框架，该框架上从上往下依次设有相连接的上位机和下位机，上位机还与Kinect传感器相连接 ；下位机分别与多个电机驱动器相连接，每个电机驱动器均连接有一个直流伺服电机，一个直流伺服电机与一个电机编码器相连接，一个直流伺服电机驱动一组全向车轮；所有的电机编码器均与下位机相连接；上位机和下位机通过串口收发模块相连接。本技术家庭服务机器人采用上位机加下位机的结构模式；上位机由PC机构成，负责处理Kinect传感器捕获的实时色彩信息和深度信息以及语音信息，然后通过决策分析模块，将分析结果转化为语音输出，或者将分析结果传给串口收发模块发送至下位机；下位机采用单片FPGA芯片作为控制器，完成机器人的底层运动控制；也可以采用无线信号远程控制机器人的运动状态。底层运动结构中采用全向轮，使得机器人不需要转弯即可向任意方向自由移动。附图说明图1是本技术家庭服务机器人的结构示意图。图2是本技术家庭服务机器人中Kinect传感器的原理图。图3是本技术家庭服务机器人对选取跟踪的人体进行检测时，需要检测的该人体的骨骼关节示意图。图4是本技术家庭服务机器人进行语音识别的原理图。图5是电机正转时编码器输出波形图图6是电机反转时编码器输出波形图图7是测速模块采用变Μ/T法测速的原理图。图8是本技术家庭服务机器人上设置的三个全向车轮的运动学模型图。图9是PID控制的原理框图。图10异步通信中每一帧数据格式图。图1中:1.Kinect传感器，2.麦克风，3.上位机，4.语音识别模块，5.决策分析模土夹，6.串口收发模块，7.下位机，8.增量式PID算法模块，9.速度转化为占空比模块，10.电机驱动器，11.直流伺服电机，12.电机编码器，13.全向车轮，14.输出PWM波模块，15.编码信号采集模块，16.速度矢量分解算法模块，17.语音合成模块，18.音箱，19.人体骨骼检测与跟踪模块。具体实施方式以下结合附图和具体实施方式对本技术进行详细说明。如图1所示，本技术家庭服务机器人，包括框架，该框架上从上往下依次设有相连接的上位机3和下位机7 ，上位机I还分别与Kinect传感器1、麦克风2和音箱18相连接；下位机7分别与多个电机驱动器10相连接，每个电机驱动器10均连接有一个直流伺服电机11，一个直流伺服电机11与一个电机编码器12相连接，一个直流伺服电机11驱动一个全向车轮13 ;所有的电机编码器12均与下位机7相连接；上位机3和下位机7通过串口收发模块6相连接。上位机3包括决策分析模块5，决策分析模块5分别和人体骨骼检测与跟踪模块19、语音识别模块4、语音合成模块17以及串口收发模块6相连接，语音合成模块17与音箱18相连接；人体骨骼检测与跟踪模块19和Kinect传感器I相连接，语音识别模块4和麦克风2相连接。下位机7包括依次相连接的编码信号采集模块15、速度矢量分解算法模块16、增量式PID算法模块8、速度转化为占空比模块9和输出PWM波模块14 ;速度矢量分解算法模块16与串口收发模块6相连接，输出PWM波模块14分别与所有的电机驱动器10相连接；编码信号采集模块15分别与所有的电机编码器12相连接。上位机3采用PC机；下位机7采用FPGA芯片。本技术家庭服务机器人各部分的功能:1.人体骨骼检测与跟踪模块本技术家庭服务机器人采用Kinect传感器I作为人体骨骼检测与跟踪的核心。Kinect传感器I包含了彩色图像传感器、红外传感器、深度图像传感器、麦克风阵列和数据处理芯片等资源，其原理如图2所示。人体骨骼检测时，Kinect传感器I将采集到的深度数据和色彩数据传给PC机，PC机对接收到的数据进行分析，提取图像数据中的人体骨骼，每次可以最多同时检测到6个人体目标，但只能对其中的两个目标进行跟踪，本技术家庭服务机器人只选取一个人体目标进行跟踪。检测时，人体骨骼关节从上到下、从左到右依次为头、左手、左手腕、左肘、左肩、肩中心、右肩、右肘、右手腕、右手、脊椎、髋中心、左髋关节、右髋关节、左膝盖、右膝盖、左脚踝、右脚踝、左脚和右脚共20个关节，如图3所示。家庭服务机器人检测到正确的人体骨骼后，立即锁定该人体目标并实施跟踪，同时，通过深度图像得到所选取的人体每一个关节点的相对位置坐标，通过人体骨骼数据和距离机器人的距离来实现跟踪。2.语音识别模块与语音合成模块根据对说话人的依赖程度，分为特定人语音识别(SD)和非特定人语音识别(SI)；特定人语音识别(SD)只能辨认特定使用者的语音，训练_>使用，即先训练，后使用。训练是为了获得说话人的语音特征数据(如音频、音质等)，使用时将获得的语音特征与训练得到的语音特征数据对比，如果特征一致，识别成功，否则失败；非特定人语音识别(SI)就是可辨认任何人的语音，无须训练。根据对说话方式的要求，分为孤立词识别(每次只能识别单个词汇)以及连续语音识别(用者以正常语速说话，即可识别其中的语句)。本家庭服务机器人的语音合成模块17分别采用微软的speech SDK语音开发套件和TTS套件来实现语音识别和语音合成，语音识别的原理如图4所示。首先进行训练过程，训练初始化完成之后，就可以采集语音信息，提取语音的特征数据(音频、音质等)，将提取的语音特征数据保存在特征数据库中，如此循环，可对不同指令加以训练获得相应特征数据。在识别过程，先对采集的语音信息进行初始化预处理，去除噪声；然后提取语音特征数据，将提取的特征数据与训练得到的语音特征数据进行对比比配，如果特征一致，获得识别的结果，进而识别判断是否为语音命令(如前进、左转、停止等)，并且执行相应的操作。本技术家庭服务机器人中的麦克风2为语音信号的采集设备，Kinect传感器I中麦克风阵列集成在Kinect传感器I内，如果周围环境嘈杂，说话人距离机器人较远时，噪本文档来自技高网...

【技术保护点】
一种基于Kinect和FPGA的家庭服务机器人，包括框架，其特征在于，该框架上从上往下依次设有相连接的上位机（3）和下位机（7），上位机（1）还与Kinect传感器（1）相连接；下位机（7）分别与多个电机驱动器（10）相连接，每个电机驱动器（10）均连接有一个直流伺服电机（11），一个直流伺服电机（11）与一个电机编码器（12）相连接，一个直流伺服电机（11）驱动一组全向车轮（13）；所有的电机编码器（12）均与下位机（7）相连接；上位机（3）和下位机（7）通过串口收发模块（6）相连接。

【技术特征摘要】

【专利技术属性】
技术研发人员：裴东，崔涛，谭等泰，王全州，安占福，赵爱芳，刘平和，陈丽君，陶中幸，
申请(专利权)人：西北师范大学，
类型：实用新型
国别省市：