[发明专利]基于TensorFlow的自动捡乒乓球机器人

说明书

技术领域

本发明属于机器人领域，具体涉及一种基于TensorFlow的自动捡乒乓球机器人。

背景技术

在乒乓球馆中的日常训练过程中，捡取散落在各处的乒乓球对于运动员而言是一件较为消耗体力的工作。而且据医疗统计研究，在剧烈运动过程中，频繁弯腰捡球会增大后期运动受伤的风险。

申请号为201410109219.5的发明专利公开了一种捡球机，其通过在抽吸管后段设有抽吸舱，将球吸入舱内，在球类运动过程中捡球操作简便、省时省力，且能够擦拭球体并抽吸菌尘，减轻了运动人员的工作难度。但是，由于该装置不能自动在乒乓球馆中巡航并发现球体，因此必须要依赖于人的操作，无法实现自动捡球。申请号为201510229859.4的发明专利公开了一种网球捡球机的捡球系统，该捡球系统通过中央处理器接收红外测距传感器的测量数据，并根据相关数据向驱动系统发出运动指令；然后通过驱动系统，在中央处理单元的驱动下实现捡球机的行走过程的变速与转弯。而其捡球装置，由二自由度机械臂和舵机驱动电路组成，采用二自由度机械臂完成夹球、运球和放球动作。该装置能够实现自动化捡球，但其机械臂适用于网球，针对乒乓球的捡球效果不佳，容易导致乒乓球因为压力而凹陷。因此，目前亟待于开发一种自动捡乒乓球的机器人。

随着科学技术的发展和人们生活水平的不断提高，智能手机几乎已经成为每个人的标配，但更多的使用也意味着更多的浪费，根据相关调查，人们平均换安卓智能手机的时间为2-3年左右，年轻人换新手机的频率更是在1-2年之间，频繁地更换意味着旧手机的产出正以很大的数量增长，而废置的旧手机往往被尘封或者被丢弃，这对环境的污染和硬件资源的浪费是十分巨大的。尤其是目前智能手机的运算能力每年均以极大的数量级增长，相当一部分手机的CPU运算能力已经可以跑大规模的算法，如果随意丢弃或者尘封，这显然是对资源的一种极大浪费。

2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源，TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域，TensorFlow提供了多种系统下的样例(如Android、Linux、Windows等)，安卓系统下的TensorFlow的应用引起了我们成员的注意，嵌入式设备如果能跑大规模复杂算法，这对于嵌入式设备的应用是一种极大的提升，而离我们身边的最近的嵌入式设备，就是我们的安卓智能手机。若能够将智能手机加以利用，就可以设计一种基于TensorFlow的自动捡乒乓球机器人。

发明内容

本发明的目的在于提供一种基于TensorFlow的自动捡乒乓球机器人，所采用的具体技术方案如下：

基于TensorFlow的自动捡乒乓球机器人，包括车辆本体、单片机、舵机、电源、摆臂、球框和弹性绳；所述的车辆本体的前端铰接有摆臂；摆臂顶部固定有圆柱形球框，球框的前端开口，后端封闭，且在开口一侧的横截面上固定有若干条间隔排布的弹性绳，相邻两条弹性绳的间距小于待捡乒乓球的直径；弹性绳所处的横截面与球框开口所处的端面间距离小于待捡乒乓球半径的1/2；摆臂底部与舵机的动力输出轴连接，控制其旋转角度；舵机与单片机和电源相连。

作为优选，所述的车辆本体还设置有红外传感器、超声传感器和图像识别模块，红外传感器和超声传感器设置于车辆本体的前端，用于在车辆行进过程中检测与前方物体之间的距离；图像识别模块与单片机相连，用于采集前方图像并进行目标识别。

作为优选，所述的弹性绳处于预紧状态。

作为优选，所述的弹性绳均沿水平方向设置。

作为优选，所述的弹性绳的间距为待捡乒乓球直径的1/2～3/4。

作为优选，所述的图像识别模块采用搭载图像识别算法的智能手机，单片机上设置有蓝牙模块，智能手机通过自身所带的蓝牙连接蓝牙模块后，实现与单片机的数据交互。

进一步的，所述的图像识别算法基于谷歌的开源模型TensorFlow Inception V2，通过对乒乓球图像进行训练后，将训练好的算法移植到智能手机中，利用智能手机搭载的摄像头采集图像，并对图像中的乒乓球进行识别。

进一步的，自动捡乒乓球的方法如下：

机器人首先执行巡航状态：在整个场地中进行巡航，通过摄像头采集图像并识别是否有乒乓球，当识别到图像中乒乓球的存在时，切换到捡球状态；

捡球状态分为接近阶段和捡球阶段：