基于ARM-Linux多功能機器人的設計

利用V4L編寫獲取視頻圖像的程序一般步驟為：打開視頻設備;讀取設備信息，即video_capability中的信息和vd->capability中的各分量;讀取圖像屬性，即video_picture中的信息;更改設備當前設置;進行視頻采集：將圖像數據一幀一幀地讀取到映射好的存儲空間：調用ioctl(fd，VIDIOCGMBUF，buffer)獲得幀信息，并把圖像緩存塊添加到圖像采集隊列;調用yuyv[i]=(char*)mmap(0，buffer. leugth，PROT_READ | PROT_WRITE，MAP_SHARED，fd，buffer.m.offset)將buffer中的數據映射到用戶空間，此時圖像數據以YUV的格式保存到yuyv[i]數組中，采集設備的設備文件映射到了內存區。調用ioctl(video->fd，VIDIOCMCAPTURE，(video->vmmaP))，開始一幀幀的截取視頻。調用VIDIOCSYNC判斷視頻是否截取完畢。若調用成功，表明已成功截取一幀圖像，可以進行下一次VIDIOCMCAPTURE調用。對采集的視頻進行處理之后關閉視頻設備。

2.2 嵌入式Web服務器的設計

嵌入式Web的作用是監聽用戶的服務請求，并根據請求提供相應的服務，用戶通過Internet登陸客戶端瀏覽器即可訪問系統，實現在任何時刻、任何地點對監控現場進行遠程監控。Web服務器系統結構如圖3所示。

連接監聽部分持續監聽來自客戶端的連接請求，一旦發現請求便連接客戶端瀏覽器;通過HTTP請求處理部分來分析接收到的請求：如果接收到請求的是靜態網頁請求，則由靜態網頁處理部分來處理，最終獲得所需的HTML靜態文件;如果接收到的請求是動態CGI請求，則由CGI動態請求處理部分來處理，最終運行相應的CGI程序。CGI程序接收到數據后，啟動應用程序并返回執行結果。

2.3 語音識別模塊

語音識別模塊由預處理、特征提取、模式匹配、建立模型、判決等部分組成，模塊結構圖如圖4所示。

1)預處理：完成語音信號的采樣，對信號進行反混疊帶通濾波處理，去除個體發音差異、設備、環境引起的噪聲影響，語音識別基元的選取、端點檢測、語音分幀以及預加重等工作;

2)特征提取：提取語音信息中反映特征的聲學參數，即一些有效的特征矢量參數;

3)矢量量化：即碼本設計，具體過程是：將包含k個參數的每一參數幀，構成k維空間中的一個矢量，之后對矢量進行量化。將K維無限空間劃分為M個區域邊界后，將輸入矢量與這些邊界進行比較，并被量化為“距離”最小的區域邊界的中心矢量值。矢量量化的目的是針對特定的信息源和矢量維數，找到一種最佳矢量量化器，使得在同等量化速率下信息源通過矢量量化器獲得更小的畸變值;

4)訓練：在識別之前多次重復語音，從原始語音樣本中去除冗余信息，只保留關鍵數據，再按照一定的規則對數據加以聚類，以建立每個使用者的模板;

5)模式匹配：根據一定的規則從輸入的語音信息中提取出來的參量與訓練過程中的模板進行比較，根據一定的模式分類算法得到判決結果。

3 系統測試及性能分析

利用具有高性能的S3C2440芯片的TQ2440開發板進行系統測試，移植內核版本為2.6.30的Linux嵌入式操作系統作為核心平臺，安裝OV9650攝像頭以及支持54 Mbps的無線網卡，選用同樣支持54 Mbps的數據流的IEEE 802.11無線局域網協議，燒寫并運行應用程序，能夠完成圖像的獲取和實時的無線傳輸。在遠程PC機瀏覽器上輸入服務器網址和自行設定的端口號即可看到連續、清晰的視頻監控畫面，實現無線視頻監控。將收集的語音信號通過MATLAB進行仿真我們可以得到一些不同顏色的符號，即兩個語音文本的比對結果。圖5為系統測試的效果圖。實驗測試證明了該方案可行性高，穩定性強。

4 結論

基于S3C2440處理器和嵌入式Linux操作系統構造一個具有定位導航、尋蹤避障、物體定位、特征檢測、目標識別、運動跟蹤、實時監控等功能的智能移動機器人，系統體積小、成本低、功耗低、安裝簡便、穩定可靠、便于管理，遠程客戶端通過瀏覽器便可完成監控操作，能夠適應多種需要遠程監控的領域，如銀行、倉庫、視頻會議、遠程教育、智能小區監控等領域以及各種工業場所等。并實現過程中采用了模塊化的思想，使系統具有良好的開放性，有利于功能擴展和系統升級。