语言识别

pocketsphinx

语言识别教程：http://wiki.ros.org/pocketsphinx .该包更新之后， 可以用catkin了

 

1.        运行安装命令：sudo apt-get install ros-indigo-pocketsphinx

查看语音库

$ roscd pocketsphinx/demo

$ls

$roslaunch roscup.launch

E: Unable to fetch some archives, maybe run apt-getupdate or try with --fix-missing?

去该网页上找了，发现只有20140304这一新的版本, 看来得需要先更新源，但运行sudo apt-get update 时报错：

W: GPG error: http://security.ubuntu.comprecise-security Release: The followingsignatures wereinvalid:BADSIG 40976EAF437D05B5 Ubuntu Archive Automatic SigningKey 。。。Hash Sum mismatch

解决办法是：

sudo apt-get clean
cd /var/lib/apt
sudo mv lists lists.old //把lists文件夹改名为list.old
sudo mkdir -p lists/partial //新建文件夹
sudo apt-get clean
sudo apt-get update

再运行安装命令，sudo apt-get install ros-indigo-pocketsphinx.成功则提示：ldconfig deferred processing now taking place

2.        运行命令$ roslaunch pocketsphinx robocup.launch  //不识别 还得手动敲进去

3.        需要在系统设置中设置麦克风的音量，要设置得大一些，

4.        查看发布的结果消息$ rostopic echo /recognizer/output

 

查看语音库                       

roscd pocketsphinx/demo

进入了文件夹; /opt/ros/indigo/share/pocketsphinx/demo$ 

如今语音识别在PC机和智能手机上炒的火热，ROS走在技术的最前沿当然也不会错过这么帅的技术。ROS中使用了CMU Sphinx和Festival开源项目中的代码，发布了独立的语音识别包，而且可以将识别出来的语音转换成文字，然后让机器人智能处理后说话。

一、语音识别包

1、安装

        安装很简单，直接使用ubuntu命令即可，首先安装依赖库：

[plain]   view plain  copy

1. $ sudo apt-get install gstreamer0.10-pocketsphinx  
2. $ sudo apt-get install ros-indigo-audio-common  
3. $ sudo apt-get install libasound2  

        然后来安装ROS包：

[plain]   view plain  copy

1. $ svn checkout http://albany-ros-pkg.googlecode.com/svn/trunk/rharmony  
2. $ rosmake pocketsphinx  

        其中的核心文件就是nodes文件夹下的recognizer.py文件了。这个文件通过麦克风收集语音信息，然后调用语音识别库进行识别生成文本信息，通过/recognizer/output消息发布，其他节点就可以订阅该消息然后进行相应的处理了。

2、测试

        安装完成后我们就可以运行测试了。
        首先，插入你的麦克风设备，然后在系统设置里测试麦克风是否有语音输入。
        然后，运行包中的测试程序：        

[plain]   view plain  copy

1. $ roslaunch pocketsphinx robocup.launch  

        此时，在终端中会看到一大段的信息。尝试说一些简单的语句，当然，必须是英语，例如：bring me the glass，come with me，看看能不能识别出来。
       《ros by example》这本书中写得测试还是很准确的，但是我在测试中感觉识别相当不准确，可能是我的英语太差了吧。

        

        我们也可以直接看ROS最后发布的结果消息：

[plain]   view plain  copy

1. $ rostopic echo /recognizer/output  

        

二、语音库

1、查看语音库

        这个语音识别时一种离线识别的方法，将一些常用的词汇放到一个文件中，作为识别的文本库，然后分段识别语音信号，最后在库中搜索对应的文本信息。如果想看语音识别库中有哪些文本信息，可以通过下面的指令进行查询：

[plain]   view plain  copy

1. $ roscd pocketsphinx/demo  
2. $ more robocup.corpus  

2、添加语音库

        我们可以自己向语音库中添加其他的文本识别信息，《ros by example》自带的例程中是带有语音识别的例程的，而且有添加语音库的例子。
        首先看看例子中要添加的文本信息：

[plain]   view plain  copy

1. $ roscd rbx1_speech/config  
2. $ more nav_commands.txt  

        

        这就是需要添加的文本，我们也可以修改其中的某些文本，改成自己需要的。
        然后我们要把这个文件在线生成语音信息和库文件，这一步需要登陆网站http://www.speech.cs.cmu.edu/tools/lmtool-new.html，根据网站的提示上传文件，然后在线编译生成库文件。

        把下载的文件都解压放在rbx1_speech包的config文件夹下。我们可以给这些文件改个名字：

[plain]   view plain  copy

1. $ roscd rbx1_speech/config  
2. $ rename -f 's/3026/nav_commands/' *  

        在rbx1_speech/launch文件夹下看看voice_nav_commands.launch这个文件：

[plain]   view plain  copy

1. <launch>  
2. <node name="recognizer" pkg="pocketsphinx" type="recognizer.py"  
3. output="screen">  
4. <param name="lm" value="$(find rbx1_speech)/config/nav_commands.lm"/>  
5. <param name="dict" value="$(find rbx1_speech)/config/nav_commands.dic"/>  
6. </node>  
7. </launch>  

        可以看到，这个launch文件在运行recognizer.py节点的时候使用了我们生成的语音识别库和文件参数，这样就可以实用我们自己的语音库来进行语音识别了。
        通过之前的命令来测试一下效果如何吧：

[plain]   view plain  copy

1. $ roslaunch rbx1_speech voice_nav_commands.launch  
2. $ rostopic echo /recognizer/output  

三、语音控制

        有了语音识别，我们就可以来做很多犀利的应用了，首先先来尝试一下用语音来控制机器人动作。

1、机器人控制节点

        前面说到的recognizer.py会将最后识别的文本信息通过消息发布，那么我们来编写一个机器人控制节点接收这个消息，进行相应的控制即可。
        在pocketsphinx包中本身有一个语音控制发布Twist消息的例程voice_cmd_vel.py，rbx1_speech包对其进行了一些简化修改，在nodes文件夹里可以查看voice_nav.py文件：

[python]   view plain  copy

1. #!/usr/bin/env python  
2.   
3. """ 
4.   voice_nav.py 
5.    
6.   Allows controlling a mobile base using simple speech commands. 
7.    
8.   Based on the voice_cmd_vel.py script by Michael Ferguson in 
9.   the pocketsphinx ROS package. 
10.    
11.   See http://www.ros.org/wiki/pocketsphinx 
12. """  
13.   
14. import roslib; roslib.load_manifest('rbx1_speech')  
15. import rospy  
16. from geometry_msgs.msg import Twist  
17. from std_msgs.msg import String  
18. from math import copysign  
19.   
20. class VoiceNav:  
21.     def __init__(self):  
22.         rospy.init_node('voice_nav')  
23.           
24.         rospy.on_shutdown(self.cleanup)  
25.           
26.         # Set a number of parameters affecting the robot's speed  
27.         self.max_speed = rospy.get_param("~max_speed", 0.4)  
28.         self.max_angular_speed = rospy.get_param("~max_angular_speed", 1.5)  
29.         self.speed = rospy.get_param("~start_speed", 0.1)  
30.         self.angular_speed = rospy.get_param("~start_angular_speed", 0.5)  
31.         self.linear_increment = rospy.get_param("~linear_increment", 0.05)  
32.         self.angular_increment = rospy.get_param("~angular_increment", 0.4)  
33.           
34.         # We don't have to run the script very fast  
35.         self.rate = rospy.get_param("~rate", 5)  
36.         r = rospy.Rate(self.rate)  
37.           
38.         # A flag to determine whether or not voice control is paused  
39.         self.paused = False  
40.           
41.         # Initialize the Twist message we will publish.  
42.         self.cmd_vel = Twist()  
43.   
44.         # Publish the Twist message to the cmd_vel topic  
45.         self.cmd_vel_pub = rospy.Publisher('cmd_vel', Twist)  
46.           
47.         # Subscribe to the /recognizer/output topic to receive voice commands.  
48.         rospy.Subscriber('/recognizer/output', String, self.speech_callback)  
49.           
50.         # A mapping from keywords or phrases to commands  
51.         self.keywords_to_command = {'stop': ['stop', 'halt', 'abort', 'kill', 'panic', 'off', 'freeze', 'shut down', 'turn off', 'help', 'help me'],  
52.                                     'slower': ['slow down', 'slower'],  
53.                                     'faster': ['speed up', 'faster'],  
54.                                     'forward': ['forward', 'ahead', 'straight'],  
55.                                     'backward': ['back', 'backward', 'back up'],  
56.                                     'rotate left': ['rotate left'],  
57.                                     'rotate right': ['rotate right'],  
58.                                     'turn left': ['turn left'],  
59.                                     'turn right': ['turn right'],  
60.                                     'quarter': ['quarter speed'],  
61.                                     'half': ['half speed'],  
62.                                     'full': ['full speed'],  
63.                                     'pause': ['pause speech'],  
64.                                     'continue': ['continue speech']}  
65.           
66.         rospy.loginfo("Ready to receive voice commands")  
67.           
68.         # We have to keep publishing the cmd_vel message if we want the robot to keep moving.  
69.         while not rospy.is_shutdown():  
70.             self.cmd_vel_pub.publish(self.cmd_vel)  
71.             r.sleep()                         
72.               
73.     def get_command(self, data):  
74.         # Attempt to match the recognized word or phrase to the   
75.         # keywords_to_command dictionary and return the appropriate  
76.         # command  
77.         for (command, keywords) in self.keywords_to_command.iteritems():  
78.             for word in keywords:  
79.                 if data.find(word) > -1:  
80.                     return command  
81.           
82.     def speech_callback(self, msg):  
83.         # Get the motion command from the recognized phrase  
84.         command = self.get_command(msg.data)  
85.           
86.         # Log the command to the screen  
87.         rospy.loginfo("Command: " + str(command))  
88.           
89.         # If the user has asked to pause/continue voice control,  
90.         # set the flag accordingly   
91.         if command == 'pause':  
92.             self.paused = True  
93.         elif command == 'continue':  
94.             self.paused = False  
95.           
96.         # If voice control is paused, simply return without  
97.         # performing any action  
98.         if self.paused:  
99.             return         
100.           
101.         # The list of if-then statements should be fairly  
102.         # self-explanatory  
103.         if command == 'forward':      
104.             self.cmd_vel.linear.x = self.speed  
105.             self.cmd_vel.angular.z = 0  
106.               
107.         elif command == 'rotate left':  
108.             self.cmd_vel.linear.x = 0  
109.             self.cmd_vel.angular.z = self.angular_speed  
110.                   
111.         elif command == 'rotate right':    
112.             self.cmd_vel.linear.x = 0        
113.             self.cmd_vel.angular.z = -self.angular_speed  
114.               
115.         elif command == 'turn left':  
116.             if self.cmd_vel.linear.x != 0:  
117.                 self.cmd_vel.angular.z += self.angular_increment  
118.             else:          
119.                 self.cmd_vel.angular.z = self.angular_speed  
120.                   
121.         elif command == 'turn right':      
122.             if self.cmd_vel.linear.x != 0:  
123.                 self.cmd_vel.angular.z -= self.angular_increment  
124.             else:          
125.                 self.cmd_vel.angular.z = -self.angular_speed  
126.                   
127.         elif command == 'backward':  
128.             self.cmd_vel.linear.x = -self.speed  
129.             self.cmd_vel.angular.z = 0  
130.               
131.         elif command == 'stop':   
132.             # Stop the robot!  Publish a Twist message consisting of all zeros.           
133.             self.cmd_vel = Twist()  
134.           
135.         elif command == 'faster':  
136.             self.speed += self.linear_increment  
137.             self.angular_speed += self.angular_increment  
138.             if self.cmd_vel.linear.x != 0:  
139.                 self.cmd_vel.linear.x += copysign(self.linear_increment, self.cmd_vel.linear.x)  
140.             if self.cmd_vel.angular.z != 0:  
141.                 self.cmd_vel.angular.z += copysign(self.angular_increment, self.cmd_vel.angular.z)  
142.               
143.         elif command == 'slower':  
144.             self.speed -= self.linear_increment  
145.             self.angular_speed -= self.angular_increment  
146.             if self.cmd_vel.linear.x != 0:  
147.                 self.cmd_vel.linear.x -= copysign(self.linear_increment, self.cmd_vel.linear.x)  
148.             if self.cmd_vel.angular.z != 0:  
149.                 self.cmd_vel.angular.z -= copysign(self.angular_increment, self.cmd_vel.angular.z)  
150.                   
151.         elif command in ['quarter', 'half', 'full']:  
152.             if command == 'quarter':  
153.                 self.speed = copysign(self.max_speed / 4, self.speed)  
154.           
155.             elif command == 'half':  
156.                 self.speed = copysign(self.max_speed / 2, self.speed)  
157.               
158.             elif command == 'full':  
159.                 self.speed = copysign(self.max_speed, self.speed)  
160.               
161.             if self.cmd_vel.linear.x != 0:  
162.                 self.cmd_vel.linear.x = copysign(self.speed, self.cmd_vel.linear.x)  
163.   
164.             if self.cmd_vel.angular.z != 0:  
165.                 self.cmd_vel.angular.z = copysign(self.angular_speed, self.cmd_vel.angular.z)  
166.                   
167.         else:  
168.             return  
169.   
170.         self.cmd_vel.linear.x = min(self.max_speed, max(-self.max_speed, self.cmd_vel.linear.x))  
171.         self.cmd_vel.angular.z = min(self.max_angular_speed, max(-self.max_angular_speed, self.cmd_vel.angular.z))  
172.   
173.     def cleanup(self):  
174.         # When shutting down be sure to stop the robot!  
175.         twist = Twist()  
176.         self.cmd_vel_pub.publish(twist)  
177.         rospy.sleep(1)  
178.   
179. if __name__=="__main__":  
180.     try:  
181.         VoiceNav()  
182.         rospy.spin()  
183.     except rospy.ROSInterruptException:  
184.         rospy.loginfo("Voice navigation terminated.")  

        可以看到，代码中定义了接收到各种命令时的控制策略。

2、仿真测试

        和前面一样，我们在rviz中进行仿真测试。
        首先是运行一个机器人模型：

[plain]   view plain  copy

1. $ roslaunch rbx1_bringup fake_turtlebot.launch  

        

        然后打开rviz：

[plain]   view plain  copy

1. $ rosrun rviz rviz -d `rospack find rbx1_nav`/sim_fuerte.vcg  

        如果不喜欢在终端里看输出，可以打开gui界面：

[plain]   view plain  copy

1. $ rxconsole  

        再打开语音识别的节点：

[plain]   view plain  copy

1. $ roslaunch rbx1_speech voice_nav_commands.launch  

        最后就是机器人的控制节点了：

[plain]   view plain  copy

1. $ roslaunch rbx1_speech turtlebot_voice_nav.launch  

       OK，打开上面这一堆的节点之后，就可以开始了。可以使用的命令如下：

        下图是我的测试结果，不过感觉准确度还是欠佳：

四、播放语音

        现在机器人已经可以按照我们说的话行动了，要是机器人可以和我们对话就更好了。ROS中已经集成了这样的包，下面就来尝试一下。
        运行下面的命令：

[plain]   view plain  copy

1. $ rosrun sound_play soundplay_node.py  
2. $ rosrun sound_play say.py "Greetings Humans. Take me to your leader."  

        有没有听见声音！ROS通过识别我们输入的文本，让机器人读了出来。发出这个声音的人叫做kal_diphone，如果不喜欢，我们也可以换一个人来读：

[plain]   view plain  copy

1. $ sudo apt-get install festvox-don  
2. $ rosrun sound_play say.py "Welcome to the future" voice_don_diphone  

       哈哈，这回换了一个人吧，好吧，这不也是我们的重点。
       在rbx1_speech/nodes文件夹中有一个让机器人说话的节点talkback.py:

[python]   view plain  copy

1. #!/usr/bin/env python  
2.   
3. """ 
4.     talkback.py - Version 0.1 2012-01-10 
5.      
6.     Use the sound_play client to say back what is heard by the pocketsphinx recognizer. 
7.      
8.     Created for the Pi Robot Project: http://www.pirobot.org 
9.     Copyright (c) 2012 Patrick Goebel.  All rights reserved. 
10.  
11.     This program is free software; you can redistribute it and/or modify 
12.     it under the terms of the GNU General Public License as published by 
13.     the Free Software Foundation; either version 2 of the License, or 
14.     (at your option) any later version.5 
15.      
16.     This program is distributed in the hope that it will be useful, 
17.     but WITHOUT ANY WARRANTY; without even the implied warranty of 
18.     MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the 
19.     GNU General Public License for more details at: 
20.      
21.     http://www.gnu.org/licenses/gpl.htmlPoint 
22. """  
23.   
24. import roslib; roslib.load_manifest('rbx1_speech')  
25. import rospy  
26. from std_msgs.msg import String  
27. from sound_play.libsoundplay import SoundClient  
28. import sys  
29.   
30. class TalkBack:  
31.     def __init__(self, script_path):  
32.         rospy.init_node('talkback')  
33.   
34.         rospy.on_shutdown(self.cleanup)  
35.           
36.         # Set the default TTS voice to use  
37.         self.voice = rospy.get_param("~voice", "voice_don_diphone")  
38.           
39.         # Set the wave file path if used  
40.         self.wavepath = rospy.get_param("~wavepath", script_path + "/../sounds")  
41.           
42.         # Create the sound client object  
43.         self.soundhandle = SoundClient()  
44.           
45.         # Wait a moment to let the client connect to the  
46.         # sound_play server  
47.         rospy.sleep(1)  
48.           
49.         # Make sure any lingering sound_play processes are stopped.  
50.         self.soundhandle.stopAll()  
51.           
52.         # Announce that we are ready for input  
53.         self.soundhandle.playWave(self.wavepath + "/R2D2a.wav")  
54.         rospy.sleep(1)  
55.         self.soundhandle.say("Ready", self.voice)  
56.           
57.         rospy.loginfo("Say one of the navigation commands...")  
58.   
59.         # Subscribe to the recognizer output and set the callback function  
60.         rospy.Subscriber('/recognizer/output', String, self.talkback)  
61.           
62.     def talkback(self, msg):  
63.         # Print the recognized words on the screen  
64.         rospy.loginfo(msg.data)  
65.           
66.         # Speak the recognized words in the selected voice  
67.         self.soundhandle.say(msg.data, self.voice)  
68.           
69.         # Uncomment to play one of the built-in sounds  
70.         #rospy.sleep(2)  
71.         #self.soundhandle.play(5)  
72.           
73.         # Uncomment to play a wave file  
74.         #rospy.sleep(2)  
75.         #self.soundhandle.playWave(self.wavepath + "/R2D2a.wav")  
76.   
77.     def cleanup(self):  
78.         self.soundhandle.stopAll()  
79.         rospy.loginfo("Shutting down talkback node...")  
80.   
81. if __name__=="__main__":  
82.     try:  
83.         TalkBack(sys.path[0])  
84.         rospy.spin()  
85.     except rospy.ROSInterruptException:  
86.         rospy.loginfo("Talkback node terminated.")  

         我们来运行看一下效果：

[plain]   view plain  copy

1. $ roslaunch rbx1_speech talkback.launch  

         然后再说话，ROS不仅将文本信息识别出来了，而且还读了出来，厉害吧。当然了，现在还没有加入什么人工智能的算法，不能让机器人和我们聪明的说话，不过这算是基础了，以后有时间再研究一下人工智能就更犀利了。

-------------------------------------------------------------