ROS探索总结（十）—— 语音控制

26696

2016年2月19日 22时40分

古月

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：

$ sudo apt-get install gstreamer0.10-pocketsphinx  
$ sudo apt-get install ros-fuerte-audio-common  
$ sudo apt-get install libasound2

然后来安装ROS包：

$ svn checkout http://albany-ros-pkg.googlecode.com/svn/trunk/rharmony  
$ 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：

$ 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：

$ 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：

$ roscd pocketsphinx/demo  
$ 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：

$ roscd rbx1_speech/config  
$ 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：

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

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

<launch>  
<node name="recognizer" pkg="pocketsphinx" type="recognizer.py"  
output="screen">  
<param name="lm" value="$(find rbx1_speech)/config/nav_commands.lm"/>  
<param name="dict" value="$(find rbx1_speech)/config/nav_commands.dic"/>  
</node>  
</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：

$ roslaunch rbx1_speech voice_nav_commands.launch  
$ 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：

#!/usr/bin/env python  
  
""" 
  voice_nav.py 
   
  Allows controlling a mobile base using simple speech commands. 
   
  Based on the voice_cmd_vel.py script by Michael Ferguson in 
  the pocketsphinx ROS package. 
   
  See http://www.ros.org/wiki/pocketsphinx 
"""  
  
import roslib; roslib.load_manifest('rbx1_speech')  
import rospy  
from geometry_msgs.msg import Twist  
from std_msgs.msg import String  
from math import copysign  
  
class VoiceNav:  
    def __init__(self):  
        rospy.init_node('voice_nav')  
          
        rospy.on_shutdown(self.cleanup)  
          
        # Set a number of parameters affecting the robot's speed  
        self.max_speed = rospy.get_param("~max_speed", 0.4)  
        self.max_angular_speed = rospy.get_param("~max_angular_speed", 1.5)  
        self.speed = rospy.get_param("~start_speed", 0.1)  
        self.angular_speed = rospy.get_param("~start_angular_speed", 0.5)  
        self.linear_increment = rospy.get_param("~linear_increment", 0.05)  
        self.angular_increment = rospy.get_param("~angular_increment", 0.4)  
          
        # We don't have to run the script very fast  
        self.rate = rospy.get_param("~rate", 5)  
        r = rospy.Rate(self.rate)  
          
        # A flag to determine whether or not voice control is paused  
        self.paused = False  
          
        # Initialize the Twist message we will publish.  
        self.cmd_vel = Twist()  
  
        # Publish the Twist message to the cmd_vel topic  
        self.cmd_vel_pub = rospy.Publisher('cmd_vel', Twist)  
          
        # Subscribe to the /recognizer/output topic to receive voice commands.  
        rospy.Subscriber('/recognizer/output', String, self.speech_callback)  
          
        # A mapping from keywords or phrases to commands  
        self.keywords_to_command = {'stop': ['stop', 'halt', 'abort', 'kill', 'panic', 'off', 'freeze', 'shut down', 'turn off', 'help', 'help me'],  
                                    'slower': ['slow down', 'slower'],  
                                    'faster': ['speed up', 'faster'],  
                                    'forward': ['forward', 'ahead', 'straight'],  
                                    'backward': ['back', 'backward', 'back up'],  
                                    'rotate left': ['rotate left'],  
                                    'rotate right': ['rotate right'],  
                                    'turn left': ['turn left'],  
                                    'turn right': ['turn right'],  
                                    'quarter': ['quarter speed'],  
                                    'half': ['half speed'],  
                                    'full': ['full speed'],  
                                    'pause': ['pause speech'],  
                                    'continue': ['continue speech']}  
          
        rospy.loginfo("Ready to receive voice commands")  
          
        # We have to keep publishing the cmd_vel message if we want the robot to keep moving.  
        while not rospy.is_shutdown():  
            self.cmd_vel_pub.publish(self.cmd_vel)  
            r.sleep()                         
              
    def get_command(self, data):  
        # Attempt to match the recognized word or phrase to the   
        # keywords_to_command dictionary and return the appropriate  
        # command  
        for (command, keywords) in self.keywords_to_command.iteritems():  
            for word in keywords:  
                if data.find(word) > -1:  
                    return command  
          
    def speech_callback(self, msg):  
        # Get the motion command from the recognized phrase  
        command = self.get_command(msg.data)  
          
        # Log the command to the screen  
        rospy.loginfo("Command: " + str(command))  
          
        # If the user has asked to pause/continue voice control,  
        # set the flag accordingly   
        if command == 'pause':  
            self.paused = True  
        elif command == 'continue':  
            self.paused = False  
          
        # If voice control is paused, simply return without  
        # performing any action  
        if self.paused:  
            return         
          
        # The list of if-then statements should be fairly  
        # self-explanatory  
        if command == 'forward':      
            self.cmd_vel.linear.x = self.speed  
            self.cmd_vel.angular.z = 0  
              
        elif command == 'rotate left':  
            self.cmd_vel.linear.x = 0  
            self.cmd_vel.angular.z = self.angular_speed  
                  
        elif command == 'rotate right':    
            self.cmd_vel.linear.x = 0        
            self.cmd_vel.angular.z = -self.angular_speed  
              
        elif command == 'turn left':  
            if self.cmd_vel.linear.x != 0:  
                self.cmd_vel.angular.z += self.angular_increment  
            else:          
                self.cmd_vel.angular.z = self.angular_speed  
                  
        elif command == 'turn right':      
            if self.cmd_vel.linear.x != 0:  
                self.cmd_vel.angular.z -= self.angular_increment  
            else:          
                self.cmd_vel.angular.z = -self.angular_speed  
                  
        elif command == 'backward':  
            self.cmd_vel.linear.x = -self.speed  
            self.cmd_vel.angular.z = 0  
              
        elif command == 'stop':   
            # Stop the robot!  Publish a Twist message consisting of all zeros.           
            self.cmd_vel = Twist()  
          
        elif command == 'faster':  
            self.speed += self.linear_increment  
            self.angular_speed += self.angular_increment  
            if self.cmd_vel.linear.x != 0:  
                self.cmd_vel.linear.x += copysign(self.linear_increment, self.cmd_vel.linear.x)  
            if self.cmd_vel.angular.z != 0:  
                self.cmd_vel.angular.z += copysign(self.angular_increment, self.cmd_vel.angular.z)  
              
        elif command == 'slower':  
            self.speed -= self.linear_increment  
            self.angular_speed -= self.angular_increment  
            if self.cmd_vel.linear.x != 0:  
                self.cmd_vel.linear.x -= copysign(self.linear_increment, self.cmd_vel.linear.x)  
            if self.cmd_vel.angular.z != 0:  
                self.cmd_vel.angular.z -= copysign(self.angular_increment, self.cmd_vel.angular.z)  
                  
        elif command in ['quarter', 'half', 'full']:  
            if command == 'quarter':  
                self.speed = copysign(self.max_speed / 4, self.speed)  
          
            elif command == 'half':  
                self.speed = copysign(self.max_speed / 2, self.speed)  
              
            elif command == 'full':  
                self.speed = copysign(self.max_speed, self.speed)  
              
            if self.cmd_vel.linear.x != 0:  
                self.cmd_vel.linear.x = copysign(self.speed, self.cmd_vel.linear.x)  
  
            if self.cmd_vel.angular.z != 0:  
                self.cmd_vel.angular.z = copysign(self.angular_speed, self.cmd_vel.angular.z)  
                  
        else:  
            return  
  
        self.cmd_vel.linear.x = min(self.max_speed, max(-self.max_speed, self.cmd_vel.linear.x))  
        self.cmd_vel.angular.z = min(self.max_angular_speed, max(-self.max_angular_speed, self.cmd_vel.angular.z))  
  
    def cleanup(self):  
        # When shutting down be sure to stop the robot!  
        twist = Twist()  
        self.cmd_vel_pub.publish(twist)  
        rospy.sleep(1)  
  
if __name__=="__main__":  
    try:  
        VoiceNav()  
        rospy.spin()  
    except rospy.ROSInterruptException:  
        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：

$ roslaunch rbx1_bringup fake_turtlebot.launch

然后打开rviz：

$ 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：

$ rxconsole

再打开语音识别的节点：

$ roslaunch rbx1_speech voice_nav_commands.launch

最后就是机器人的控制节点了：

$ 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：

$ rosrun sound_play soundplay_node.py  
$ 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：

$ sudo apt-get install festvox-don  
$ 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:

#!/usr/bin/env python  
  
""" 
    talkback.py - Version 0.1 2012-01-10 
     
    Use the sound_play client to say back what is heard by the pocketsphinx recognizer. 
     
    Created for the Pi Robot Project: http://www.pirobot.org 
    Copyright (c) 2012 Patrick Goebel.  All rights reserved. 
 
    This program is free software; you can redistribute it and/or modify 
    it under the terms of the GNU General Public License as published by 
    the Free Software Foundation; either version 2 of the License, or 
    (at your option) any later version.5 
     
    This program is distributed in the hope that it will be useful, 
    but WITHOUT ANY WARRANTY; without even the implied warranty of 
    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the 
    GNU General Public License for more details at: 
     
    http://www.gnu.org/licenses/gpl.htmlPoint 
"""  
  
import roslib; roslib.load_manifest('rbx1_speech')  
import rospy  
from std_msgs.msg import String  
from sound_play.libsoundplay import SoundClient  
import sys  
  
class TalkBack:  
    def __init__(self, script_path):  
        rospy.init_node('talkback')  
  
        rospy.on_shutdown(self.cleanup)  
          
        # Set the default TTS voice to use  
        self.voice = rospy.get_param("~voice", "voice_don_diphone")  
          
        # Set the wave file path if used  
        self.wavepath = rospy.get_param("~wavepath", script_path + "/../sounds")  
          
        # Create the sound client object  
        self.soundhandle = SoundClient()  
          
        # Wait a moment to let the client connect to the  
        # sound_play server  
        rospy.sleep(1)  
          
        # Make sure any lingering sound_play processes are stopped.  
        self.soundhandle.stopAll()  
          
        # Announce that we are ready for input  
        self.soundhandle.playWave(self.wavepath + "/R2D2a.wav")  
        rospy.sleep(1)  
        self.soundhandle.say("Ready", self.voice)  
          
        rospy.loginfo("Say one of the navigation commands...")  
  
        # Subscribe to the recognizer output and set the callback function  
        rospy.Subscriber('/recognizer/output', String, self.talkback)  
          
    def talkback(self, msg):  
        # Print the recognized words on the screen  
        rospy.loginfo(msg.data)  
          
        # Speak the recognized words in the selected voice  
        self.soundhandle.say(msg.data, self.voice)  
          
        # Uncomment to play one of the built-in sounds  
        #rospy.sleep(2)  
        #self.soundhandle.play(5)  
          
        # Uncomment to play a wave file  
        #rospy.sleep(2)  
        #self.soundhandle.playWave(self.wavepath + "/R2D2a.wav")  
  
    def cleanup(self):  
        self.soundhandle.stopAll()  
        rospy.loginfo("Shutting down talkback node...")  
  
if __name__=="__main__":  
    try:  
        TalkBack(sys.path[0])  
        rospy.spin()  
    except rospy.ROSInterruptException:  
        rospy.loginfo("Talkback node terminated.")

我们来运行看一下效果：

$ 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。

语音识别

原创文章，作者：古月，如若转载，请注明出处：古月居 https://www.guyuehome.com/260

古月

0 35

ROS探索总结（九）—— 操作杆控制

« 上一篇 2016年2月19日 22时21分

ROS探索总结（十一）—— 机器视觉

下一篇 » 2016年2月19日 22时46分

发表评论取消回复

后才能评论

评论列表（35条）

柠檬蔚🍋 2020年1月28日下午11:57

古月老师，为什么我下载了github里的源代码，去掉ROS2的内容后编译还是不通过，说找不到libmsc这个文件
[ 27%] Linking CXX executable /home/***/catkin_ws/devel/lib/robot_voice/tts_subscribe
/usr/bin/ld: cannot find -lmsc
collect2: error: ld returned 1 exit status
ros_exploring/robot_perception/robot_voice/CMakeFiles/tts_subscribe.dir/build.make:113: recipe for target ‘/home/***/catkin_ws/devel/lib/robot_voice/tts_subscribe’ failed
make[2]: *** [/home/***/catkin_ws/devel/lib/robot_voice/tts_subscribe] Error 1
CMakeFiles/Makefile2:1928: recipe for target ‘ros_exploring/robot_perception/robot_voice/CMakeFiles/tts_subscribe.dir/all’ failed
make[1]: *** [ros_exploring/robot_perception/robot_voice/CMakeFiles/tts_subscribe.dir/all] Error 2
Makefile:138: recipe for target ‘all’ failed
make: *** [all] Error 2
Invoking “make -j1 -l1” failed

回复
- 柠檬蔚🍋 回复柠檬蔚🍋 2020年1月29日上午11:18
  
  解决了：https://blog.csdn.net/suer0101/article/details/7280240
  
  回复
- 古月回复柠檬蔚🍋 2020年2月6日下午11:03
  
  请把robot_voice中的libmsc拷贝到/usr/lib中
  
  回复
王强 2019年10月16日下午4:54

古月,你好,ros中是否还存类似的包能够将音频文件输入,然后判断音频内容,因为目前我外接一个MIC 阵列,能够读取到音频采样后的pcm的值,然后想把音频文件直接作为输入,判断.

回复
伟业 2019年4月15日下午4:04

在你的书中，第188页，语音识别测试，如果遇到pocketsphinx功能包运行时错误，下载语音引擎，并且解压缩文件和拷贝，这里能讲一下具体操作吗？

回复
- FYO 回复伟业 2019年8月12日下午4:39
  
  同问，我探索了大半天，也遇到这个问题了
  
  回复
Dawn 2018年11月8日下午3:56

问题已经解决了，但是我把所有的东西都安装好后，包括修改recognizer.py文件，再robocup.launch中设置lm/dic/hmm参数的具体路径，然后运行robocup.launch启动语音识别，再执行rostopic echo /recognizer/output命令时，弹出警告
WARNING: topic [/recognizer/output] does not appear to be published yet
然后就没有反映了，请问老师这如何解决，才能成功识别语音

回复
- 古月回复 Dawn 2018年11月12日下午8:37
  
  用rostopic list看下有没有output话题
  
  回复
Dawn 2018年11月8日上午10:34

古月老师，您好：
我目前正在学习ROS系统，用的教程是您的《ROS机器人开发实践》，第8章机器语音中，8.1.1 pocketsphinx功能包安装时，使用命令sudo dpkg -i libsphinxbase1_0.8-6_amd64.deb 时，报错如下：
dpkg: 处理归档 libsphinxbase1_0.8-6_amd64.deb (–install)时出错：
无法访问归档文件: 没有那个文件或目录
在处理时有错误发生：
libsphinxbase1_0.8-6_amd64.deb
上网差了半天也找不到原因
请老师指教，谢谢

回复
- 古月回复 Dawn 2018年11月12日下午8:33
  
  执行这句命令的时候是在当前路径下找libsphinxbase1_0.8-6_amd64.deb的，确定路径没问题么？
  
  回复
- Haylee 回复 Dawn 2019年2月25日上午10:31
  
  我也遇到了相同的问题，请问如何解决的呢？
  
  回复
- harrycomeon 回复 Haylee 2019年4月30日上午11:17
  
  语句换成这个sudo apt-get install ros-kinetic-audio-common libasound2 gstreamer0.10-* gstreamer1.0-pocketsphinx
  
  回复
BrightRain 2018年10月4日下午3:42

我按照您书上的方法，出现了以下的错误，ImportError No module named pygst

回复
- 古月回复 BrightRain 2018年10月9日下午7:09
  
  pygst没有安装
  
  回复
- yhw 回复 BrightRain 2019年1月24日上午11:42
  
  请问一下，这个你解决了吗？
  
  回复
- 小小孔回复 yhw 2019年2月21日下午5:07
  
  请问你解决了吗
  
  回复
- 小小孔回复 BrightRain 2019年2月21日下午5:04
  
  请问你解决了吗
  
  回复
- 冬秋回复 BrightRain 2019年2月26日下午9:19
  
  见文https://blog.csdn.net/yikangj/article/details/82024809
  
  回复
陈遥 2018年1月11日下午2:47

请问一下我在安装依赖时为什么出现E: 无法定位软件包 gstreamer0.10-pocketsphinx，版本是kinetic，是因为需要翻墙吗？

回复
- 陈遥回复陈遥 2018年1月11日下午5:04
  
  问题解决了，源的问题
  
  回复
- 古月回复陈遥 2018年1月13日下午11:50
  
  赞
  
  回复
- 计成龙回复陈遥 2018年4月23日下午3:49
  
  请问一下，你是怎么解决的？
  
  回复
- harrycomeon 回复计成龙 2019年4月30日上午11:24
  
  语句换成这个sudo apt-get install ros-kinetic-audio-common libasound2 gstreamer0.10-* gstreamer1.0-pocketsphinx
  
  回复
海旋涡 2017年3月5日下午10:44

svn checkout http://albany-ros-pkg.googlecode.com/svn/trunk/rharmony
月哥当前我的虚拟机不能翻墙不能用这条命令获取到包，能麻烦发个包给我吗万分感谢
我的邮箱469249801@qq.com

回复
- 古月回复海旋涡 2017年3月6日上午11:21
  
  参考http://www.guyuehome.com/514，在indigo上重新做的，现在应该不用单独编译rharmony了
  
  回复
俞敏杰 2016年9月11日上午6:49

我试了一下，bring me glass那边识别率还是挺高的，到了forward那边识别率就比较低了。另外我发现发音浑浊一些识别率会变高，可能还是跟英文的准确度有关。

回复
胜杰-tarantula 2016年5月17日下午5:44

是不是仅有博主可以回复。。。
@谢志浩
https://github.com/pirobot/rbx1

《ros by example》一书第五章有详细说明，下面是该书indigo版本的电子书
https://github.com/Durant35/ROS_Note/blob/master/books/ros_by_example_1_indigo.pdf

回复
- 古月回复胜杰-tarantula 2016年5月22日下午12:34
  
  不好意思，所有人都可以回复，不知道为什么网站拦截了你的回复，我检查一下配置
  
  回复
胜杰-tarantula 2016年5月17日下午5:43

https://github.com/pirobot/rbx1

《ros by example》一书第五章有详细说明，下面是该书indigo版本的电子书
https://github.com/Durant35/ROS_Note/blob/master/books/ros_by_example_1_indigo.pdf

回复
谢志浩 2016年5月17日下午5:16

请问文中提到的rbx1是什么文件，我在ros by example 中看到关于rbx1的文字，还是不知道从哪里下载以及安装。请大神指教

回复
- 胜杰-tarantula 回复谢志浩 2016年5月17日下午5:41
  
  https://github.com/pirobot/rbx1
  
  这个《ros by example》一书中第五章有详细说明
  
  这里是indigo版本的电子书 https://github.com/Durant35/ROS_Note/blob/master/books/ros_by_example_1_indigo.pdf
  
  回复
- 胜杰-tarantula 回复谢志浩 2016年5月17日下午5:43
  
  https://github.com/pirobot/rbx1
  
  《ros by example》一书第五章有详细说明，下面是该书indigo版本的电子书
  https://github.com/Durant35/ROS_Note/blob/master/books/ros_by_example_1_indigo.pdf
  
  回复
- 古月回复谢志浩 2016年5月17日下午11:59
  
  rbx1是ros by example这本书源码的功能包，在书里有源码的下载地址
  
  回复
- 谢志浩回复古月 2016年5月18日下午8:43
  
  非常感谢，我下载了PDF版的并且安装好了，顺便想问一下哪里有英文的原版书卖
  
  回复
- 古月回复谢志浩 2016年5月19日下午4:52
  
  现在网上都有下载
  
  回复