CN101413811A - 一种危险品目标自主辨识的方法 - Google Patents
一种危险品目标自主辨识的方法 Download PDFInfo
- Publication number
- CN101413811A CN101413811A CNA2008101535501A CN200810153550A CN101413811A CN 101413811 A CN101413811 A CN 101413811A CN A2008101535501 A CNA2008101535501 A CN A2008101535501A CN 200810153550 A CN200810153550 A CN 200810153550A CN 101413811 A CN101413811 A CN 101413811A
- Authority
- CN
- China
- Prior art keywords
- target
- sensor
- mobile robot
- vision
- olfactory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Manipulator (AREA)
Abstract
本发明涉及一种危险品目标自主辨识的方法,该方法基于嗅、视、听多感官移动机器人,并采用以下步骤:首先,利用安装在移动机器人上的视觉传感器、声觉传感器和嗅觉传感器离线对危险目标分别进行相应感官信息的采集,建立一个融合危险品目标信息模型库;其次,移动机器人的视觉传感器、声觉传感器和嗅觉传感器中的至少一种在工作状态下发现检测目标信号后,立即与危险品目标信息模型库进行比对,初步确认检测目标的身份;再次,通过嗅、视、听多感官共同进行检测目标的精确定位,并驱动机器人接近检测目标后,再综合运用视觉传感器、声觉传感器、嗅觉传感器进行信息采集和对模型库的搜索匹配;最后,通过投票机制的特征判断算法自主辨识得出检测目标的身份。
Description
技术领域
本发明涉及自动检测及机器人技术,具体为一种采用多感官移动机器人来自主辨识危险品目标的方法,国际专利分类号拟为Int.Cl.GO1D 21/02(2006.01)I。
背景技术
目前,随着各国对国家安全、社会治安等公共事业的高度重视,以防暴、反恐、消防灭火、排险救援等为特征的危险作业移动机器人的需求日益增加。在工业上,各种危险化学反应釜、危险品储罐及其管道的检测与维修的机器人也需求旺盛,尤其是在石化行业,随着我国石化工业的发展,各类化学反应容器和输送管道的泄漏检测与修补已成为石化工业避免事故的关键技术。但目前存在的突出问题是如何实现移动机器人对可疑物品或危险目标的准确判断与识别。
现有的机器人自主危险品目标识别办法,主要是通过1.单一的通过视觉传感器进行目标检测,这种技术已经应用较多,技术较成熟,但是单一视觉进行目标的识别易受工作环境光线的影响;2.单一通过嗅觉传感器进行目标辨识,例如,A.J.Lilienthal,T.Duckett,Creating gas concentration gridmapswith a mobile robot,in:Proceedings of the 2003 IEEE/RSJ InternationalConference on Intelligent Robots and Systems(IROS 2003),IEEE/RSJ,2003,pp.118-123,采用的是传感器阵列,只能进行具有气体特征的物体识别,检测范围窄;3.嗅觉传感器与视觉传感器综合应用,例如,Amy Loutfi,MathiasBroxvall,Silvia Coradeschi,Lars Karlsson.Object recognition:A new applicationfor smelling robots.Robotics and Autonomous Systems 52(2005):272-289,该技术是将嗅觉传感器与视觉传感器安装在移动机器人上,协同工作侦测特定气体并获取气味源,能够完成一定检测任务,但是单纯嗅视觉融合不能更加及时的发现危险目标,检测范围窄。
发明内容
针对现有技术的不足,本发明要解决的技术问题是,设计一种危险品目标自主辨识的方法。该自主辨识的方法基于嗅、视、听融合技术的多感官移动机器人技术,通过传声器阵列声源、相关气体气味信息以及系统的视觉信号综合判断,具有检测范围较宽、判断目标属性准确、目标位置定位精度高等特点。
本发明解决所述自主辨识方法技术问题的技术方案是:设计一种危险品目标自主辨识的方法,该方法基于嗅、视、听多感官移动机器人,并采用以下步骤:首先,利用安装在移动机器人上的视觉传感器、声觉传感器和嗅觉传感器离线对危险目标分别进行相应感官信息的采集,建立一个融合危险品目标信息模型库;其次,所述移动机器人的视觉传感器、声觉传感器和嗅觉传感器中的至少一种在工作状态下发现检测目标信号后,立即与所述的危险品目标信息模型库进行比对,初步确认检测目标的身份;再次,通过嗅、视、听多感官共同进行检测目标的精确定位,并驱动机器人接近检测目标,然后再综合运用视觉传感器、声觉传感器、嗅觉传感器进行信息采集和对所述模型库的搜索匹配;最后,通过投票机制的特征判断算法自主辨识得出检测目标的身份。
与现有技术相比,本发明具有如下优点:本发明由于建立在一多感官移动机器人实体上,采用的是拟人多感官机器人技术,通过摄像机、气体传感器、麦克风阵列等传感器获取外部信息,再通过通过机器人智能控制技术,实现机器人的自主危险品(如化工企业的一些泄漏点)辨识定位。通过本发明所述的方法,可以实现机器人的自主危险品目标定位,并且由于是采用的多感官技术,这样就具有更高的辨识精度,也为具有修补防漏功能的机器人提供了很好的基础;另外,可以进行音频、气味、以及现场环境情况的数据采集并通过无线数据传输技术将现场环境信息传到中控中心为现场事故处置的判断以及事故发生的原因的分析判断提供了良好的基础。
附图说明
图1为本发明危险品目标自主辨识的方法采用的多感官移动机器人系统示意图。
图2为本发明危险品目标自主辨识的方法对危险品目标识别过程示意图。
图3为本发明危险品目标自主辨识的方法采用的离线模型库的示意图。
图4为本发明危险品目标自主辨识的方法设计的危险品目标自主辨识的计算机程序原理示意图。
具体实施方式
下面结合实施例及其附图详细叙述本发明。实施例是以本发明技术方案为前提进行的实施,给出了详细的实施方式和过程。但本发明权利要求的保护范围不限于下述的实施例。
本发明设计的一种危险品目标自主辨识的方法(以下简称方法,参见图1—4),该方法基于嗅、视、听多感官移动机器人。多感官移动机器人是由移动机器人底盘及其控制系统,移动机器人上装有气体传感器阵列以及声音传感器阵列和立体视觉摄像机以及用来控制这些传感器的计算机组成的多感官系统构成。多感官系统和移动机器人底盘通过以太网技术进行通讯,进行信息交换。针对不同的实际应用环境的地面状况,移动机器人可采用轮式移动机器人、履带式移动机器人或轮履复合式移动机器人。本发明所述的视觉传感器实施例采用的是立体视觉相机,听觉传感器采用的是高精度宽频率传声器,而嗅觉传感器采用的是可以针对多种危险品的电化学传感器(例如SO2传感器、H2S传感器等)。
本发明采用的目标识别方法采用以下步骤:
首先,要建立离线的危险品目标信息模型库(简称离线模型库),离线模型库包括目标气味特征模型库、目标声觉特征模型、目标视觉特征模型库,这三种离线模型库组成了离线的危险品目标信息模型库(参见图3)。目标气味特征模型库的建立是通过采用多种气体化学传感器建立传感器阵列,并对典型的不同的危险品进行气体传感器检测的标定,为防止由于受到温湿度的变化而产生的传感数据漂移,采用温湿度传感器进行气体特征值的补偿。目标声觉特征模型的建立,通过高精度传声器采集危险品不同发生烈度的声音频率特性,将从传声器中得到的声音信号送入计算机中的声卡进行信号的AD转换,并将其离散化,存储到计算机中。目标视觉特征模型库,是通过对典型危险品的颜色特征以及形状特征进行图像采集,并进行编码、存储,从而建立模型库。模型库的建立是一种离线状态下建立的,是针对各种典型的危险品提取其声音、气味、颜色、形状特征,从而建立的离线模型库。本发明所述模型库的建立方法采用现有的技术,但是,针对某一种危险品的声音、颜色、形状以及气味特征的物体对象属性建立的模型库还未见有报道。
安装有视觉传感器、声觉传感器和嗅觉传感器的移动机器人处于一种室内环境,视觉传感器、声觉传感器和嗅觉传感器全部处于一种扫描状态,也就是视觉传感器对所见区域进行图像采集,并对采集到的图像进行图像预处理,去除一些噪声点,再进行图像分块,然后对图像中的每一块物体进行颜色识别以及形状识别并进行归一化、编码,随后在目标视觉特征模型库中进行搜索匹配,如果得到匹配信息,就驱动机器人动作,使该目标定位于图像中间;如果没有匹配信息,就继续进行扫描。声觉传感器处于一种监听状态,也就是将现场环境的声音信息通过声觉传感器采集到声卡中,分别判断其声强以及频率,并与事先建立好的模型库中的声强频率模型进行搜索匹配,如果得到匹配信息,就驱动机器人动作,使该物体能够被机器人视觉传感器采集到;如果没有匹配信息,则继续进行声音采集。对环境现场的气体信息采集是通过安装在机器人内部的气泵抽取现场环境的气体,然后送到由气体传感器阵列组成的嗅觉传感器,通过机器人内部的AD卡,对气体信号进行AD转换,同时采集由温湿度传感器得到的温湿度信号进入AD卡,进行AD转换,随后将气体信号以及温湿度信号进行编码,再与标气味特征模型库中的特征模型进行搜索匹配,如果得到匹配信息,则驱动机器人动作,是该物体能够被机器人视觉传感器采集到;如果得不到匹配信息,则再通过气泵进行气体抽取。在上述采集信息过程中,任何一种传感器设备检测到现场环境中有危险目标信号,立即针对该种危险品目标物体启动其他感官设备,此时启动的感官设备是针对该危险品目标的,例如:当机器人在现场的检测过程中视觉信号发现了一种危险品目标物体符合自己的模型库中某一种危险品,那么立即调整其他的感官检测,就针对这一种危险品(在视觉模型库中已经被判断出来的)进行其属性判断,再对一种与自己不同的感官模型库的属性进行搜索,针对检测目标的危险性在所述各自的模型库内进行搜索和匹配对比,最后采用投票机制的特征算法,完成检测目标危险性(即目标是否属于危险品)的精确辨识。所述投票机制的算法是,在所有的嗅、视、听传感器针对已经预判断出来的危险品目标进行各自的模型库匹配后,对这种危险品目标物体进行投票,其中任意两种传感器判断出来的危险品目标物体的身份一致,那么就认为该物体为危险品物体,并确定其身份;如果没有超过任意两种传感器判断的身份一致,那么就属于一种误判断,机器人将重新进行现场环境的扫描。
本发明所提供的方法用于多感官移动机器人,还可在完成上述的目标识别过程后,通过安装在移动机器人上的立体视觉相机,为机器人实现泄漏修补、武器打击提供信息;通过远程无线技术将目标现场的环境信息传输到控制中心,为现场事故处理的决策以及事故原因的查找提供信息(参见图2)。
本发明方法设计的自主辨识危险品目标的计算机程序原理是(参见图4):首先机器人处于工作空间中,机器人气体传感器阵列处于气体检测阶段并随时与目标气味特征模型库进行信息匹配比对;机器人听觉传感器——即麦克风阵列处于监听状态,监听和判断是否有声音信号并随时于目标声觉特征模型库进行信息比对匹配;机器人视觉传感器处于视觉扫描阶段,对可疑物品进行视觉扫描,并随时与目标视觉特征模型库进行匹配比对。如果存在任何的可疑信号,如:有一定声强频率信号、一定的气体浓度信息或是可疑的颜色形状物体输入驱动机器人接近可疑目标并将启动所有的感官判断,通过投票机制的特征算法,获取目标身份信息。然后根据所得到的气体浓度信息、声音信息以及视觉信息驱动机器人向可疑目标靠近,以获取目标的三维信息以及现场的环境信息。
本发明由于采用了类似于人的头部系统,综合运用嗅、视、听去发现并判断一个危险品目标,因而具有较广泛的应用。例如如果“眼睛”看不到,可以通过听觉或嗅觉进行现场环境信息的采集;如果“鼻子”闻不到,或者是现场环境的温度、湿度以及气流的变化影响到“鼻子”的精度,可以通过“眼睛”以及“耳朵”来弥补,进行现场环境的信息采集;因而克服了现有技术:单一嗅觉信号易受环境现场气流以及温湿度影响的缺陷;单一声音信号易受噪声等周围环境影响的缺陷;单一视觉定位易受障碍物和光线影响的缺陷;而单采用嗅觉信号和视觉信号或声音信号和视觉信号的融合检测方法,由于受到对象本身属性的限制,因此检测范围也较窄,定位精度较低,获取现场信息较少等缺点。
Claims (2)
1.一种危险品目标自主辨识的方法,该方法基于嗅、视、听多感官移动机器人,并采用以下步骤:首先,利用安装在移动机器人上的视觉传感器、声觉传感器和嗅觉传感器离线对危险目标分别进行相应感官信息的采集,建立一个融合危险品目标信息模型库;其次,所述移动机器人的视觉传感器、声觉传感器和嗅觉传感器中的至少一种在工作状态下发现检测目标信号后,立即与所述的危险品目标信息模型库进行比对,初步确认检测目标的身份;再次,通过嗅、视、听多感官共同进行检测目标的精确定位,并驱动机器人接近检测目标,然后再综合运用视觉传感器、声觉传感器、嗅觉传感器进行信息采集和对所述模型库的搜索匹配;最后,通过投票机制的特征判断算法自主辨识得出检测目标的身份。
2.根据权利要求1所述的危险品目标自主辨识的方法,其特征在于所述的移动机器人可采用轮式移动机器人、履带式移动机器人或轮履复合式移动机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101535501A CN101413811A (zh) | 2008-11-27 | 2008-11-27 | 一种危险品目标自主辨识的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2008101535501A CN101413811A (zh) | 2008-11-27 | 2008-11-27 | 一种危险品目标自主辨识的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101413811A true CN101413811A (zh) | 2009-04-22 |
Family
ID=40594452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2008101535501A Pending CN101413811A (zh) | 2008-11-27 | 2008-11-27 | 一种危险品目标自主辨识的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101413811A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750419B (zh) * | 2009-12-21 | 2012-10-10 | 核工业理化工程研究院华核新技术开发公司 | 基于特征匹配的开放式视觉检测方法 |
CN102770820A (zh) * | 2009-12-22 | 2012-11-07 | Atonarp株式会社 | 机器人 |
CN105116920A (zh) * | 2015-07-07 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人追踪方法、装置及智能机器人 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
CN107202559A (zh) * | 2017-05-08 | 2017-09-26 | 西北工业大学 | 基于室内声学信道扰动分析的物体识别方法 |
CN107770366A (zh) * | 2017-08-31 | 2018-03-06 | 珠海格力电器股份有限公司 | 一种寻找设备的方法、装置、存储介质及设备 |
CN107886095A (zh) * | 2016-09-29 | 2018-04-06 | 河南农业大学 | 一种基于机器视觉和嗅觉特征融合的分类识别方法 |
CN110764500A (zh) * | 2019-09-30 | 2020-02-07 | 天津大学 | 多感官主动巡检机器人装置及其控制方法 |
CN111178198A (zh) * | 2019-12-19 | 2020-05-19 | 杭州电子科技大学 | 一种基于机器视觉的实验室危险品安全隐患自动监测方法 |
CN113370223B (zh) * | 2021-04-19 | 2022-09-02 | 中国人民解放军火箭军工程大学 | 跟随式排爆机器人装置及控制方法 |
-
2008
- 2008-11-27 CN CNA2008101535501A patent/CN101413811A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101750419B (zh) * | 2009-12-21 | 2012-10-10 | 核工业理化工程研究院华核新技术开发公司 | 基于特征匹配的开放式视觉检测方法 |
CN102770820A (zh) * | 2009-12-22 | 2012-11-07 | Atonarp株式会社 | 机器人 |
US9073223B2 (en) | 2009-12-22 | 2015-07-07 | Atonarp Inc. | Robot |
CN102770820B (zh) * | 2009-12-22 | 2015-11-25 | Atonarp株式会社 | 机器人以及控制机器人的方法 |
CN105116920A (zh) * | 2015-07-07 | 2015-12-02 | 百度在线网络技术(北京)有限公司 | 基于人工智能的智能机器人追踪方法、装置及智能机器人 |
CN105674991A (zh) * | 2016-03-29 | 2016-06-15 | 深圳市华讯方舟科技有限公司 | 一种机器人定位方法和装置 |
CN107886095A (zh) * | 2016-09-29 | 2018-04-06 | 河南农业大学 | 一种基于机器视觉和嗅觉特征融合的分类识别方法 |
CN107202559A (zh) * | 2017-05-08 | 2017-09-26 | 西北工业大学 | 基于室内声学信道扰动分析的物体识别方法 |
CN107202559B (zh) * | 2017-05-08 | 2020-04-03 | 西北工业大学 | 基于室内声学信道扰动分析的物体识别方法 |
CN107770366A (zh) * | 2017-08-31 | 2018-03-06 | 珠海格力电器股份有限公司 | 一种寻找设备的方法、装置、存储介质及设备 |
CN110764500A (zh) * | 2019-09-30 | 2020-02-07 | 天津大学 | 多感官主动巡检机器人装置及其控制方法 |
CN111178198A (zh) * | 2019-12-19 | 2020-05-19 | 杭州电子科技大学 | 一种基于机器视觉的实验室危险品安全隐患自动监测方法 |
CN111178198B (zh) * | 2019-12-19 | 2024-02-09 | 杭州电子科技大学 | 一种基于机器视觉的实验室危险品安全隐患自动监测方法 |
CN113370223B (zh) * | 2021-04-19 | 2022-09-02 | 中国人民解放军火箭军工程大学 | 跟随式排爆机器人装置及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101413811A (zh) | 一种危险品目标自主辨识的方法 | |
CN101295016B (zh) | 一种声源自主搜寻定位方法 | |
CN106598052A (zh) | 一种基于环境地图的机器人安防巡检方法及其机器人 | |
CA3138243C (en) | Tracking vehicles in a warehouse environment | |
CN105758450B (zh) | 基于多传感器应急机器人的消防预警感知系统构建方法 | |
CN104935879B (zh) | 用于活动顺序验证的基于视觉的监视系统 | |
US20180165931A1 (en) | Robot security inspection method based on environment map and robot thereof | |
US20180307045A1 (en) | Maintenance support device and maintenance support system for factory equipment | |
CN102496232B (zh) | 一种输电设施监控方法及系统 | |
Wang et al. | Detecting glass in simultaneous localisation and mapping | |
CN103413395B (zh) | 烟气智能检测预警方法及装置 | |
CN108090990A (zh) | 智能巡检系统及机器人 | |
CN102968802A (zh) | 一种基于视频监控的运动目标分析跟踪方法及系统 | |
CN105303949B (zh) | 一种基于煤矿巷道的机器人视觉实验环境系统 | |
CN105913559A (zh) | 一种基于体感技术的银行atm机智能监控方法 | |
CN103235562A (zh) | 变电站基于巡检机器人的综合参数检测系统及巡检方法 | |
WO2013145632A1 (ja) | 動線データ解析装置、システム、プログラム及び方法 | |
CN106341661A (zh) | 巡逻机器人 | |
WO2013145631A1 (ja) | 動線データ解析装置、システム、プログラム及び方法 | |
CN106774325A (zh) | 基于超声波、蓝牙和视觉的跟随机器人 | |
CN114548590B (zh) | 一种基于物联网的工程精装修智慧管理平台及方法 | |
CN112286190A (zh) | 安防巡视预警方法与系统 | |
CN115330129A (zh) | 一种企业安全风险预警分析方法及系统 | |
CN112906674A (zh) | 一种基于双目视觉的矿井火灾识别与火源定位方法 | |
CN112446543A (zh) | 基于神经网络的城市地下综合管廊风险管控系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090422 |