具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
参照图1,本发明实施例提出了一种驱赶老鼠方法,包括:
S10、扫地机器人根据获取到的信息判断是否存在老鼠;
S20、若存在,根据所述获取到的信息计算老鼠的位置;
S30、移动至所述位置并发出驱赶信号。
扫地机器人,又称自动打扫机、智能吸尘、机器人吸尘器等,是智能家用电器的一种,能凭借一定的人工智能,自动在房间内完成地板清理工作。一般采用刷扫和真空方式,将地面杂物先吸纳进入自身的垃圾收纳盒,从而完成地面清理的功能。一般来说,将完成清扫、吸尘、擦地工作的机器人,也统一归为扫地机器人。
本实施例中,扫地机器人设置有感应装置,该感应装置具有识别是否有老鼠的功能。同时,扫地机器人还具有计算定位功能,计算老鼠所在的位置。扫地机器人还配设有驱赶装置,该驱赶装置具有发出驱赶信号的功能。扫地机器人可以设置有多种工作模式,如扫地模式、驱鼠模式等。驱鼠模式可手动开启。当扫地机器人开启扫地模式时,可对房间地面进行清洁。当扫地机器人开启驱鼠模式时,可对房间内进行监控,一旦发现老鼠踪迹,立刻前去将其赶走。驱鼠模式可以在无人或深夜阶段开启。
步骤S10中,扫地机器人对获取到的信息进行分析,判断信息中是否包含老鼠。在此处,信息可以是图像信息,也可以是声音信息,或者其他可以用于识别老鼠的信息。例如,在一图像中,包含有老鼠的画面。而以声音为例,在获取到的声音信息内,包含一部分的老鼠叫声或行走声。
步骤S20中,若信息中包含老鼠,则扫地机器人可以判断当前存在老鼠,需对老鼠进行驱赶。此时需要对老鼠的位置进行判断,以抵达老鼠所在位置。以获取到图像为例,可通过辨别老鼠在图像的位置确定移动的方位。
步骤S30中,当扫地机器人抵达老鼠所在位置,便可以发出驱赶信号,使老鼠逃离。这样,该位置的物品不会继续被老鼠咬坏。驱赶信号指的是可以使老鼠离开的信号,包括但不限于超声波、特殊声响。
可选的,步骤S10之前,包括:
通过摄像头获取图像信息。所述摄像头包括可见光成像摄像头和红外成像摄像头。
本实施例中,扫地机器人是通过摄像头获得图像信息的。图像信息可用来判断是否存在老鼠。可见光成像摄像头可在白天或光线较强时工作,红外成像摄像头可在夜间或光线较弱时工作。
可选的,步骤S10,包括:
扫地机器人将获取的图像信息输入到预设CNN模型进行处理,确定存在老鼠。本实施例中,获取到图像信息之后,需要对图像信息处理,判断图像信息里面是否包含老鼠的信息。可采用CNN(卷积神经网络)算法处理图像信息,判断图像信息内是否包含老鼠的信息。
CNN是一种深层神经网络,包括输入层、隐层、输出层,隐层又包括卷积层、下采样层等;由于CNN的参数非常多,一般在在卷积层中使用参数共享来控制参数的数量。可通过多幅包含老鼠的图像进行训练,以建立可用于识别老鼠图像的模型。
CNN模型训练过程可以是:
初始化神经元连接的权重和偏置;
输入前向传递:样本输入经过CNN的各层前向传递,计算出每一个神经元的输出。
输出层输出该组训练数据的类别:将此类别和训练数据的期望输出比较,如果图像误差值不符合预设图像阈值,则启动后向传播算法过程;如果图像误差值符合预设的阈值,则CNN的算法终止。
如果启动后向传播算法(BPTT),则使用输出层的图像误差值计算前一层神经元的误差,并以这种方式从后向前递进式地计算所有隐藏层、输入层的神经元上的误差。
根据上面计算的图像误差值,采用梯度下降算法从输入层到输出层,逐层更新连接的权重和神经元的偏置。
直到图像误差值小于预设图像阈值,终止循环计算。从而得到CNN模型的关键参数。
将获得图像信息输入到CNN模型内,经过层层计算,获得图像误差值。若图像误差值小于预设图像阈值,确认是否有老鼠。
可选的,步骤S10之前,包括:
通过麦克风阵列获取声音信息。
本实施例中,扫地机器人是通过麦克风阵列获得声音信息的。声音信息可用来判断是否存在老鼠。麦克风阵列(Microphone Array),是由一定数目的声学传感器(一般是麦克风)组成,用来对声场的空间特性进行采样并处理的系统。
可选的,步骤S20包括:
利用声源定位算法对所述声音信息进行处理,计算出老鼠的位置。
本实施例中,当确认在房间内是存在老鼠的,此时需要对老鼠进行精确定位来驱赶老鼠。通过麦克风阵列可以获取一组音频信息。各个音频信息里面包含老鼠的信息的强度会存在差异。可根据这些差异来判断老鼠的方位和距离。同时,可结合室内地图或障碍物感应装置,确定好移动路线,以抵达老鼠所在的位置。
可采用时延法进行声源定位,方法如下:
参照图2,图2为用麦克风阵列测量声源位置的示意图。P1、P2、P3、P4分别代表四个麦克风。以四个麦克风的中心为原点建立3维直角坐标系。在下式中,x(n)是麦克风收到的信号,s(n)是声源信号,w(n)是背景噪声,α是声传播衰减信号,τ是声波从声源到麦克风的传播时间。R是自相关函数,E是数学期望。r1、r2、r3、r4分别代表P1、P2、P3、P4到声源S的距离。具体计算过程如下:
xi(n)=αis(n-τi)+wi(n)
xj(n)=αjs(n-τj)+wj(n)
当τ=τi-τj=τij时,Rij(τ)有最大值。
求出此时的τij,可以算出声源到两个麦克风的时延。
x2+y2+z2=r2
z=rsinθ
τ21=(r2-r1)/C
τ31=(r3-r1)/C
τ41=(r4-r1)/C
麦克风阵列侦测到有声音,且声音信息中包含老鼠声音信息时,通过以上方法可以定位老鼠声音信息的位置,获得老鼠所在位置。
可选的,所述驱赶信号包括超声波和/或猫叫声。
本实施例中,扫地机器人可通过发出超声波或猫叫声来赶跑老鼠。如,扫地机器人可采用驱鼠超声波发生器,发出20~40kHz的超声波信号对老鼠进行驱赶。扫地机器人设置有播放器,播放器预存有不同类型的猫叫声。在靠近老鼠身边时,扫地机器人启用播放器,播放出其中一种的猫叫声。若该猫叫声未能驱赶掉老鼠,则切换为另一种猫叫声,直到老鼠逃跑。
本发明提出的驱赶老鼠方法,包括:扫地机器人根据判断获取到的信息判断是否包含存在老鼠信息;若存在,根据所述获取到的信息计算所述老鼠信息对应的老鼠的位置;移动至所述位置并发出驱赶信号。本发明为扫地机器人增添驱鼠功能,解决鼠患问题,可以防止老鼠对家具和衣物进行破坏。
参照图3,本发明实施例还提出了一种扫地机器人,包括:
判断模块10,用于根据获取到的信息判断是否存在老鼠;
定位模块20,用于若存在,根据所述获取到的信息计算老鼠的位置;
驱赶模块30,用于移动至所述位置并发出驱赶信号。
扫地机器人,又称自动打扫机、智能吸尘、机器人吸尘器等,是智能家用电器的一种,能凭借一定的人工智能,自动在房间内完成地板清理工作。一般采用刷扫和真空方式,将地面杂物先吸纳进入自身的垃圾收纳盒,从而完成地面清理的功能。一般来说,将完成清扫、吸尘、擦地工作的机器人,也统一归为扫地机器人。
本实施例中,扫地机器人设置有感应装置,该感应装置具有识别是否有老鼠的功能。同时,扫地机器人还具有计算定位功能,计算老鼠所在的位置。扫地机器人还配设有驱赶装置,该驱赶装置具有发出驱赶信号的功能。扫地机器人可以设置有多种工作模式,如扫地模式、驱鼠模式等。驱鼠模式可手动开启。当扫地机器人开启扫地模式时,可对房间地面进行清洁。当扫地机器人开启驱鼠模式时,可对房间内进行监控,一旦发现老鼠踪迹,立刻前去将其赶走。驱鼠模式可以在无人或深夜阶段开启。
判断模块10中,扫地机器人对获取到的信息进行分析,判断信息中是否包含老鼠。在此处,信息可以是图像信息,也可以是声音信息,或者其他可以用于识别老鼠的信息。例如,在一图像中,包含有老鼠的画面。而以声音为例,在获取到的声音信息内,包含一部分的老鼠叫声或行走声。
定位模块20中,若信息中包含老鼠,则扫地机器人可以判断当前存在老鼠,需对老鼠进行驱赶。此时需要对老鼠的位置进行判断,以抵达老鼠所在位置。以获取到图像为例,可通过辨别老鼠在图像的位置确定移动的方位。
驱赶模块30中,当扫地机器人抵达老鼠所在位置,便可以发出驱赶信号,使老鼠逃离。这样,该位置的物品不会继续被老鼠咬坏。驱赶信号指的是可以使老鼠离开的信号,包括但不限于超声波、特殊声响。
可选的,还包括:
图像获取模块,用于通过摄像头获取图像信息。所述摄像头包括可见光成像摄像头和红外成像摄像头。
本实施例中,扫地机器人是通过摄像头获得图像信息的。图像信息可用来判断是否存在老鼠。可见光成像摄像头可在白天或光线较强时工作,红外成像摄像头可在夜间或光线较弱时工作。
可选的,判断模块10包括:
图像判断单元,用于将获取的图像信息输入到预设CNN模型进行处理,确定存在老鼠。
本实施例中,获取到图像信息之后,需要对图像信息处理,判断图像信息里面是否包含老鼠的信息。可采用CNN(卷积神经网络)算法处理图像信息,判断图像信息内是否包含老鼠的信息。
CNN是一种深层神经网络,包括输入层、隐层、输出层,隐层又包括卷积层、下采样层等;由于CNN的参数非常多,一般在在卷积层中使用参数共享来控制参数的数量。可通过多幅包含老鼠的图像进行训练,以建立可用于识别老鼠图像的模型。
CNN模型训练过程可以是:
初始化神经元连接的权重和偏置;
输入前向传递:样本输入经过CNN的各层前向传递,计算出每一个神经元的输出。
输出层输出该组训练数据的类别:将此类别和训练数据的期望输出比较,如果图像误差值不符合预设图像阈值,则启动后向传播算法过程;如果图像误差值符合预设的阈值,则CNN的算法终止。
如果启动后向传播算法(BPTT),则使用输出层的图像误差值计算前一层神经元的误差,并以这种方式从后向前递进式地计算所有隐藏层、输入层的神经元上的误差。
根据上面计算的图像误差值,采用梯度下降算法从输入层到输出层,逐层更新连接的权重和神经元的偏置。
直到图像误差值小于预设图像阈值,终止循环计算。从而得到CNN模型的关键参数。
将获得图像信息输入到CNN模型内,经过层层计算,获得图像误差值。若图像误差值小于预设图像阈值,确认是否包含老鼠。
可选的,还包括:
声音获取模块,用于通过麦克风阵列获取声音信息。
本实施例中,扫地机器人是通过麦克风阵列获得声音信息的。声音信息可用来判断是否存在老鼠。麦克风阵列(Microphone Array),是由一定数目的声学传感器(一般是麦克风)组成,用来对声场的空间特性进行采样并处理的系统。
可选的,定位模块20包括:
定位单元,用于利用声源定位算法对所述声音信息进行处理,计算出老鼠的位置。
本实施例中,当确认在房间内是存在老鼠的,此时需要对老鼠进行精确定位来驱赶老鼠。通过麦克风阵列可以获取一组音频信息。各个音频信息里面包含老鼠的信息的强度会存在差异。可根据这些差异来判断老鼠的方位和距离。同时,可结合室内地图或障碍物感应装置,确定好移动路线,以抵达老鼠所在的位置。
可采用时延法进行声源定位,方法如下:
参照图2,图2为用麦克风阵列测量声源位置的示意图。P1、P2、P3、P4分别代表四个麦克风。以四个麦克风的中心为原点建立3维直角坐标系。在下式中,x(n)是麦克风收到的信号,s(n)是声源信号,w(n)是背景噪声,α是声传播衰减信号,τ是声波从声源到麦克风的传播时间。R是自相关函数,E是数学期望。r1、r2、r3、r4分别代表P1、P2、P3、P4到声源S的距离。具体计算过程如下:
xi(n)=αis(n-τi)+wi(n)
xj(n)=αjs(n-τj)+wj(n)
当τ=τi-τj=τij时,Rij(τ)有最大值。
求出此时的τij,可以算出声源到两个麦克风的时延。
x2+y2+z2=r2
z=r sinθ
τ21=(r2-r1)/C
τ31=(r3-r1)/C
τ41=(r4-r1)/C
麦克风阵列侦测到有声音,且声音信息中包含老鼠声音信息时,通过以上方法可以定位老鼠声音信息的位置,获得老鼠所在位置。
可选的,所述驱赶信号包括超声波和/或猫叫声。
本实施例中,扫地机器人可通过发出超声波或猫叫声来赶跑老鼠。如,扫地机器人可采用驱鼠超声波发生器,发出20~40kHz的超声波信号对老鼠进行驱赶。扫地机器人设置有播放器,播放器预存有不同类型的猫叫声。在靠近老鼠身边时,扫地机器人启用播放器,播放出其中一种的猫叫声。若该猫叫声未能驱赶掉老鼠,则切换为另一种猫叫声,直到老鼠逃跑。
本发明提出的扫地机器人,包括:判断模块,用于根据获取到的信息判断是否存在老鼠;定位模块,用于若存在,根据所述获取到的信息计算老鼠的位置;驱赶模块,用于移动至所述位置并发出驱赶信号。本发明为扫地机器人增添驱鼠功能,解决鼠患问题,可以防止老鼠对家具和衣物进行破坏。
以上所述仅为本发明的实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。