CN108835809A - 一种基于ros的智能跟随行李箱及其控制方法 - Google Patents

Abstract

本发明公开了一种基于ROS的智能跟随行李箱及其控制方法，该智能跟随行李箱包括箱体、深度相机、驱动轮、全向从动轮、电机、电池模块、底板和移动处理器；所述移动处理器安装在底板上端面中间，右端设有电池模块，左侧装有深度相机；所述的底板下端面上设有全向从动轮和通过轮轴连接的驱动轮；所述通信接口安装于控制电路上。本发明结构设计合理，使用深度相机点云信息达到自主避障和识别跟随主人，速度可控且制造成本低，工作时间长，通过深度相机对环境进行感知，同时可在环境中估计主人的位置和行进状态，实时地进行轨迹规划，具有高效自主避障和跟随功能，提高行李箱的智能型和安全性，将引领一种智能、时尚、轻松、便捷的全新旅行体验。

Description

一种基于ROS的智能跟随行李箱及其控制方法

技术领域

本发明涉及智能控制和行李箱领域，尤其涉及一种基于ROS的智能跟随行李箱及其控制方法。

背景技术

智能跟随行李箱作为新兴智能出行箱包的一种，随着生活的智能化，引起人们开始对智能出行产生浓厚的兴趣。目前市面上的完善的智能跟随行李箱暂缺，随着技术的发展以及市场的推动，急需一款智能跟随行李箱能感知环境，稳定可靠地跟随主人，以减轻人们出行的行李负担，方便人们的生活。所以设计一种准确感知环境、识别主人、可进行路径优化、主动躲避障碍、高效的智能跟随行李箱显得十分重要。

因此，现有技术需要进一步改进和完善。

发明内容

本发明的目的在于克服现有技术的不足，提供一种结构合理、高效的基于ROS的智能跟随行李箱。

本发明的另一目的在于克服现有技术的不足，提供一种基于上述智能跟随行李箱的控制方法。

本发明的目的通过下述技术方案实现：

一种基于ROS的智能跟随行李箱，该智能跟随行李箱主要包括行李箱本体、用于探测附近障碍物及测量距离的深度相机、驱动行李箱本体前进的驱动轮、从动轮、驱动电机、电池模块、底板、以及收集附近环境信息并规划行进路径的移动处理器。

具体的，所述深度相机设置在行李箱本体的一侧，与移动处理器通信连接，将捕捉到的环境信息传输给移动处理器。所述底板固定在行李箱本体底部。所述从动轮分别设置在底板底部的四个角落上。所述驱动轮设置在底板中部，与驱动电机传动连接。所述电池模块、驱动电机和移动处理器依次设置在底板上，且电池模块分别与驱动电机和移动处理器电连接。

作为本发明的优选方案，所述电池模块采用能量密度大、平均输出电压高、自放电小的锂电池制成。

作为本发明的优选方案，所述从动轮采用能够实现原地转圈、前进/后退、以及左右移动的全向式从动轮。

作为本发明的优选方案，为了实现智能跟随行李箱的转弯及旋转操作，本发明所述驱动电机设为两组，驱动轮设为两个，且每组驱动电机与一个驱动轮传动连接，这样设计可以实现单边轮子的转动，从而让智能跟随行李箱转弯。

作为本发明的优选方案，为了防止跟随过程中产生的灰尘进入智能跟随行李箱内部，进而影响智能跟随行李箱工作，本发明所述底板上设有保护外壳。所述保护外壳将电池模块、驱动电机和移动处理器罩住。

作为本发明的优选方案，所述移动处理器采用Jetson TK1型移动处理器。

本发明的另一目的通过下述技术方案实现：

一种基于ROS的智能跟随行李箱的控制方法，该控制方法主要包括如下具体步骤：

步骤S1：初始化，启动智能跟随行李箱。

步骤S2：通过深度相机采集用户的身体体征和外表色彩图像，传递到移动处理器，对输入的图像进行预处理，同时利用梯度方向直方图提取图像特征，使用SVM分类器对图像特征模式分类，从而识别图像，锁定跟随目标，锁定后，摄像头只与目标进行交互。

步骤S3：深度摄像头采集周围环境中的深度信息，并上传到智能跟随行李箱的移动处理器；对上传深度图像进行分析，根据分割算法将人体分割出来，提取人体的坐标，并结合智能跟随行李箱坐标，计算人体和智能跟随行李箱之间的距离与角度，并通过深度摄像头获取周围动态信息，在检测到障碍物时，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，构建环境地图。

步骤S4：实时加载更新步骤S3中建立的环境地图信息。

步骤S5：智能跟随行李箱实时锁定主人，并保持预设的距离范围。

进一步的，本发明所提供的控制方法还包括如下步骤：

步骤S6：运行计算机视觉定位算法，对上传深度图像进行分析，根据分割算法将人体和障碍物分割出来，提取人体和障碍物的坐标，更新与主人之间的位置估计以及外界环境的物体避障。

步骤S7：智能跟随行李箱在步骤S3构建的环境地图里运行ROS开源的全局路径规划，完成跟随主人的全局路径规划。

步骤S8：移动处理器实时接受深度相机信息，处理并发送控制信号至智能跟随行李箱运动模块使驱动轮按照在步骤S7的全局路径规划下规划实现直线移动、原地转向和差速转向功能。

进一步的，本发明所提供的控制方法还包括如下步骤：

步骤S9：判断智能跟随行李箱跟随过程中是否遇到障碍物，在依步骤S7的全局路径规划下规划路线运动中，深度摄像头识别可视场内物体的深度场，生成深度数据，转化为深度图像，进行二值化和滤波处理，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，识别障碍物，计算障碍物的相对位置。

步骤S10：若智能跟随行李箱在跟随过程中未遇到在步骤S2建立的环境地图中的未知障碍物，则执行步骤S7中规划的路径运动控制，跟随主人直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

步骤S11：若智能跟随行李箱在跟随过程中遇到在步骤S2建立的环境地图中的未知障碍物，则运行步骤S7中ROS开源的全局路径规划，完成躲避障碍物的全局路径规划，重复执行步骤S6至步骤S11跟随直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

与现有技术相比，本发明还具有以下优点：

(1)本发明所提供的基于ROS的智能跟随行李箱能够使智能跟随行李箱通过深度相机对环境进行感知，同时可以在环境中估计主人的位置和行进状态，实时地进行轨迹规划，具有高效的自主避障和跟随功能，提高行李箱的智能型和安全性，将引领一种智能、时尚、轻松、便捷的全新旅行体验。

(2)本发明所提供的基于ROS的智能跟随行李箱的结构设计合理，使用深度相机点云信息达到自主避障和识别跟随主人，速度可控且制造成本低，工作时间长。

附图说明

图1是本发明所提供的基于ROS的智能跟随行李箱的结构示意图。

图2是本发明所提供的基于ROS的智能跟随行李箱的剖视图。

图3是本发明所提供的基于ROS的智能跟随行李箱的工作流程图。

上述附图中的标号说明：

1-行李箱本体/箱体，2-深度相机，3-驱动轮，4-从动轮，5-驱动电机/电机，6-电池模块，7-底板，8-移动处理器。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明作进一步说明。

实施例1：

如图1和图2所示，本实施例公开了一种基于ROS的智能跟随行李箱，该智能跟随行李箱主要包括行李箱本体1、用于探测附近障碍物及测量距离的深度相机2、驱动行李箱本体1前进的驱动轮3、从动轮4、驱动电机5、电池模块6、底板7、以及收集附近环境信息并规划行进路径的移动处理器8。

具体的，所述深度相机2设置在行李箱本体1的一侧，与移动处理器8通信连接，将捕捉到的环境信息传输给移动处理器8。所述底板7固定在行李箱本体1底部。所述从动轮4分别设置在底板7底部的四个角落上。所述驱动轮3设置在底板7中部，与驱动电机5传动连接。所述电池模块6、驱动电机5和移动处理器8依次设置在底板7上，且电池模块6分别与驱动电机5和移动处理器8电连接。

作为本发明的优选方案，所述电池模块6采用能量密度大、平均输出电压高、自放电小的锂电池制成。

作为本发明的优选方案，所述从动轮4采用能够实现原地转圈、前进/后退、以及左右移动的全向式从动轮4。

作为本发明的优选方案，为了实现智能跟随行李箱的转弯及旋转操作，本发明所述驱动电机5设为两组，驱动轮3设为两个，且每组驱动电机5与一个驱动轮3传动连接，这样设计可以实现单边轮子的转动，从而让智能跟随行李箱转弯。

作为本发明的优选方案，为了防止跟随过程中产生的灰尘进入智能跟随行李箱内部，进而影响智能跟随行李箱工作，本发明所述底板7上设有保护外壳。所述保护外壳将电池模块6、驱动电机5和移动处理器8罩住。

作为本发明的优选方案，所述移动处理器8采用Jetson TK1型移动处理器8。

如图3所示，本发明还公开了一种基于ROS的智能跟随行李箱的控制方法，该控制方法主要包括如下具体步骤：

步骤S1：初始化，启动智能跟随行李箱。

步骤S2：通过深度相机2采集用户的身体体征和外表色彩图像，传递到移动处理器8，对输入的图像进行预处理，同时利用梯度方向直方图提取图像特征，使用SVM分类器对图像特征模式分类，从而识别图像，锁定跟随目标，锁定后，摄像头只与目标进行交互。

步骤S3：深度摄像头采集周围环境中的深度信息，并上传到智能跟随行李箱的移动处理器8；对上传深度图像进行分析，根据分割算法将人体分割出来，提取人体的坐标，并结合智能跟随行李箱坐标，计算人体和智能跟随行李箱之间的距离与角度，并通过深度摄像头获取周围动态信息，在检测到障碍物时，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，构建环境地图。

步骤S4：实时加载更新步骤S3中建立的环境地图信息。

步骤S5：智能跟随行李箱实时锁定主人，并保持预设的距离范围。

进一步的，本发明所提供的控制方法还包括如下步骤：

步骤S6：运行计算机视觉定位算法，对上传深度图像进行分析，根据分割算法将人体和障碍物分割出来，提取人体和障碍物的坐标，更新与主人之间的位置估计以及外界环境的物体避障。

步骤S7：智能跟随行李箱在步骤S3构建的环境地图里运行ROS开源的全局路径规划，完成跟随主人的全局路径规划。

步骤S8：移动处理器8实时接受深度相机2信息，处理并发送控制信号至智能跟随行李箱运动模块使驱动轮3按照在步骤S7的全局路径规划下规划实现直线移动、原地转向和差速转向功能。

进一步的，本发明所提供的控制方法还包括如下步骤：

步骤S9：判断智能跟随行李箱跟随过程中是否遇到障碍物，在依步骤S7的全局路径规划下规划路线运动中，深度摄像头识别可视场内物体的深度场，生成深度数据，转化为深度图像，进行二值化和滤波处理，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，识别障碍物，计算障碍物的相对位置。

步骤S10：若智能跟随行李箱在跟随过程中未遇到在步骤S2建立的环境地图中的未知障碍物，则执行步骤S7中规划的路径运动控制，跟随主人直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

步骤S11：若智能跟随行李箱在跟随过程中遇到在步骤S2建立的环境地图中的未知障碍物，则运行步骤S7中ROS开源的全局路径规划，完成躲避障碍物的全局路径规划，重复执行步骤S6至步骤S11跟随直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

实施例2：

本实施例公开了一种基于ROS的智能跟随行李箱及其控制方法，该智能跟随行李箱主要包括箱体1、深度相机2、驱动轮3、全向从动轮4、电机5、电池模块6、底板7和移动处理器8 Jetson TK1，所述的移动处理器8 Jetson TK1安装在底板7上端面中间，右端设有电池模块6，左侧装有深度相机2。

本发明所述的基于ROS的智能跟随行李箱及其控制方法，设有电池模块6为锂电池，使用时间长，安全可靠，所述的电池模块6通过导线与供电电路电连接，供应智能跟随行李箱的电能；所述的电池模块6固定架通过螺栓与底板7上端面连接固定，固定架结构简单，位置设计合理，结构紧凑。

本发明所述的基于ROS的智能跟随行李箱及其控制方法，所述的用户的身体体征、外表的色彩、环境中的深度信息和平面信息，由智能跟随行李箱左侧的深度相机2获取。

本发明所述的基于ROS的智能跟随行李箱及其控制方法，所述的用户的身体体征、外表的色彩、环境中的深度信息和平面信息，由装有ROS系统的移动处理器8 Jetson TK1芯片完成点云图像分析，深度图中的每个“像素”表示该点远离传感器的距离，通过图像处理，精确识别并定位主人位置，通过决策，实现行李箱与主人之间的定位以及外界环境的障碍物检测与行进中的避障。

本发明所述的基于ROS的智能跟随行李箱及其控制方法，所述的运动控制组件由四个全向从动轮4、两个驱动轮3；所述的全向从动轮4与底板7通过螺栓连接固定，驱动轮3电机5与底板7通过螺栓连接固定。

本发明所述的基于ROS的智能跟随行李箱及其控制方法，所述的运动控制由移动处理器8 Jetson TK1发布传递到两个驱动轮3控制，通过两个轮子的差速控制实现智能跟随行李箱的直线移动、原地转向和差速转向等功能。

本发明所述的基于ROS的智能跟随行李箱控制方法，包含以下步骤：

(1)初始化：启动智能跟随行李箱功能。

(2)通过深度相机2采集用户的身体体征和外表色彩图像，传递到移动处理器8Jetson TK1，对输入的图像进行预处理，同时利用梯度方向直方图提取图像特征，使用SVM分类器对图像特征模式分类，从而识别图像，锁定跟随目标，锁定后，摄像头只与目标进行交互。

(3)深度摄像头采集周围环境中的深度信息，并上传到智能跟随行李箱的移动处理器8 Jetson TK1；对上传深度图像进行分析，根据分割算法将人体分割出来，提取人体的坐标，并结合智能跟随行李箱坐标，计算人体和智能跟随行李箱之间的距离与角度，并通过深度摄像头获取周围动态信息，在检测到障碍物时，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，构建环境地图。

(4)实时加载更新步骤(3)中建立的环境地图信息。

(5)智能跟随行李箱实时锁定主人，并保持预设的距离范围。

(6)智能跟随行李箱运行计算机视觉定位算法，对上传深度图像进行分析，根据分割算法将人体和障碍物分割出来，提取人体和障碍物的坐标，更新与主人之间的位置估计以及外界环境的物体避障。

(7)在步骤(3)构建的环境地图里智能跟随行李箱运行ROS开源的全局路径规划，完成智能跟随行李箱跟随主人的全局路径规划。

(8)智能跟随行李箱的移动处理器8 Jetson TK1实时接受深度相机2信息，处理并发送控制信号至智能跟随行李箱运动模块使驱动轮3按照在步骤(7)的全局路径规划下规划实现直线移动、原地转向和差速转向等功能。

(9)判断智能跟随行李箱跟随过程中是否遇到障碍物，在依步骤(7)的全局路径规划下规划路线运动中，深度摄像头识别可视场内物体的深度场，生成深度数据，转化为深度图像，进行二值化和滤波处理，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，识别障碍物，计算障碍物的相对位置。

(10)若智能跟随行李箱在跟随过程中未遇到在步骤(2)建立的环境地图中的未知障碍物，则执行步骤(7)中规划的路径运动控制，跟随主人直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

(11)若智能跟随行李箱在跟随过程中遇到在步骤(2)建立的环境地图中的未知障碍物，则运行步骤(7)中ROS开源的全局路径规划，对障碍物的位置做出相应的规避动作，同时进行路线的重新规划继续移动完成躲避障碍物的全局路径规划，重复执行步骤(6)至步骤(11)跟随直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

实施例3：

如图1所示，并结合图2，本例中的基于ROS的智能跟随行李箱及其控制方法，包括底板7、电池模块6、深度相机2和移动处理器8 Jetson TK1；所述的移动处理器8 JetsonTK1安装在底板7上端面中间，右端设有电池模块6，左侧装有深度相机2。

作为优选的，所述的电池模块6为锂电池，所述的电池模块6安装在电池固定架上；所述的电池固定架通过螺栓与底板7上端面连接固定。

如图3所示,所述的基于ROS的智能跟随行李箱及其控制方法，所述的视觉信息由智能跟随行李箱左侧的深度相机2获取。

如图1所示,智能跟随行李箱的移动处理器8 Jetson TK1实时接收深度相机2信息，处理并发送控制信号至智能跟随行李箱运动模块使驱动轮3按照规划的路径运动。

如图1所示，所述的两个全向从动轮4、设置在驱动轮3前方，另两个全向从动轮4设置在驱动轮3后方，辅助智能跟随行李箱运动控制移动。

本具体实施移动处理器8 Jetson TK1通过控制两个电机5，实现直线移动、原地转向和差速转向等功能，通过深度相机2的深度信息实现自主避障功能。移动处理器8 JetsonTK1运行ROS系统，自身成为一个ROS节点，通过通信接口与移动处理器8 Jetson TK1连接，移动处理器8 Jetson TK1通过通信接口传输对智能跟随行李箱的控制命令。

如图2所示，所述的底板7上设有保护外壳，防止跟随过程中产生的灰尘进入智能跟随行李箱内部，进而影响智能跟随行李箱工作。

如图3所示，所述的基于ROS的智能跟随行李箱的控制系统框图内容如下：初始化：启动智能跟随行李箱，通过深度相机2采集用户的身体体征和外表色彩图像，传递到移动处理器8 Jetson TK1，对输入的图像进行预处理，同时利用梯度方向直方图提取图像特征，使用SVM分类器对图像特征模式分类，从而识别图像，锁定跟随目标，锁定后，摄像头只与目标进行交互，深度摄像头采集周围环境中的深度信息，并上传到智能跟随行李箱的移动处理器8 Jetson TK1；对上传深度图像进行分析，根据分割算法将人体分割出来，提取人体的坐标，并结合智能跟随行李箱坐标，计算人体和智能跟随行李箱之间的距离与角度，并通过深度摄像头获取周围动态信息，在检测到障碍物时，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，构建环境地图，实时加载更新建立的环境地图信息，智能跟随行李箱实时锁定主人位置与行进状态，并保持预设的距离范围，智能跟随行李箱运行计算机视觉定位算法，更新与主人之间的位置估计以及外界环境的物体避障，智能跟随行李箱运行ROS开源的全局路径规划完成规划全局路径，智能跟随行李箱的移动处理器8 Jetson TK1实时接收深度相机2信息，处理并发送控制信号至智能跟随行李箱运动控制单元使驱动轮3按照规划的路径运动，并判断智能跟随行李箱跟随过程中是否遇到障碍物，在依规划路线行驶中，深度摄像头识别可视场内物体的深度场，生成深度数据，转化为深度图像，进行二值化和滤波处理，识别障碍物，计算障碍物的相对位置，若智能跟随行李箱在跟随过程中未遇到建立的环境地图中的未知障碍物，则执行规划的路径运动控制，跟随主人直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。若智能跟随行李箱在跟随过程中遇到障碍物，则运行ROS开源的局部路径规划，完成躲避障碍物的局部路径规划，重复跟随直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (9)

1.一种基于ROS的智能跟随行李箱，其特征在于，包括行李箱本体、用于探测附近障碍物及测量距离的深度相机、驱动行李箱本体前进的驱动轮、从动轮、驱动电机、电池模块、底板、以及收集附近环境信息并规划行进路径的移动处理器；

所述深度相机设置在行李箱本体的一侧，与移动处理器通信连接；所述底板固定在行李箱本体底部；所述从动轮分别设置在底板底部的四个角落上；所述驱动轮设置在底板中部，与驱动电机传动连接；所述电池模块、驱动电机和移动处理器依次设置在底板上，且电池模块分别与驱动电机和移动处理器电连接。

2.根据权利要求1所述的基于ROS的智能跟随行李箱，其特征在于，所述电池模块采用锂电池制成。

3.根据权利要求1所述的基于ROS的智能跟随行李箱，其特征在于，所述从动轮采用全向式从动轮。

4.根据权利要求1所述的基于ROS的智能跟随行李箱，其特征在于，所述驱动电机设为两组，驱动轮设为两个，且每组驱动电机与一个驱动轮传动连接。

5.根据权利要求1所述的基于ROS的智能跟随行李箱，其特征在于，所述底板上设有保护外壳；所述保护外壳将电池模块、驱动电机和移动处理器罩住。

6.根据权利要求1所述的基于ROS的智能跟随行李箱，其特征在于，所述移动处理器采用Jetson TK1型移动处理器。

7.一种基于ROS的智能跟随行李箱的控制方法，其特征在于，包括如下具体步骤：

步骤S1：初始化，启动智能跟随行李箱；

步骤S2：通过深度相机采集用户的身体体征和外表色彩图像，传递到移动处理器，对输入的图像进行预处理，同时利用梯度方向直方图提取图像特征，使用SVM分类器对图像特征模式分类，从而识别图像，锁定跟随目标，锁定后，摄像头只与目标进行交互；

步骤S3：深度摄像头采集周围环境中的深度信息，并上传到智能跟随行李箱的移动处理器；对上传深度图像进行分析，根据分割算法将人体分割出来，提取人体的坐标，并结合智能跟随行李箱坐标，计算人体和智能跟随行李箱之间的距离与角度，并通过深度摄像头获取周围动态信息，在检测到障碍物时，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，构建环境地图；

步骤S4：实时加载更新步骤S3中建立的环境地图信息；

步骤S5：智能跟随行李箱实时锁定主人，并保持预设的距离范围。

8.根据权利要求7所述的基于ROS的智能跟随行李箱的控制方法，其特征在于，还包括如下步骤：

步骤S6：运行计算机视觉定位算法，对上传深度图像进行分析，根据分割算法将人体和障碍物分割出来，提取人体和障碍物的坐标，更新与主人之间的位置估计以及外界环境的物体避障；

步骤S7：智能跟随行李箱在步骤S3构建的环境地图里运行ROS开源的全局路径规划，完成跟随主人的全局路径规划；

步骤S8：移动处理器实时接受深度相机信息，处理并发送控制信号至智能跟随行李箱运动模块使驱动轮按照在步骤S7的全局路径规划下规划实现直线移动、原地转向和差速转向功能。

9.根据权利要求8所述的基于ROS的智能跟随行李箱的控制方法，其特征在于，还包括如下步骤：

步骤S9：判断智能跟随行李箱跟随过程中是否遇到障碍物，在依步骤S7的全局路径规划下规划路线运动中，深度摄像头识别可视场内物体的深度场，生成深度数据，转化为深度图像，进行二值化和滤波处理，将图像中的障碍物分割出来，提取障碍物的坐标和深度信息，识别障碍物，计算障碍物的相对位置；

步骤S10：若智能跟随行李箱在跟随过程中未遇到在步骤S2建立的环境地图中的未知障碍物，则执行步骤S7中规划的路径运动控制，跟随主人直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离；

步骤S11：若智能跟随行李箱在跟随过程中遇到在步骤S2建立的环境地图中的未知障碍物，则运行步骤S7中ROS开源的全局路径规划，完成躲避障碍物的全局路径规划，重复执行步骤S6至步骤S11跟随直至主人停下，行李箱停下并实时检测主人运动状态，保持一定的距离。