CN110703760B - 一种用于安防巡检机器人的新增可疑物体检测方法 - Google Patents

Abstract

本发明提供一种用于安防巡检机器人的新增可疑物体检测方法，包括步骤(1)：人为控制安防巡检机器人沿着巡检路线走一次，在此过程中，激光雷达传感器获取周边距离信息，并使用SLAM算法构建环境地图；步骤(2)：在巡检线路中设置几个固定的巡逻点，并在每一个巡逻点处由云台摄像机自动拍摄多角度图片，作为基准图片；现有的依靠安保人员定期巡逻或安装监控来排除新增可疑物体隐患的方法，会耗费较大的人力、物力。相比之下，本发明采用机器人和图像处理技术，自动在固定区域内检测新增可疑物体，不仅自动化程度高；且数据记录电子化，能完整地呈现现场情况和信息；并大大地降低了人力成本。

Description

一种用于安防巡检机器人的新增可疑物体检测方法

技术领域

本发明涉及安防机器人技术领域，具体涉及一种用于安防巡检机器人的新增可疑物体检测方法。

背景技术

在工厂厂房、社区消防通道、地下车库等相对空旷且人员较少的区域中，往往会存在一些多余的可疑物体。有些可能是被随意摆放、弃置的物体，但可能会妨碍安全生产或是阻塞消防逃生通道；而有些则可能是被不法分子故意放置的有毒、有害的危险物品，那会对社会造成不可估量的安全后果。目前，各个厂区、小区主要通过安排安保人员定期巡逻或是安装监控来消除这些隐患，但是安保人员人力有限且人力成本较高，而监控往往又存在死角、画面不清晰等问题。

随着电子工业技术和人工智能技术的发展，机器人在实际生产生活中正发挥着越来越重要的作用。机器人具有自动化程度高、数据采集准确、工作效率高等诸多优势，在某些劳动密集型领域可以替代人工，从而大大降低人力成本。

发明内容

有鉴于此，本发明提出一种用于安防巡检机器人的新增可疑物体检测方法。通过安防巡检机器人不间断巡检并自动检测是否有新增物体出现，当出现新增物体时，机器人便自动发送消息和截图给安保人员，由安保人员判断该物品是否可疑并处理，以此提升安保效率并降低隐患率。为实现上述目的，本发明提供如下技术方案：

一种用于检测新增可疑物体的安防巡检机器人除了包含机器人的基本结构外，还需要包含导航避障系统、视觉分析系统和通讯系统。其中，导航避障系统由激光雷达、超声波模块、三轴陀螺仪等传感器，主要负责路径规划、躲避障碍物、回到固定巡逻点等任务；视觉分析系统由云台摄像机和DSP(Digital Signal Processor，数字信号处理器)等组成，主要负责图像采集和图像算法分析等任务；通讯系统负责机器人与后台的双向数据传输，用于人机交互信息的发送和传输。

一种用于安防巡检机器人的新增可疑物体检测方法，大致包括以下步骤：

步骤(1)：人为控制安防巡检机器人沿着巡检路线走一次，在此过程中，激光雷达传感器获取周边距离信息，并使用SLAM(Simultaneous Localization and Mapping)算法构建环境地图；

步骤(2)：在巡检线路中设置几个固定的巡逻点，并在每一个巡逻点处由云台摄像机自动拍摄多角度图片，作为基准图片；

步骤(3)：安防巡检机器人根据预先设定好的路径和已构建的环境地图进行自动巡检，当超声波模块检测到前方有障碍物时，会根据避障算法自动避障；

步骤(4)：当安防巡检机器人来到预先设定的巡逻点时，云台摄像机再次拍摄周围图像，并采用图像配准及差分算法与原基准图片作比较，智能分析是否有新的物体出现在周围场景中；

步骤(5)：当安防巡检机器人判断周围有新的物体出现时，通过通讯系统将对应的消息和截图传输给后台安保人员，由安保人员判断该物品是否可疑并处理。

与现有现有技术相比，本发明的有益效果为：

现有的依靠安保人员定期巡逻或安装监控来排除新增可疑物体隐患的方法，会耗费较大的人力、物力。相比之下，本发明采用机器人和图像处理技术，自动在固定区域内检测新增可疑物体，不仅自动化程度高；且数据记录电子化，能完整地呈现现场情况和信息；并大大地降低了人力成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例中提供的一种用于安防巡检机器人的新增可疑物体检测方法的整体流程图；

图2为本发明实施例中提供的图像检测部分详细流程图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例中提供的一种用于安防巡检机器人的新增可疑物体检测方法的流程图。如图1所示，其主要包括如下步骤：

步骤(1)：人为控制安防巡检机器人沿着巡检路线走一次，在此过程中，激光雷达传感器获取周边距离信息，外部环境的观测值z一般包含环境路标与激光雷达的距离r和角度θ，可以表示为：

激光雷达的观测模型与测得的距离和角度还有机器人当前的坐标有关，一般可以表示为：

z_k＝h(x_k)

其中，x_k为k时刻机器人的坐标，z_k为k时刻环境观测的坐标，进一步可得：

其中，(x_i,y_i)为观测到的第i个环境特征的坐标。对上式求导可得到观测模型h，即需要构建的环境地图。

步骤(2)：在巡检线路中人为设置几个固定的巡逻点，并在每一个巡逻点处由云台摄像机自动拍摄多角度图片，作为基准图片。

(2.1)、在巡检线路中设置m个固定巡逻点，如通道出入口、拐角处等重点区域。

(2.2)、在每一个固定点选定n个角度，并在每一个角度各拍摄一张高清图，图片分辨率应大于1280×720。

(2.3)、最终可得到m×n张图，在拍摄每张图的同时还应记录机器人位置坐标(x,y)和方位角(α)、镜头俯仰角(γ)和拉伸倍数(s)。

步骤(3)：安防巡检机器人根据预先设定好的路径和已构建的环境地图进行自动巡检，当超声波模块检测到前方有障碍物时，会根据避障算法自动避障。

(3.1)、当机器人处在某一点时，激光雷达获取到当前的环境观测值z_k，根据步骤(1)求得的环境地图模型h，可得当前的坐标位置x_k：

x_k＝h^-1(z_k)

(3.2)、根据预先设定好的路径可知机器人下一刻应处的位置x_k+1，于是可求得机器人应调整的方位和距离：

Δx＝x_k+1-x_k。

步骤(4)：当机器人来到预先设定的巡逻点时，云台摄像机再次拍摄周围图像，并采用图像配准及差分算法与原基准图片作比较，智能分析是否有新的物体出现在周围场景中，具体步骤如图2所示。

(4.1)、当机器人到达某一预先设定的巡逻点(x，y)时，根据记录查找对应的方位角(α)、镜头俯仰角(γ)和拉伸倍数(s)，并达到同样的状态。

(4.2)、在同样的状态下拍摄当前时刻的图片，由于前后两次的状态不可能完全相同，因此需要对图像作配准处理。首先采用SURF算法获取两张图像的关键点及其对应的特征描述；然后采用knn算法计算每对关键点之间的描述符的距离，并返回每个关键点的k个最佳匹配中的最小距离，同时采用Ransac算法消除误匹配点以降低匹配误差；最后采用Homographies算法对保留的匹配点计算两张图之间的单应性变换矩阵。

(4.3)、配准完成后，利用图像差分算法可以得到两张图不同的地方，即疑似新增的物体。将前后两张图相减，求得图像对应位置像素值差的绝对值，并判断其是否大于某一阈值：

其中，D(x，y)为求得的差分图像，I(t)和I(t-1)分别为配准完的前后两张图片。

(4.4)、对差分图像作8领域的连通域统计，以此获取粘连在一起的像素点信息，并过滤其中不符合条件的像素点，过滤的条件为：

①粘连在一起的像素点个数小于整张图像素点个数的0.01，可以认为是噪点或是树叶等轻微晃动造成的；

②由于配准算法的误差，在物体边缘轮廓处依旧会产生差分的粘连像素点，但此类粘连像素点的形状通常较为细长，因此过滤掉长宽比大于5的粘连像素点区域。

(4.5)、最终得到保留的粘连像素点区域，并在原图中画框返回。

步骤(5)：当安防巡检机器人判断周围有新的物体出现时，通过通讯系统将对应的消息和截图传输给后台安保人员，由安保人员判断该物品是否可疑并处理。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实例的说明只是用于帮助理解本发明的方法及其核心思想，以上所述仅是本发明的优选实施方式，应当指出，由于文字表达的有限性，而客观上存在无限的具体结构，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进、润饰或变化，也可以将上述技术特征以适当的方式进行组合；这些改进润饰、变化或组合，或未经改进将发明的构思和技术方案直接应用于其它场合的，均应视为本发明的保护范围。

Claims (2)

1.一种用于安防巡检机器人的新增可疑物体检测方法，其特征在于，包括以下步骤：

步骤(1)：人为控制安防巡检机器人沿着巡检路线走一次，在此过程中，激光雷达传感器获取周边距离信息，并使用SLAM算法构建环境地图；

步骤(2)：在巡检线路中设置几个固定的巡逻点，并在每一个巡逻点处由云台摄像机自动拍摄多角度图片，作为基准图片；

步骤(3)：安防巡检机器人根据预先设定好的路径和已构建的环境地图进行自动巡检，当超声波模块检测到前方有障碍物时，会根据避障算法自动避障；

步骤(4)：当安防巡检机器人来到预先设定的巡逻点时，云台摄像机再次拍摄周围图像，并采用图像配准及差分算法与原基准图片作比较，智能分析是否有新的物体出现在周围场景中；

步骤(5)：当安防巡检机器人判断周围有新的物体出现时，通过通讯系统将对应的消息和截图传输给后台安保人员，由安保人员判断该物体是否可疑并处理；

步骤(2)的具体方法如下：

(2.1)、在巡检线路中设置m个固定巡逻点，固定巡逻点为通道出入口、拐角处重点区域；

(2.2)、在每一个固定点选定n个角度，并在每一个角度各拍摄一张高清图，图片分辨率应大于1280×720；

(2.3)、最终可得到m×n张图，在拍摄每张图的同时还应记录机器人位置坐标(x,y)和方位角α、镜头俯仰角γ和拉伸倍数s；

步骤(4)的具体方法如下：

(4.1)、当机器人到达某一预先设定的巡逻点(x,y)时，根据记录查找对应的方位角α、镜头俯仰角γ和拉伸倍数s，并达到同样的状态；

(4.2)、在同样的状态下拍摄当前时刻的图片，由于前后两次的状态不可能完全相同，因此需要对图像作配准处理；

首先采用SURF算法获取两张图像的关键点及其对应的特征描述；然后采用knn算法计算每对关键点之间的描述符的距离，并返回每个关键点的k个最佳匹配中的最小距离，同时采用Ransac算法消除误匹配点以降低匹配误差；最后采用Homographies算法对保留的匹配点计算两张图之间的单应性变换矩阵；

(4.3)、配准完成后，利用图像差分算法得到两张图不同的地方，即疑似新增的物体；将前后两张图相减，求得图像对应位置像素值差的绝对值，并判断其是否大于某一阈值：

其中，D(x,y)为求得的差分图像，I(t)和I(t-1)分别为配准完的前后两张图片；

(4.4)、对差分图像作8领域的连通域统计，以此获取粘连在一起的像素点信息，并过滤其中不符合条件的像素点，过滤的条件为：

①粘连在一起的像素点个数小于整张图像素点个数的0.01，则认为是噪点或是树叶轻微晃动造成的；

②由于配准算法的误差，在物体边缘轮廓处依旧会产生差分的粘连像素点，但此类粘连像素点的形状通常较为细长，因此过滤掉长宽比大于5的粘连像素点区域；

(4.5)、最终得到保留的粘连像素点区域，并在原图中画框返回。

2.根据权利要求1中一种用于安防巡检机器人的新增可疑物体检测方法，其特征在于，步骤(3)的具体方法如下：

(3.1)、当机器人处在某一点时，激光雷达获取到当前的环境观测值z_k，根据步骤(1)求得的环境地图模型h，可得当前的坐标位置x_k：

x_k＝h^-1(z_k)

(3.2)、根据预先设定好的路径可知机器人下一刻应处的位置x_k+1，于是可求得机器人应调整的方位和距离：

Δx＝x_k+1-x_k。

Images