CN110850789A

CN110850789A - 一种基于边缘计算的机器人能效优化方法

Info

Publication number: CN110850789A
Application number: CN201911250337.7A
Authority: CN
Inventors: 谢锋; 李璟; 张意; 黄胜男; 苏耀飞; 乐程胜
Original assignee: Changzhou First Information Technology Co Ltd
Current assignee: Changzhou zhuoxiao Digital Technology Co.,Ltd.
Priority date: 2019-12-09
Filing date: 2019-12-09
Publication date: 2020-02-28

Abstract

本发明公开了一种基于边缘计算的机器人能效优化方法，包括机器人原始数据采集模块、第一机器人决策模块、第一边缘计算模块、第二机器人决策模块、执行模块、第二边缘计算模块、通信模块、第三机器人决策模块和云平台。本发明所述的一种基于边缘计算的机器人能效优化方法，可以达到降低机器人能耗的有益效果，提高机器人能效，同时机器人响应的实时性，减少了网路传输的延迟，增加了机器人实时响应的机动性，采用该种方法，第一机器人决策模块可以根据预设的值区分机器人传感器数据种类，对于一些涉及用户敏感信息的数据可以采用第一边缘计算模块进行机器人本地计算处理，数据不经由云平台计算，极大地保护用户隐私信息。

Description

一种基于边缘计算的机器人能效优化方法

技术领域

本发明涉及边缘计算领域，特别涉及一种基于边缘计算的机器人能效优化方法。

背景技术

机器人是一个多学科融合、功能多样化的现代科技产物。其以多样化的形态进入到生活和生产的各个方面。与大多是电子设备类似，机器人的动力主要来源于电能，随着机器人数量的不断提高，机器人的能源消耗占总能耗的比例越来越大。多数机器人都需要与互联网连接，并在互联网云端建立数据库，随着云计算的发展，越来越多的机器人把大部分计算均放在云端，机器人本地仅做一些数据采集和执行的工作。如此，随之带来的能耗问题也凸显出来。机器人等智能设备需要保持与云服务器的不间断连接，每当有数据的时候都需要传输，大量的数据传输不仅造成对机器人本地的能源消耗，还更多的造成了网络传输端和服务器端的能源消耗。根据Sverdlik的研究，未来两年，美国所有数据中心的能耗将达到730亿千瓦时，我国的数据中心的能耗总和也已经超过匈牙利和希腊两国的用电总和，这一数据还在不断增长中。

发明内容

本发明的主要目的在于提供一种基于边缘计算的机器人能效优化方法，可以有效解决背景技术中的问题。

为实现上述目的，本发明采取的技术方案为：

一种基于边缘计算的机器人能效优化方法，包括机器人原始数据采集模块、第一机器人决策模块、第一边缘计算模块、第二机器人决策模块、执行模块、第二边缘计算模块、通信模块、第三机器人决策模块和云平台，所述机器人原始数据采集模块的输出端与第一机器人决策模块的输入端电连接，且第一机器人决策模块的输出端分别与第一边缘计算模块、第二边缘计算模块、通信模块的输入端电连接，所述第二机器人决策模块的输入端与第一边缘计算模块的输出端电连接，且第二机器人决策模块的输出端与执行模块的输入端电连接，所述第二边缘计算模块的输出端与通信模块的输出端电连接，且通信模块与云平台之间双向连接，所述通信模块的输出端与第三机器人决策模块的输入端电连接，且第三机器人决策模块的输出端与执行模块的输入端电连接。

优选的，所述机器人原始采集模块包括摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器等传感器，所述摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器的输出端均与机器人原始数据采集模块中汇总单元的输入端电连接，所述摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器之间独立设置。

优选的，所述第一机器人决策模块与第一边缘计算模块之间设置的为第一通道，且第一机器人决策模块与第二边缘计算模块之间设置的为第二通道，所述第一机器人决策模块与通信模块之间设置的为第三通道，所述第一通道、第二通道、第三通道之间并列设置。

优选的，所述通信模块与云平台之间设置有无线信号，且通信模块与云平台之间通过无线信号双向连接。

优选的，所述第一决策机器人模块中输出第一类数据、第二类数据和第三类数据以及第四类数据，所述第一类数据通过第一通道传输，第二类数据通过第二通道传输，第三类数据同时通过第一、第二通道传输，第四类数据通过第三通道传输。

与现有技术相比，本发明具有如下有益效果：该基于边缘计算的机器人能效优化方法，机器人采用两种采用边缘计算的方法可以达到降低机器人能耗的有益效果，提高机器人能效，同时提高了机器人响应的实时性，当采用第一边缘计算模块进行计算时，数据不需要经过云平台的云计算，因此减少了网路传输的延迟，增加了机器人实时响应的机动性，采用该种方法，第一机器人决策模块可以根据预设的值区分机器人传感器数据种类，对于一些涉及用户敏感信息的数据可以采用第一边缘计算模块进行机器人本地计算处理，数据不经由云平台计算，极大地保护用户隐私信息。

附图说明

图1为本发明一种基于边缘计算的机器人能效优化方法的系统框图；

图2为本发明一种基于边缘计算的机器人能效优化方法摄像头传感器数据流程图；

图3为本发明一种基于边缘计算的机器人能效优化方法测距传感器数据流程图图；

图4为本发明一种基于边缘计算的机器人能效优化方法数据分类与通道的对应关系图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

实施例1：

如图1所示，一种基于边缘计算的机器人能效优化方法，包括机器人原始数据采集模块、第一机器人决策模块、第一边缘计算模块、第二机器人决策模块、执行模块、第二边缘计算模块、通信模块、第三机器人决策模块和云平台，机器人原始数据采集模块的输出端与第一机器人决策模块的输入端电连接，且第一机器人决策模块的输出端分别与第一边缘计算模块、第二边缘计算模块、通信模块的输入端电连接，第二机器人决策模块的输入端与第一边缘计算模块的输出端电连接，且第二机器人决策模块的输出端与执行模块的输入端电连接，第二边缘计算模块的输出端与通信模块的输出端电连接，且通信模块与云平台之间双向连接，通信模块的输出端与第三机器人决策模块的输入端电连接，且第三机器人决策模块的输出端与执行模块的输入端电连接；

机器人原始采集模块包括摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器等传感器，摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器的输出端均与机器人原始数据采集模块中汇总单元的输入端电连接，摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器之间独立设置；第一机器人决策模块与第一边缘计算模块之间设置的为第一通道，且第一机器人决策模块与第二边缘计算模块之间设置的为第二通道，第一机器人决策模块与通信模块之间设置的为第三通道，第一通道、第二通道、第三通道之间并列设置；通信模块与云平台之间设置有无线信号，且通信模块与云平台之间通过无线信号双向连接；第一决策机器人模块中输出第一类数据、第二类数据和第三类数据以及第四类数据，第一类数据通过第一通道传输，第二类数据通过第二通道传输，第三类数据同时通过第一、第二通道传输，第四类数据通过第三通道传输。

实施例2：

如图2所示，摄像头采集原始数据，原始数据进入到第一机器人决策模块中与预设的第三类数据进行对比，对比的数据分别属于第一边缘计算模块和第二边缘计算模块，数据通过第一、二通道传输，若是做人脸跟随时，第一边缘计算模块对原始数据进行图像处理标定出人脸所在位置，数据经第一边缘计算模块处理后直接进入第二机器人决策模块，第二机器人决策模块根据预设的人脸位置与边缘计算的结果进行比对评估，以判定机器人是否要捕捉人脸并跟随人脸位置，当摄像头数据与预设阈值匹配时，立即控制执行模块执行对应操作，此时不需要云端参与，当摄像头进行人脸识别动作时，摄像头数据进入到第二边缘计算模块中，第二边缘计算模块根据需求获取人脸在图像中的位置，处理并裁切人脸部分图像，获取相关人脸特征，由于仅获取人脸特征部分的数据，极大地减少了数据量，一定程度上节约了能耗，然后通信模块将带有人脸特征的图像数据上传到云平台，云平台通过与大数据库比对计算，输出相应识别结果并反馈到第三机器人决策模块，第三机器人决策模块根据结果控制执行模块执行相应的动作，此时在节省数据传输量的同时提高了识别效率，提高了使用效果。

实施例3：

如图3所示，测距传感器采集原始数据，原始数据预设阈值为第一类数据，数据通过第一通道进行传输，当测距传感器采集到的数据后，通过第一通道将采集的数据输入第一边缘计算模块，此时无需云端参与计算，第一边缘计算模块对原始数据进行解析，计算出具体的距离数据值，数据经第一边缘计算模块处理后直接进入第二机器人决策模块，第二机器人决策模块根据预设的距离阈值与边缘计算的结果进行比对评估，以判定机器人是否要停止当前动作，当测距传感器数据达到预设阈值时，立即控制执行模块执行对应操作，以最快的时效完成对应的响应动作，确保机器人安全运行的同时节省了通信和云端消耗，并且保证了相应实时性，提高了相应速率，进而增强了使用效果。

实施例4：

如图4所示，第一类数据通过第一通道传输，第二类数据通过第二通道传输，第三类数据同时通过第一、第二通道传输，第四类数据通过第三通道传输，能够确保数据分类可以有序的传输，配合着这个方法使用，提高了判断的精准性，进而保证了计算结果，保障了执行时的正确性。

需要说明的是，本发明为一种基于边缘计算的机器人能效优化方法，在使用时，首先进行参数的预设置，随后开始进行数据的采集，电压电流传感器、测速传感器、力矩传感器等各种机器人常用的传感器进行数据的采集，所有传感器采集的原始数据均由机器人原始数据采集模块采集汇总，汇总后，机器人原始数据采集模块将采集到的的原始数据导入第一机器人决策模块中，该模块根据预设的参数对传感器数据进行数据通道分配，共分为3个数据通道，第一通道为无需云端参与的传感器数据，这部分数据导入第一边缘计算模块，第一边缘计算模块通过对第一通道传感器原始数据进行滤波提取，并针对预设的具体传感器种类与预设的阈值进行判断，然后将相应的结果输入第二机器人决策模块，该决策模块经过相应的决策机制直接获得控制指令，并将指令传输至执行模块，执行模块立即执行相应的操作，第二通道为需要边缘计算和云端参与的传感器数据，这部分数据导入第二边缘计算模块，第二边缘计算模块仅对第二通道传感器原始数据进行预处理，比如进行必要的滤波操作，然后经由通信模块将数据传送至云平台处理，云平台结合大数据完成云计算后将结果再经由通信模块返回至第三机器人决策模块，由相应的决策机制决定是否执行相应的动作，在数据通道分配时，第三通道为无需边缘计算的数据，这部分数据直接导入到通信模块中，并通过通信模块直接上传至云平台，云平台结合大数据完成云计算后将结果再经由通信模块返回至第三机器人决策模块，由相应的决策机制决定是否执行相应的动作。将数据分配到不同的通道进行相关操作计算，可以通过预处理将传感器等机器人数据量最大程度地减少，以降低通信负担，同时通过边缘计算方法完全节省了通信模块和云平台的计算开销，节省了对应的能源损耗。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims

1.一种基于边缘计算的机器人能效优化方法，其特征在于：包括机器人原始数据采集模块、第一机器人决策模块、第一边缘计算模块、第二机器人决策模块、执行模块、第二边缘计算模块、通信模块、第三机器人决策模块和云平台，所述机器人原始数据采集模块的输出端与第一机器人决策模块的输入端电连接，且第一机器人决策模块的输出端分别与第一边缘计算模块、第二边缘计算模块、通信模块的输入端电连接，所述第二机器人决策模块的输入端与第一边缘计算模块的输出端电连接，且第二机器人决策模块的输出端与执行模块的输入端电连接，所述第二边缘计算模块的输出端与通信模块的输出端电连接，且通信模块与云平台之间双向连接，所述通信模块的输出端与第三机器人决策模块的输入端电连接，且第三机器人决策模块的输出端与执行模块的输入端电连接。

2.根据权利要求1所述的一种基于边缘计算的机器人能效优化方法，其特征在于：所述机器人原始采集模块包括摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器等传感器，所述摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器的输出端均与机器人原始数据采集模块中汇总单元的输入端电连接，所述摄像头、麦克风、触摸传感器、距离传感器、电压电流传感器、测速传感器、力矩传感器之间独立设置。

3.根据权利要求1所述的一种基于边缘计算的机器人能效优化方法，其特征在于：所述第一机器人决策模块与第一边缘计算模块之间设置的为第一通道，且第一机器人决策模块与第二边缘计算模块之间设置的为第二通道，所述第一机器人决策模块与通信模块之间设置的为第三通道，所述第一通道、第二通道、第三通道之间并列设置。

4.根据权利要求1所述的一种基于边缘计算的机器人能效优化方法，其特征在于：所述通信模块与云平台之间设置有无线信号，且通信模块与云平台之间通过无线信号双向连接。

5.根据权利要求1所述的一种基于边缘计算的机器人能效优化方法，其特征在于：所述第一决策机器人模块中输出第一类数据、第二类数据和第三类数据以及第四类数据，所述第一类数据通过第一通道传输，第二类数据通过第二通道传输，第三类数据同时通过第一、第二通道传输，第四类数据通过第三通道传输。