CN111590583A - 一种基于大数据的智能对弈方法 - Google Patents

Abstract

本发明用于提供一种基于大数据的智能对弈方法，包括：感应用户所持的第一棋子落在棋盘上的第一区域点；监测机器人所持有的第二棋子落在棋盘上的第二区域点；基于预设对弈数据库，并根据区域点，获取机器人的预设行走信息，并传输到机器人；同时，机器人按照预设行走信息进行行走过程中，对行走的第一区域和第二区域进行激光判断，确定是否有外界物质接入；其中，预设行走信息包括：基于第一区域的预设行走路线以及基于第二区域的预设下棋路线。用以控制机器人按照预设行走信息进行行走，并对行走的第一区域和第二区域进行激光判断，提高其机器人行走的灵活性，提高用户的体验效果，避免对用户造成伤害，提高对弈的安全性。

Description

一种基于大数据的智能对弈方法

技术领域

本发明涉及大数据技术领域，特别涉及一种基于大数据的智能对弈方法。

背景技术

目前，现有对弈技术中，是基于大数据，并由人与智能用户端如手机app进行对弈，在对弈过程中，是人与智能用户端进行的虚拟对弈，没有任何交流，缺少人与人对弈的真实性，而且，虽然也存在人与实物机器人对弈的装置，但在对弈过程中，由于其机器人的位置较为固定，且在下棋过程中只是通过机械臂将棋子落在对应的棋盘点上，虽然，在此过程中，实现实机与用户的对弈，但是由于其在下落过程中，并不会考虑到是否有外界因素的介入，会带给用户不好的体验效果，还有可能会给用户带来伤害。

发明内容

本发明提供一种基于大数据的智能对弈方法，用以控制机器人按照预设行走信息进行行走，并对行走的第一区域和第二区域进行激光判断，提高其机器人行走的灵活性，提高用户的体验效果，避免对用户造成伤害。

本发明提供一种基于大数据的智能对弈方法，包括：

感应用户所持的第一棋子落在棋盘上的第一区域点；

监测机器人所持有的第二棋子落在棋盘上的第二区域点；

基于预设对弈数据库，并根据区域点，获取机器人的预设行走信息，并传输到所述机器人；

同时，所述机器人按照所述预设行走信息进行行走过程中，对行走的第一区域和第二区域进行激光判断，确定是否有外界物质接入；

其中，所述预设行走信息包括：基于第一区域的预设行走路线以及基于第二区域的预设下棋路线。

在一种可能实现的过程中，

所述第一棋子和第二棋子上设置有电子标签，其所述电子标签中包括：棋子类别、棋子名称和棋子大小；

所述方法，还包括：感应所述机器人所持第二棋子落在棋盘上的第二区域点的感应点信息，并基于所述感应点信息对所述预设行走信息进行修正。

在一种可能实现的过程中，还包括：

基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息；

当所述机器人按照预设下棋路线落第二棋子到第二区域点的过程中，判断所述旋转激光组件在预设下棋路线上是否感应到人体红外信息，若是，发送暂停人机对弈指令到机器人，控制机器人停止落棋，并进行预设提示；

否则，控制所述机器人按照预设下棋路线完成与用户的对弈。

在一种可能实现的过程中，

所述预设行走信息包括：所述机器人围绕所述棋盘的预设行走路线以及所述机器人达到指定位置点之后，执棋下棋的预设下棋路线；其中，所述机器人执所述第二棋子落于所述棋盘对应的第二区域点之前，还包括：从棋盒中抓取所述第二棋子，且所述第二区域点，是通过从预设对弈数据库获取所述第二棋子在棋盘上的初始坐标，所述初始坐标与所述棋盘上一个终点坐标相对应，所述终点坐标是根据所述棋盘上一个棋盘点获取的。

在一种可能实现的过程中，还包括：还包括：基于激光组件对所述机器人的预设行走路线进行激光扫射，在激光扫射过程中，具体包括：

当所述机器人按照所述预设行走路线围绕所述棋盘进行行走之前，在所述棋盘周围建立立体激光腔体，当所述机器人行走时，对所述机器人的行走激光白点进行捕捉，构建所述机器人的实际走位；

根据所述实际走位与所述机器人基于预设行走路线的预设走位进行比较，当走位偏移量大于预设偏移范围时，进行报警警示；

当所述机器人在行走过程中，对所述机器人预设范围内的目标人进行激光白点的捕捉，构建人走位；

监测所述目标人在当前时间段的行走状态，并基于动作数据库，对所述目标人的下一步动作进行预测；

将下一步动作的预测结果与所述人走位进行融合处理，并确定融合处理结果的最边缘位置点，同时，根据最边缘位置点确定边缘区域，并获取与所述机器人的实际走位的边缘点的最小差值，并判断所述最小差值是否在预设预警范围内，若在，进行预设预警；

否则，控制所述机器人按照所述预设行走路线继续行走。

在一种可能实现的过程中，基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息过程中，还包括：

获取所述机器人按照所述预设下棋路线进行下棋过程中，所述旋转激光组件在每个时刻t的激光照射区域；

其中，所述激光照射区域是基于机器人的下棋机器臂以及与机器臂连接的机器腔体构成的三维平面中的一个二维平面；

确定不同时刻的所述激光照射区域的区域信息，且区域信息包括：区域中心点信息、区域边缘点信息、所述激光照射区域基于棋盘的倾斜信息；

确定所述区域信息中是否存在空白区域，若存在，对所述空白区域所处的边缘位置信息B(x_l,y_l)进行确定，并确定所述边缘位置信息B(x_l,y_l)是否与所述区域信息的点信息相重叠，若重叠，进行第一报警警示；

否则，将所述旋转激光组件对应的一个旋转周期的激光区域进行叠加，确定是否存在点信息的相重叠，若重叠，确定重叠点数，若重叠点数大于预设点数，对所述空白区域进行区域信息点的修正处理，

其中，S表示修正处理后的区域信息；I_l(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的光子强度；μ(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的衰减系数；g(B(x_l,y_l))表示边缘位置信息B(x_l,y_l)对应的旋转激光组件的感应点的损坏函数；[E1,E1+ΔE]表示对边缘位置信息B(x_l,y_l)的微量修正范围；

将修正后的空白区域重新与所述叠加的激光区域进行比较，若结果与上次一致，则进行第二报警警示。

在一种可能实现的过程中，还包括:

基于预设对弈数据库和区域点，获取所述机器人的预设行走路线之前，还包括：确定所述机器人的剩余电量是否可支撑所述机器人完成与用户的对弈，其步骤包括：

所述预设对弈数据库中存储有电量数据子库，所述电量数据子库中拥有i条不同电量下的记录的数值化后的值，并形成一个n行i列的矩阵Y1；同时对所述的每条记录中的电量条件下能正常按照预设行走路线进行行走的点位置坐标的概率用向量Y2表示；

根据所述电量数据库中所含指标的数值化后的值，并将对应的路线下的与电量相关的数值化的值带入如下公式(1)得到该所述电量数据下的耗电量低于预设电量的概率：

a₀+a₁Y₁₁+a₂Y₁₂+…+a_iY_1i＝Y2 (1)

其中，A＝(a₀,a₁,a₂,…a_i)为所得的概率系数向量，Y＝(Y₁₁,Y₁₂,Y₁₃…Y_1i)为监测的所述机器人基于不同预设行走信息所需的电量值，Y2为得到的所述电量数据下耗电量低于预设电量的概率；

当不满足耗电量不低于预设电量时，进行预警警示；

当满足时，获取最低耗电量对应的预设行走信息。

在一种可能实现的过程中，监测机器人所持有的第二棋子落在棋盘上的第二区域点是基于监控电路实现的，所述监控电路包括：第一电阻RI、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第一电容C1、第二电容C2、第一二极管D1、第二二极管D2、第一NPN三极管NP1、第二NPN三极管NP2、第三NPN三极管NP3、第四NPN三极管NP4、第五NPN三极管NP5、PNP三极管PN1、电源VDD及地GND，

其中，电源VDD的正极分别与第一电阻RI、第七电阻R7、第一电容C1、第二电阻R2、第三电阻R3的输入端连接，且还分别与所述第一二极管D1、第二二极管D2的正极相连接；

所述第一二极管D1的负极与所述第五NPN三极管NP5的基极连接，所述第五NPN三极管NP5的集电极分别与所述第一电阻RI的输出端和第二二极管D2的负极连接，所述第五NPN三极管NP5的发射极与所述第六电阻R6的输入端连接；

所述第七电阻R7的输出端与所述第二电容C2的输入端连接，所述第二电容C2的输出端与所述第一NPN三极管NP1的基极连接，所述第一电容C1的输出端与所述第一NPN三极管NP1的集电极连接，所述第一NPN三极管NP1的发射极与所述第八电阻的输入端连接；

所述第八电阻R8的输出端与所述PNP三极管PN1的集电极连接，所述PNP三极管PN1的基极与所述第九电阻R9的输出端连接，所述PNP三极管PN1的发射极与所述第二NPN三极管NP2的基极连接，所述第二NPN三极管NP2的集电极与所述第三NPN三极管NP3的基极连接，所述第三NPN三极管NP3的集电极分别与所述第一电阻RI的输出端、第二二极管D2的负极、第四NPN三极管NP4的基极连接；

所述第二电阻R2的输出端分别与所述第五电阻R5的输入端、及所述第四NPN三极管NP4的发射极连接，所述第四NPN三极管NP4的集电极与所述第四电阻R4的输入端连接；

所述第三电阻R3的输出端分别与所述第九电阻R9的输入端、及所述第二NPN三极管NP2的发射极连接；

所述第四电阻R4、第五电阻R5、第六电阻R6、及第三NPN三极管NP3的发射极分别与地GND连接。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为本发明实施例中一种基于大数据的智能对弈方法的流程图；

图2为本发明实施例中激光腔体的构建示意图；

图3为本发明实施例中监控电路图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明实施例提供一种基于大数据的智能对弈系统，如图1所示，包括：

步骤1：感应用户所持的第一棋子落在棋盘上的第一区域点；

步骤2：监测机器人所持有的第二棋子落在棋盘上的第二区域点；

步骤3：基于预设对弈数据库，并根据区域点，获取机器人的预设行走信息，并传输到所述机器人；

步骤4：同时，所述机器人按照所述预设行走信息进行行走过程中，对行走的第一区域和第二区域进行激光判断，确定是否有外界物质介入；

其中，所述预设行走信息包括：基于第一区域的预设行走路线以及基于第二区域的预设下棋路线。

优选地，所述第一棋子和第二棋子上设置有电子标签，其所述电子标签中包括：棋子类别、棋子名称和棋子大小；

所述方法，还包括：感应所述机器人所持第二棋子落在棋盘上的第二区域点的感应点信息，并基于所述感应点信息对所述预设行走信息进行修正。

该实施例中，首先根据用户所选的对弈的种类和方式，自动确定是用户先落棋，还是机器人先落棋，并将其结果传输到机器人进行相关动作。

该实施例中，第一区域指的是机器人围绕棋盘的预设行走路线所对应的长方体三维区域或者任意一形状的三维区域，且是包括机器人和棋盘在内的；第二区域指的是机器人达到第一区域指定位置点之后，执棋下棋的预设下棋路线对应的长方体三维区域或者任意一形状的三维区域。

其中，外界物质可以是人，如胳膊手指等；

其中，机器人可以是现有技术中的可围绕棋盘转动的对弈机器人，例如可以是平衡车与向联智能下棋机器人的结合，即现有技术的结合，构成的机器人，且通过平衡车围绕棋盘进行移动进而带动该向联智能下棋机器人的移动，其中，通过控制该机器人的移动，可以有效的增加用户与该机器人对弈的体验效果。

该实施例中，设置到的每个步骤，可以是基于服务器的软件程序等实现的；

且在控制机器人移动或者下棋的过程中，可以是通过服务器，向该机器人发送执行指令，控制其移动或者下棋；

当控制机器人按照预设行走路线行走时，此时，主要是为了控制例如平衡车围绕棋盘进行移动，当控制机器人按照预设下棋路线工作时，此时，主要是为了控制例如向联智能下棋机器人进行下棋操作。

对机器人所持的第二棋子进行监控，是为了保证机器人所取的棋子是正确的，通过感应用户是否落下棋子，避免用户与机器人同时下棋出现冲突。

该实施例中，第一区域点，是用户执棋落下的点，第二区域点，是机器人执棋落下的点；且上述第一棋子和第二棋子包括但不限于五子棋、象棋等；且上述预设行走信息是包括：机器人围绕棋盘行走的预设行走路线和机器人从标定板上取上第二棋子，到落下第二棋子到棋盘上对应的第二区域点上的下棋路线，是控制机器人两步走的关键，通过设置两步走，提高了其机器人的灵活性，且分别在对应的第一区域和第二区域进行激光判断，确定是否有外界物质介入，其可以有效的对存在的外界物质进行有效的警告，且通过设置两个区域，且分别对两个区域进行激光判断，有效的提高对弈的安全性，且第一棋子和第二棋子是同类型不同颜色的棋子。

该实施例中，设置电子标签，主要是为了可以准确的识别出对应的用户和机器人所持走的棋子的准确的信息，例如，象棋中存在多个一样的棋子，如果不将棋子的信息标记清楚，可能会出现存在误操作指令，导致用户的体验效果降低；

且该实施例中，棋盘中每个棋盘点可以是设置有感应芯片的，当有棋子落在该点时，读取该感应芯片的输出信号，如压力信号等。

其中，棋盘以及机器人都是与服务器建立通信连接。

该技术方案的有益效果是：用以控制机器人按照预设行走信息进行行走，并对行走的第一区域和第二区域进行激光判断，提高其机器人行走的灵活性，提高用户的体验效果，避免对用户造成伤害，提高对弈的安全性。

本发明实施例提供的一种基于大数据的智能对弈方法，还包括：

基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息；

当所述机器人按照预设下棋路线落第二棋子到第二区域点的过程中，判断所述旋转激光组件在预设下棋路线上是否感应到人体红外信息，若是，发送暂停人机对弈指令到机器人，控制机器人停止落棋，并进行预设提示；

否则，控制所述机器人按照预设下棋路线完成与用户的对弈。

优选地，预设提示包括：语音、振动、彩铃任一种或多种组合提示。

例如上述的预设下棋路线是1字形状的，则旋转激光组件就会对1字形状路线上是否有人体红外进行感应，并获取相应的感应结果。

上述提示信息，例如可以是，注意安全提示信息等。

该实施例中，旋转激光组件可以是设置在向联智能下棋机器人的机器臂上的，且旋转激光组件也是为了判断下棋路径中是否有外界物质接入。

该技术方案的有益效果是：通过设置旋转激光组件，扩大感应范围，可以有效避免用户在机器人执行下棋预设路线的过程中，受到伤害，进一步提高其的安全性。

本发明实施例提供的一种基于大数据的智能对弈方法，

所述预设行走信息包括：所述机器人围绕所述棋盘的预设行走路线以及所述机器人达到指定位置点之后，执棋下棋的预设下棋路线；

其中，所述机器人执所述第二棋子落于所述棋盘对应的第二区域点之前，还包括：从棋盒中抓取所述第二棋子，且所述第二区域点，是通过从预设对弈数据库获取所述第二棋子在棋盘上的初始坐标，所述初始坐标与所述棋盘上一个终点坐标相对应，所述终点坐标是根据所述棋盘上一个棋盘点获取的。

需要说明的是，每个棋子落下的位置即棋盘点都有其一一对应的感应点。

该技术方案的有益效果是：通过将初始坐标与终点坐标进行对应，提高机器人落棋位置的准确性，且通过设置预设行走路线和预设下棋路线，便于对机器人进行灵活控制，增加机器人与用户的交互效果。

本发明实施例提供的一种基于大数据的智能对弈方法，还包括：

基于激光组件对所述机器人的预设行走路线进行激光扫射，在激光扫射过程中，具体包括：

当所述机器人按照所述预设行走路线围绕所述棋盘进行行走之前，在所述棋盘周围建立立体激光腔体，当所述机器人行走时，对所述机器人的行走激光白点进行捕捉，构建所述机器人的实际走位；

根据所述实际走位与所述机器人基于预设行走路线的预设走位进行比较，当走位偏移量大于预设偏移范围时，进行报警警示；

当所述机器人在行走过程中，对所述机器人预设范围内的目标人进行激光白点的捕捉，构建人走位；

监测所述目标人在当前时间段的行走状态，并基于动作数据库，对所述目标人的下一步动作进行预测；

将下一步动作的预测结果与所述人走位进行融合处理，并确定融合处理结果的最边缘位置点，同时，根据最边缘位置点确定边缘区域，并获取与所述机器人的实际走位的边缘点的最小差值，并判断所述最小差值是否在预设预警范围内，若在，进行预设预警；

否则，控制所述机器人按照所述预设行走路线继续行走。

该实施例具体为：当机器人按照预设行走路线围绕棋盘进行行走之前，在所述棋盘周围建立立体激光腔体，该立体激光腔体可以是围绕在人机对弈装置的四周按照一定间隔进行均匀竖直建立，且每个竖直建立杆是基于升降装置基础上设置的，例如：当机器人按照预设行走路线行走时，基于升降装置将竖杆升起，且每个竖杆上都均匀设置有若干个激光器，如图2所示，其中，A列激光杆对称设置，B列激光杆对称设置，且每个激光杆上设置有多个激光器a，当升降之后，控制激光器开启，此时构成立体激光腔体；

当机器人行走在立体激光腔体中时，对机器人的行走激光白点进行捕捉，构建所述机器人的实际走位；其中，行走激光白点是指机器人本身被激光照射，且未穿透的机器人当前走位形状，并根据实施捕捉的激光白点，构建机器人的实际走位；

根据实际走位与机器人基于预设行走路线的预设走位进行比较，当走位偏移量大于预设偏移范围时，进行报警警示；

例如，设定的机器人围绕棋盘10cm距离移动，如果此时超过15cm，则进行报警警示，且报警警示可以是设置在机器人身上的指示灯闪烁。

当机器人在行走过程中，对机器人预设范围内的目标人进行激光白点的捕捉，构建人走位；

该目标人的人走位与上述确定的机器人的走位原理类似，同时，监测目标人在当前时间段的行走状态，并基于动作数据库，对目标人的下一步动作进行预测，将下一步动作的预测结果与所述人走位进行融合处理，并确定融合处理结果的最边缘位置点，同时，根据最边缘位置点确定边缘区域，该边缘区域是指的目标人的在立体激光腔体内的基于人的最外缘区域，获取与机器人的实际走位的边缘点的最小差值，如图2所示，当C表示机器人，D表示目标人，其中的c和d点之间的距离可以作为边缘点的最小差值，当最小差值在预设预警范围内，进行预设预警；例如，预设警示范围为[0,10cm]，其中，当机器人按照预设行走路线行走完毕之后，控制竖杆下降，便于节省资源。

上述技术方案的有益效果是：该实施例是针对预设行走信息中的第一步预设行走路线而言的，通过构建激光腔体，且通过进一步确定目标人的实际走位和机器人的实际走位，以及两者之间的边缘差值，确定是否进行预警，且通过确定机器人的实际走位，避免机器人走偏，不仅保证的对弈效率，还保证了对弈安全。

本发明实施例提供一种基于大数据的智能对弈方法，基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息过程中，还包括：

获取所述机器人按照所述预设下棋路线进行下棋过程中，所述旋转激光组件在每个时刻t的激光照射区域；

其中，所述激光照射区域是基于机器人的下棋机器臂以及与机器臂连接的机器腔体构成的三维平面中的一个二维平面；

确定不同时刻的所述激光照射区域的区域信息，且区域信息包括：区域中心点信息、区域边缘点信息、所述激光照射区域基于棋盘的倾斜信息；

确定所述区域信息中是否存在空白区域，若存在，对所述空白区域所处的边缘位置信息B(x_l,y_l)进行确定，并确定所述边缘位置信息B(x_l,y_l)是否与所述区域信息的点信息相重叠，若重叠，进行第一报警警示；

否则，将所述旋转激光组件对应的一个旋转周期的激光区域进行叠加，确定是否存在点信息的相重叠，若重叠，确定重叠点数，若重叠点数大于预设点数，对所述空白区域进行区域信息点的修正处理，

其中，S表示修正处理后的区域信息；I_l(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的光子强度；μ(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的衰减系数；g(B(x_l,y_l))表示边缘位置信息B(x_l,y_l)对应的旋转激光组件的感应点的损坏函数；[E1,E1+ΔE]表示对边缘位置信息B(x_l,y_l)的微量修正范围；

将修正后的空白区域重新与所述叠加的激光区域进行比较，若结果与上次一致，则进行第二报警警示。

该实施例中的空白区域是指有外界物质介入时，对激光阻挡产生的。

上述技术方案的有益效果是：该实施例是针对预设行走信息中的预设下棋路线而言的，首先确定下棋过程中扫描到的激光照射区域，其次，确定区域信息中是否存在空白区域，若存在对应的电信息的重叠，进行报警，然后，确定边缘位置信息与区域信息的点信息相重叠信息，并通过修正处理操作处理手段对其进行再次验证，提高其的准确性，进而间接的提高对弈效率和对弈安全性。

本发明实施例提供一种基于大数据的智能对弈方法，还包括:

基于预设对弈数据库和区域点，获取所述机器人的预设行走路线之前，还包括：确定所述机器人的剩余电量是否可支撑所述机器人完成与用户的对弈，其步骤包括：

所述预设对弈数据库中存储有电量数据子库，所述电量数据子库中拥有i条不同电量下的记录的数值化后的值，并形成一个n行i列的矩阵Y1；同时对所述的每条记录中的电量条件下能正常按照预设行走路线进行行走的点位置坐标的概率用向量Y2表示；

根据所述电量数据库中所含指标的数值化后的值，并将对应的路线下的与电量相关的数值化的值带入如下公式(1)得到该所述电量数据下的耗电量低于预设电量的概率：

a₀+a₁Y₁₁+a₂Y₁₂+…+a_iY_1i＝Y2 (1)

其中，A＝(a₀,a₁,a₂,…a_i)为所得的概率系数向量，Y＝(Y₁₁,Y₁₂,Y₁₃…Y_1i)为监测的所述机器人基于不同预设行走信息所需的电量值，Y2为得到的所述电量数据下耗电量低于预设电量的概率；

当不满足耗电量不低于预设电量时，进行预警警示；

当满足时，获取最低耗电量对应的预设行走信息。

上述技术方案的有益效果是：通过对机器人的电量进行确定，可以有效的保证该对弈的正常运行，且通过获取最低耗电量对应的预设行走信息，便于智能获取耗电最小的路线，提高机器人的运转时间，同时还可以有效的节省机器人的电量，保证机器人的电量充足，实现与对弈者的完整对弈。

本实施例中，为了提高机器人所持有的第二棋子落在棋盘上的第二区域点的精确度，进行了设置如下：

监测机器人所持有的第二棋子落在棋盘上的第二区域点是基于监控电路实现的，如图3所示，所述监控电路包括：第一电阻RI、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第一电容C1、第二电容C2、第一二极管D1、第二二极管D2、第一NPN三极管NP1、第二NPN三极管NP2、第三NPN三极管NP3、第四NPN三极管NP4、第五NPN三极管NP5、PNP三极管PN1、电源VDD及地GND，

其中，电源VDD的正极分别与第一电阻RI、第七电阻R7、第一电容C1、第二电阻R2、第三电阻R3的输入端连接，且还分别与所述第一二极管D1、第二二极管D2的正极相连接；

所述第一二极管D1的负极与所述第五NPN三极管NP5的基极连接，所述第五NPN三极管NP5的集电极分别与所述第一电阻RI的输出端和第二二极管D2的负极连接，所述第五NPN三极管NP5的发射极与所述第六电阻R6的输入端连接；

所述第七电阻R7的输出端与所述第二电容C2的输入端连接，所述第二电容C2的输出端与所述第一NPN三极管NP1的基极连接，所述第一电容C1的输出端与所述第一NPN三极管NP1的集电极连接，所述第一NPN三极管NP1的发射极与所述第八电阻的输入端连接；

所述第八电阻R8的输出端与所述PNP三极管PN1的集电极连接，所述PNP三极管PN1的基极与所述第九电阻R9的输出端连接，所述PNP三极管PN1的发射极与所述第二NPN三极管NP2的基极连接，所述第二NPN三极管NP2的集电极与所述第三NPN三极管NP3的基极连接，所述第三NPN三极管NP3的集电极分别与所述第一电阻RI的输出端、第二二极管D2的负极、第四NPN三极管NP4的基极连接；

所述第二电阻R2的输出端分别与所述第五电阻R5的输入端、及所述第四NPN三极管NP4的发射极连接，所述第四NPN三极管NP4的集电极与所述第四电阻R4的输入端连接；

所述第三电阻R3的输出端分别与所述第九电阻R9的输入端、及所述第二NPN三极管NP2的发射极连接；

所述第四电阻R4、第五电阻R5、第六电阻R6、及第三NPN三极管NP3的发射极分别与地GND连接。

该实施例中监控电路的工作原理是：第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5组成惠斯通电桥，并由第四NPN三极管NP4及第二二极管D2所构成并输出的横向电压，实现对惠斯通电桥的监控，提高监测模块的可靠性；

第九电阻R9、第一NPN三极管NP1、第二NPN三极管NP2、第三NPN三极管NP3构成降低功耗的电路，可以避免因第三电阻R3的输出端所输出的电压过大，对所形成的惠斯通电桥造成破坏，进一步提高了监测模块的可靠性；

当通过第七电阻R7的输出端输出电压激活第一NPN三极管时，此时设置第一电容C1、及第二电容C2是为了将参杂信号滤除，给第八电阻R8提供一个较为稳定的电压。

上述技术方案的有益效果是：提高监测机器人所持有的第二棋子落在棋盘上的第二区域点的精确度，为后续提高对弈的安全性提供了基础。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于大数据的智能对弈方法，其特征在于，包括：

感应用户所持的第一棋子落在棋盘上的第一区域点；

监测机器人所持有的第二棋子落在棋盘上的第二区域点；

基于预设对弈数据库，并根据区域点，获取机器人的预设行走信息，并传输到所述机器人；

同时，所述机器人按照所述预设行走信息进行行走过程中，对行走的第一区域和第二区域进行激光判断，确定是否有外界物质介入；

其中，所述预设行走信息包括：基于第一区域的预设行走路线以及基于第二区域的预设下棋路线。

2.如权利要求1所述的智能对弈方法，其特征在于，

所述第一棋子和第二棋子上设置有电子标签，其所述电子标签中包括：棋子类别、棋子名称和棋子大小；

所述方法，还包括：感应所述机器人所持第二棋子落在棋盘上的第二区域点的感应点信息，并基于所述感应点信息对所述预设行走信息进行修正。

3.如权利要求2所述的智能对弈方法，其特征在于，还包括：

基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息；

当所述机器人按照预设下棋路线落第二棋子到第二区域点的过程中，判断所述旋转激光组件在预设下棋路线上是否感应到人体红外信息，若是，发送暂停人机对弈指令到机器人，控制机器人停止落棋，并进行预设提示；

否则，控制所述机器人按照预设下棋路线完成与用户的对弈。

4.如权利要求1或2所述的智能对弈方法，其特征在于，

所述预设行走信息包括：所述机器人围绕所述棋盘的预设行走路线以及所述机器人达到指定位置点之后，执棋下棋的预设下棋路线；

其中，所述机器人执所述第二棋子落于所述棋盘对应的第二区域点之前，还包括：从棋盒中抓取所述第二棋子，且所述第二区域点，是通过从预设对弈数据库获取所述第二棋子在棋盘上的初始坐标，所述初始坐标与所述棋盘上一个终点坐标相对应，所述终点坐标是根据所述棋盘上一个棋盘点获取的。

5.如权利要求1或2所述的智能对弈方法，其特征在于，还包括：基于激光组件对所述机器人的预设行走路线进行激光扫射，在激光扫射过程中，具体包括：

当所述机器人按照所述预设行走路线围绕所述棋盘进行行走之前，在所述棋盘周围建立立体激光腔体，当所述机器人行走时，对所述机器人的行走激光白点进行捕捉，构建所述机器人的实际走位；

根据所述实际走位与所述机器人基于预设行走路线的预设走位进行比较，当走位偏移量大于预设偏移范围时，进行报警警示；

当所述机器人在行走过程中，对所述机器人预设范围内的目标人进行激光白点的捕捉，构建人走位；

监测所述目标人在当前时间段的行走状态，并基于动作数据库，对所述目标人的下一步动作进行预测；

将下一步动作的预测结果与所述人走位进行融合处理，并确定融合处理结果的最边缘位置点，同时，根据最边缘位置点确定边缘区域，并获取与所述机器人的实际走位的边缘点的最小差值，并判断所述最小差值是否在预设预警范围内，若在，进行预设预警；

否则，控制所述机器人按照所述预设行走路线继续行走。

6.如权利要求3所述的智能对弈方法，其特征在于，基于旋转激光组件，感应所述机器人在预设下棋路线上的人体红外信息过程中，还包括：

获取所述机器人按照所述预设下棋路线进行下棋过程中，所述旋转激光组件在每个时刻t的激光照射区域；

其中，所述激光照射区域是基于机器人的下棋机器臂以及与机器臂连接的机器腔体构成的三维平面中的一个二维平面；

确定不同时刻的所述激光照射区域的区域信息，且区域信息包括：区域中心点信息、区域边缘点信息、所述激光照射区域基于棋盘的倾斜信息；

确定所述区域信息中是否存在空白区域，若存在，对所述空白区域所处的边缘位置信息B(x_l,y_l)进行确定，并确定所述边缘位置信息B(x_l,y_l)是否与所述区域信息的点信息相重叠，若重叠，进行第一报警警示；

否则，将所述旋转激光组件对应的一个旋转周期的激光区域进行叠加，确定是否存在点信息的相重叠，若重叠，确定重叠点数，若重叠点数大于预设点数，对所述空白区域进行区域信息点的修正处理，

其中，S表示修正处理后的区域信息；I_l(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的光子强度；μ(E_l)表示边缘位置信息B(x_l,y_l)对应的激光照射能量为E_l的衰减系数；g(B(x_l,y_l))表示边缘位置信息B(x_l,y_l)对应的旋转激光组件的感应点的损坏函数；[E1,E1+ΔE]表示对边缘位置信息B(x_l,y_l)的微量修正范围；

将修正后的空白区域重新与所述叠加的激光区域进行比较，若结果与上次一致，则进行第二报警警示。

7.如权利要求1或2所述的智能对弈方法，其特征在于，还包括:

基于预设对弈数据库和区域点，获取所述机器人的预设行走路线之前，还包括：确定所述机器人的剩余电量是否可支撑所述机器人完成与用户的对弈，其步骤包括：

所述预设对弈数据库中存储有电量数据子库，所述电量数据子库中拥有i条不同电量下的记录的数值化后的值，并形成一个n行i列的矩阵Y1；同时对所述的每条记录中的电量条件下能正常按照预设行走路线进行行走的点位置坐标的概率用向量Y2表示；

根据所述电量数据库中所含指标的数值化后的值，并将对应的路线下的与电量相关的数值化的值带入如下公式(1)得到该所述电量数据下的耗电量低于预设电量的概率：

a₀+a₁Y₁₁+a₂Y₁₂+…+a_iY_1i＝Y2 (1)

其中，A＝(a₀,a₁,a₂,…a_i)为所得的概率系数向量，Y＝(Y₁₁,Y₁₂,Y₁₃…Y_1i)为监测的所述机器人基于不同预设行走信息所需的电量值，Y2为得到的所述电量数据下耗电量低于预设电量的概率；

当不满足耗电量不低于预设电量时，进行预警警示；

当满足时，获取最低耗电量对应的预设行走信息。

8.如权利要求1或2所述的智能对弈方法，其特征在于，监测机器人所持有的第二棋子落在棋盘上的第二区域点是基于监控电路实现的，所述监控电路包括：第一电阻RI、第二电阻R2、第三电阻R3、第四电阻R4、第五电阻R5、第六电阻R6、第七电阻R7、第八电阻R8、第九电阻R9、第一电容C1、第二电容C2、第一二极管D1、第二二极管D2、第一NPN三极管NP1、第二NPN三极管NP2、第三NPN三极管NP3、第四NPN三极管NP4、第五NPN三极管NP5、PNP三极管PN1、电源VDD及地GND，

其中，电源VDD的正极分别与第一电阻RI、第七电阻R7、第一电容C1、第二电阻R2、第三电阻R3的输入端连接，且还分别与所述第一二极管D1、第二二极管D2的正极相连接；

所述第一二极管D1的负极与所述第五NPN三极管NP5的基极连接，所述第五NPN三极管NP5的集电极分别与所述第一电阻RI的输出端和第二二极管D2的负极连接，所述第五NPN三极管NP5的发射极与所述第六电阻R6的输入端连接；

所述第七电阻R7的输出端与所述第二电容C2的输入端连接，所述第二电容C2的输出端与所述第一NPN三极管NP1的基极连接，所述第一电容C1的输出端与所述第一NPN三极管NP1的集电极连接，所述第一NPN三极管NP1的发射极与所述第八电阻的输入端连接；

所述第八电阻R8的输出端与所述PNP三极管PN1的集电极连接，所述PNP三极管PN1的基极与所述第九电阻R9的输出端连接，所述PNP三极管PN1的发射极与所述第二NPN三极管NP2的基极连接，所述第二NPN三极管NP2的集电极与所述第三NPN三极管NP3的基极连接，所述第三NPN三极管NP3的集电极分别与所述第一电阻RI的输出端、第二二极管D2的负极、第四NPN三极管NP4的基极连接；

所述第二电阻R2的输出端分别与所述第五电阻R5的输入端、及所述第四NPN三极管NP4的发射极连接，所述第四NPN三极管NP4的集电极与所述第四电阻R4的输入端连接；

所述第三电阻R3的输出端分别与所述第九电阻R9的输入端、及所述第二NPN三极管NP2的发射极连接；

所述第四电阻R4、第五电阻R5、第六电阻R6、及第三NPN三极管NP3的发射极分别与地GND连接。

Images