CN112014799B - 一种数据采集方法及巡检装置 - Google Patents
一种数据采集方法及巡检装置 Download PDFInfo
- Publication number
- CN112014799B CN112014799B CN202010777717.2A CN202010777717A CN112014799B CN 112014799 B CN112014799 B CN 112014799B CN 202010777717 A CN202010777717 A CN 202010777717A CN 112014799 B CN112014799 B CN 112014799B
- Authority
- CN
- China
- Prior art keywords
- inspection device
- path
- target
- depth
- speed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 209
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000014509 gene expression Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 230000004888 barrier function Effects 0.000 claims description 4
- 238000011841 epidemiological investigation Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 6
- 206010011224 Cough Diseases 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/24—Position of single direction-finder fixed by determining direction of a plurality of spaced sources of known location
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electromagnetism (AREA)
- Multimedia (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例提供了一种数据采集方法及巡检装置，能够在预设规划区域内进行巡检的过程中，确定麦克风阵列所采集的声音信息中是否包含目标声音信息；如果是，通过麦克风阵列获取发出目标声音信息的目标人员相对于巡检装置的方位角，并通过深度摄像机获取目标人员的深度信息；根据方位角和深度信息确定目标人员相对于巡检装置的目标位置；利用巡检装置的速度以及在预设规划区域内的坐标，规划巡检装置向目标位置移动的路径；巡检装置按照路径向目标位置移动，并在移动至目标位置之后采集目标人员的人脸数据。应用本发明提供的方案，能够在早期提前筛查出疑似人员并采集疑似人员相关信息，从而实现在流行病学调查过程中，能够及时、准确、完整的得到疫情相关信息。
Description
技术领域
本发明涉及数据采集技术领域，特别是涉及一种数据采集方法及巡检装置。
背景技术
流行病学调查通常采用事后追溯的方式来进行溯源。事后追溯的过程依赖于患者或相关人员回溯行动轨迹，接触人群等方法。
但是，由于对相关人员的排查不及时，以及患者或相关人员的记忆经常出现偏差，导致事后调查存在信息滞后、不准确、不完整等问题。而如果在早期能够提前筛查出疑似人员并采集疑似人员的相关信息，对于后续的流行病调查的完备性有着极大的作用。
发明内容
本发明实施例提供了一种数据采集方法及巡检装置，以达到在早期提前筛查出疑似人员并采集疑似人员相关信息的技术效果。
本发明实施的一方面，提供了一种数据采集方法，应用于巡检装置，所述巡检装置包括：麦克风阵列和深度摄像机；所述方法包括：
所述巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；
如果是，通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；
根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；
利用所述巡检装置的速度以及在所述预设规划区域内的坐标，根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径；
所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据。
可选的，所述通过所述深度摄像机获取所述目标人员的深度信息的步骤，包括：
所述巡检装置控制所述深度摄像机按照所述方位角所指示的方位拍摄第一深度图像；
所述巡检装置沿所述方位角所指示方位的其他方位移动预设的一段距离，并控制所述深度摄像机转向所述第一深度图像的拍摄区域拍摄第二深度图像；
利用所述第一深度图像、第二深度图像以及所述巡检装置所移动的距离，通过三角定位法获得所述目标人员的深度信息。
可选的，所述方法还包括：
获取预设的深度距离D，并利用所述深度距离D通过以下表达式计算测角精度Δθ：
Δθ＝90/Dπ；
利用所述深度距离D和测角精度Δθ将所述预设规划区域网格离散化；
相应地，根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置的步骤，包括：
根据所述方位角和深度信息确定所述目标人员所在的网格，根据所述网格所表征的位置信息确定为所述目标人员相对于所述巡检装置的目标位置。
可选的，在利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述位置移动的路径的步骤之前，还包括：
在预定时长内持续监测所述目标人员发出所述目标声音的次数是否大于预定次数；
相应地，在所述目标人员发出所述目标声音的次数大于预定次数的情况下，利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述位置移动的路径。
可选的，所述利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述目标位置移动的路径的步骤，包括：
利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心：
其中，v表示巡检装置的移动速度，w表示巡检装置的旋转速度，θ表示巡检装置的转向角，Fx，Fy为巡检装置的坐标，为第i段路径的圆心，其半径为vi/wi，i表示路径的数量，i＝1、2、3……；
利用计算得到的i个圆心和所述巡检装置的速度，确定i条所述巡检装置向所述目标位置移动的可行路径；
在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
可选的，所述在所确定的可行路径中选取一条路径作为述巡检装置向所述目标位置移动的路径的步骤，包括：
确定按照各个可行路径移动时所述巡检装置的速度取值范围VS；
利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va：
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd：
确定速度搜索空间Vr，其中，Vr＝Vs∩Va∩Vd；
在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径；
在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
可选的，所述在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径的步骤，包括：
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分：
G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中，heading(v,w)表示巡检装置与目标点的对齐程度，dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离，vel(v,w)表示巡检装置某条轨迹的速度v，α，β，γ分别为评价函数的权重；
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
可选的，在采集所述目标人员的人脸数据之后，所述方法还包括：
获取并记录采集所述目标人员的人脸数据的时间信息以及所述目标位置的地理位置信息。
可选的，所述方法还包括：
获取预设安全距离，按照以所述安全距离为半径、所述目标人员为圆心的圆形轨迹进行移动，并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
本发明实施的又一方面，还提供了一种巡检装置，所述巡检装置包括：麦克风阵列和深度摄像机，所述巡检装置还包括：
声音确定模块，用于所述巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；
信息采集模块，与所述声音确定模块、麦克风阵列以及深度摄像机连接用于通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；
位置确定模块，与所述信息采集模块连接用于根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；
路径规划模块，与所述位置确定模块连接用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述目标位置移动的路径；
数据采集模块，与所述路径规划模块连接用于所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据。
本发明实施例提供的一种数据采集方法及巡检装置，巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；如果是，通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；利用所述巡检装置的速度以及在所述预设规划区域内的坐标，根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径；所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据。应用本发明提供的方案，能够在早期提前筛查出疑似人员并采集疑似人员相关信息，从而实现在流行病学调查过程中，能够及时、准确、完整的得到疫情相关信息。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1为本发明实施例提供的第一种巡检装置的结构示意图；
图2为本发明实施例提供的一种数据采集方法的流程示意图；
图3为本发明实施例提供的一种目标人员与巡检装置相对位置的示意图；
图4为本发明实施例提供的一种巡检装置的移动策略示意图；
图5为本发明实施例提供的一种预设规划区域网格离散化示意图；
图6为本发明实施例提供的一种巡检装置的圆形轨迹运动示意图；
图7为本发明实施例提供的第二种巡检装置的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本发明做进一步详细说明。在此，本发明的示意性实施方式及其说明用于解释本发明，但并不作为对本发明的限定。
参见图1，为本发明实施例提供的第一种巡检装置的结构示意图，此实现方式中，巡检装置包括：环形麦克风阵列、深度摄像机、红外监控相机、探照灯、天线以及急停按钮；
在实施中，巡检装置通过环形麦克风阵列采集周围环境中的声音信息，并在确定所采集的声音信息中包含目标声音信息的情况下，通过环形麦克风阵列获取发出目标声音信息的目标人员相对于巡检装置的方位角，并通过深度摄像机获取目标人员的深度信息；根据方位角和深度信息确定目标人员相对于巡检装置的目标位置；利用巡检装置的速度以及在预设规划区域内的坐标，根据预设的巡检路径规划策略规划巡检装置向目标位置移动的路径；之后巡检装置按照规划好的路径向目标位置移动，并在移动至目标位置之后通过红外监控相机采集目标人员的人脸数据，从而能够在早期提前筛查出疑似人员并采集疑似人员相关信息。
参见图2，为本发明实施例提供的一种数据采集方法的流程示意图，应用于巡检装置，巡检装置包括：麦克风阵列和深度摄像机；该方法包括：
S200，巡检装置在预设规划区域内进行巡检的过程中，确定麦克风阵列所采集的声音信息中是否包含目标声音信息，并在是的情况下执行S210，在否的情况下继续巡检。
在实施中，预设规划区域可以为机场、车站等公共区域。具体的，可以在巡检装置进行巡检之前，将预设规划区域的地图信息输入至巡检装置，以使得巡检装置能够自主在预设规划区域内进行巡检。
目标声音信息也就是用于表征人员是否存在病症的声音信息，比如，咳嗽的声音信息、打喷嚏的声音信息等。
在实施中，可以预先构建一个声音识别神经网络模型，用于识别麦克风阵列所采集的声音信息中是否包含目标声音信息。比如，可以收集大量咳嗽的声音信息，并利用收集到的咳嗽的声音信息对神经网络模型进行训练得到用于识别咳嗽声音信息的声音识别神经网络模型。
S210，通过麦克风阵列获取发出目标声音信息的目标人员相对于巡检装置的方位角，并通过深度摄像机获取目标人员的深度信息。
参见图3为本发明实施例提供的一种目标人员与巡检装置相对位置的示意图，θ表示目标人员相对于巡检装置的方位角，d表示目标人员相对于巡检装置的深度信息。
在实施中，深度信息也就是用于表示目标人员相对于巡检装置之间距离大小的信息。
一种情况下，当目标人员与巡检装置之间没有遮挡时，巡检装置控制深度摄像机按照方位角所指示的方位拍摄深度图像，通过拍摄的深度图像得到的深度信息也就表明了目标人员相对于巡检装置之间的距离。
另一种情况下，当目标人员与巡检装置之间存在遮挡时，巡检装置在控制深度摄像机按照方位角所指示的方位拍摄第一深度图像；
之后巡检装置可以沿方位角所指示方位的其他方位移动预设的一段距离，并控制深度摄像机转向第一深度图像的拍摄区域拍摄第二深度图像；参见图4为本发明实施例提供的一种巡检装置的移动策略示意图，图中巡检装置在拍摄完第一深度图像之后，向右前方移动预设的一段距离并拍摄第二深度图像。
上述预设的一段距离可以为具体的距离数值，比如，1m，2m等距离数值；还可以为用于设定巡检装置进行移动一段距离的指令，此种情况下，并不设定移动的具体数值，可以在巡检装置上设置里程计或编码器等距离测量装置，用以在巡检设备移动过程中计算巡检设备的移动距离。
利用第一深度图像、第二深度图像以及巡检装置所移动的距离，通过三角定位法获得目标人员的深度信息。三角定位法为用于定位的常用算法，计算过程在此不再赘述。
S220，根据方位角和深度信息确定目标人员相对于巡检装置的目标位置。
在实施中，继续参见图3确定了目标人员相对于巡检装置的方位角和深度信息也就得到了目标人员相对于巡检装置的目标位置，具体的，目标位置可以表示为(d,θ)。
在实施中，为了降低数据传输量，可以预想将预设规划区域网格离散化，离散化之后的每一个网格代表一个位置，在传输目标位置过程中，只需要传输目标位置对应的网格编号，从而降低数据传输量。
具体的，可以获取预设的深度距离D，并利用所述深度距离D通过以下表达式计算测角精度Δθ：
Δθ＝90/Dπ；
利用深度距离D和测角精度Δθ将所述预设规划区域网格离散化。
实际场景下人员之间距离通常保持在45-120cm之间，基于此，上述深度距离D可以取值为50cm，相应地，深度信息也可以离散化为每50cm一个网格阶梯，Δθ为每个扇形网格的夹角。参见图5为本发明实施例提供的一种预设规划区域网格离散化示意图，图中根据深度距离D离散化为网格阶梯，Δθ为离散化后各个网格的圆心角。
S230，利用巡检装置的速度以及在预设规划区域内的坐标，根据预设的巡检路径规划策略规划巡检装置向目标位置移动的路径。
在实施中，可以基于巡检装置运动动力学原理，利用巡检装置的速度以及在预设规划区域内的坐标通过以下表达式计算i条路径的圆心：
其中，v表示巡检装置的移动速度，w表示巡检装置的旋转速度，θ表示巡检装置的转向角，Fx，Fy为巡检装置的坐标，为第i段路径的圆心，其半径为vi/wi，i表示路径的数量，i＝1、2、3……；
利用计算得到的i个圆心和巡检装置的速度，确定i条巡检装置向目标位置移动的可行路径；在实施中，可以利用巡检装置的速度计算可行路径的半径，得到半径和圆心也就确定可行路径的轨迹。
在所确定的可行路径中选取一条路径作为巡检装置向目标位置移动的路径。
一种实现方式中，可以任意选取一条可行路径来作为巡检装置向目标位置移动的路径，也可以选取路径最短的可行路径作为巡检装置向目标位置移动的路径，还可以选取距离障碍物最远的可行路径作为巡检装置向目标位置移动的路径。
在实施中，每条可选路径是由巡检装置的速度决定的，因此可以对巡检装置的速度空间进行降采样，从而减少速度取值范围，降低规划可选路径的数量，从而降低计算量。
具体的，可以确定按照各个可行路径移动时巡检装置的速度取值范围VS；
利用以下表达式确定按照各个可行路径移动时巡检装置的安全速度取值范围va：
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd：
确定速度搜索空间Vr，其中，Vr＝Vs∩Va∩Vd；
在所确定的可行路径中选取速度搜索空间Vr中各个速度对应的可行路径作为待选路径；并在待选路径中选取一条路径作为巡检装置向目标位置移动的路径。
上述各个表达式中各个变量上带圆点表示对变量进行求导运算。
在实施中，在待选路径中选取一条路径作为巡检装置向目标位置移动的路径的过程中，可以利用以下评价函数对速度搜索空间Vr中的每一速度进行评分：
G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中，heading(v,w)表示巡检装置与目标点的对齐程度，dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离，vel(v,w)表示巡检装置某条轨迹的速度v，α，β，γ分别为评价函数的权重；将评分最高的速度对应的待选路径作为巡检装置向目标位置移动的路径。
上述heading(v,w)对齐程度可以利用180-θ表示，θ为巡检装置与目标人员的夹角，夹角越大表示对其程度越高，相应地，巡检装置直达目标人员的程度越高，heading(v,w)的值也就越小。
上述dist(v,w)的值越大表明巡检装置距离路径上的障碍物越远，安全性也就越高。
上述vel(v,w)表示巡检装置某条轨迹的速度v，在实施中，vel(v,w)与巡检装置的最佳移动速度越接近，对应巡检装置的性能越好，接近目标人员的速度越快，所以，vel(v,w)可以根据与最佳移动速度的接近程度确定，越接近对应的值越大。
S240，巡检装置按照路径向目标位置移动，并在移动至目标位置之后采集目标人员的人脸数据。
在实施中，在采集目标人员的人脸数据之后，还可以获取并记录采集目标人员的人脸数据的时间信息以及目标位置的地理位置信息。一种实现方式中，人脸数据和地理位置信息可以利用RSA加密算法进行加密后进行存储，并同时上传至疾控部门相关数据库。
在实施中，巡检装置在采集到目标人员的人脸数据之后，可以向防控人员发送包含目标人员人脸数据和位置的告警信息，以使防控人员进行后续处理，并且在防控人员到达现场之前，巡检装置可以一直跟踪目标人员并实时向防控人员上报目标人员的位置信息。
在实施中，为了方便后续查找与目标人员的接触者，可以获取预设安全距离，按照以安全距离为半径、目标人员为圆心的圆形轨迹进行移动，并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
上述安全距离可以根据疾病传染强度的高低来确定，传染强度高对应的安全距离越大，参见图6为本发明实施例提供的一种巡检装置的圆形轨迹运动示意图，以安全距离为半径，目标人员为圆形，规划一个圆形轨迹，并按照圆形轨迹进行巡检，巡检的同时对此圆形轨迹范围内的所有人员进行人脸数据的采集。
应用本发明提供的方案，能够在早期提前筛查出疑似人员并采集疑似人员相关信息，从而实现在流行病学调查过程中，能够及时、准确、完整的得到疫情相关信息。
参见图7，为本发明实施例提供的第二种巡检装置的结构示意图，巡检装置包括：麦克风阵列700和深度摄像机710，巡检装置还包括：
声音确定模块720，用于所述巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；
信息采集模块730，与所述声音确定模块720、麦克风阵列700以及深度摄像机710连接用于通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；
位置确定模块740，与所述信息采集模块730连接用于根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；
路径规划模块750，与所述位置确定模块740连接用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述目标位置移动的路径；
数据采集模块760，与所述路径规划模块750连接用于所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据。
在实施中，信息采集模块730，还用于控制所述深度摄像机按照所述方位角所指示的方位拍摄第一深度图像；
控制所述巡检装置沿所述方位角所指示方位的其他方位移动预设的一段距离，并控制所述深度摄像机转向所述第一深度图像的拍摄区域拍摄第二深度图像；
利用所述第一深度图像、第二深度图像以及所述巡检装置所移动的距离，通过三角定位法获得所述目标人员的深度信息。
在实施中，所述巡检装置还包括：离散化模块，用于
获取预设的深度距离D，并利用所述深度距离D通过以下表达式计算测角精度Δθ：
Δθ＝90/Dπ；
利用所述深度距离D和测角精度Δθ将所述预设规划区域网格离散化；
相应地，位置确定模块740，用于根据所述方位角和深度信息确定所述目标人员所在的网格，根据所述网格所表征的位置信息确定为所述目标人员相对于所述巡检装置的目标位置。
在实施中，所述巡检装置还包括：
次数监测模块，用于在预定时长内持续监测所述目标人员发出所述目标声音的次数是否大于预定次数；
相应地，路径规划模块750，还用于在所述目标人员发出所述目标声音的次数大于预定次数的情况下，利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述位置移动的路径。
在实施中，路径规划模块750，包括：
圆心计算单元，用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心：
其中，v表示巡检装置的移动速度，w表示巡检装置的旋转速度，θ表示巡检装置的转向角，Fx，Fy为巡检装置的坐标，为第i段路径的圆心，其半径为vi/wi，i表示路径的数量，i＝1、2、3……；
路径确定单元，用于利用计算得到的i个圆心和所述巡检装置的速度，确定i条所述巡检装置向所述目标位置移动的可行路径；
路径选择单元，用于在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
在实施中，上述路径选择单元，包括：
第一确定子单元，用于确定按照各个可行路径移动时所述巡检装置的速度取值范围VS；
第二确定子单元，用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va：
第三确定子单元，用于利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd：
第四确定子单元，用于确定速度搜索空间Vr，其中，Vr＝Vs∩Va∩Vd；
路径确定子单元，用于在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径；
路径选取子单元，用于在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
在实施中，上述路径选取子单元，还用于
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分：
G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中，heading(v,w)表示巡检装置与目标点的对齐程度，dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离，vel(v,w)表示巡检装置某条轨迹的速度v，α，β，γ分别为评价函数的权重；
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
应用本发明提供的方案，能够在早期提前筛查出疑似人员并采集疑似人员相关信息，从而实现在流行病学调查过程中，能够及时、准确、完整的得到疫情相关信息。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。
Claims (9)
1.一种数据采集方法，其特征在于，应用于巡检装置，所述巡检装置包括：麦克风阵列和深度摄像机；所述方法包括：
所述巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；
如果是，通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；
根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；
利用所述巡检装置的速度以及在所述预设规划区域内的坐标，根据预设的巡检路径规划策略规划所述巡检装置向所述目标位置移动的路径；
所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据；
所述方法还包括：
获取预设的深度距离D，并利用所述深度距离D通过以下表达式计算测角精度Δθ：
Δθ＝90/Dπ；
利用所述深度距离D和测角精度Δθ将所述预设规划区域网格离散化；
相应地，根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置的步骤，包括：
根据所述方位角和深度信息确定所述目标人员所在的网格，根据所述网格所表征的位置信息确定为所述目标人员相对于所述巡检装置的目标位置。
2.如权利要求1所述的方法，其特征在于，所述通过所述深度摄像机获取所述目标人员的深度信息的步骤，包括：
所述巡检装置控制所述深度摄像机按照所述方位角所指示的方位拍摄第一深度图像；
所述巡检装置沿所述方位角所指示方位的其他方位移动预设的一段距离，并控制所述深度摄像机转向所述第一深度图像的拍摄区域拍摄第二深度图像；
利用所述第一深度图像、第二深度图像以及所述巡检装置所移动的距离，通过三角定位法获得所述目标人员的深度信息。
3.如权利要求1所述的方法，其特征在于，在利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述位置移动的路径的步骤之前，还包括：
在预定时长内持续监测所述目标人员发出所述目标声音的次数是否大于预定次数；
相应地，在所述目标人员发出所述目标声音的次数大于预定次数的情况下，利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述位置移动的路径。
4.如权利要求1所述的方法，其特征在于，所述利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述目标位置移动的路径的步骤，包括：
利用所述巡检装置的速度以及在所述预设规划区域内的坐标通过以下表达式计算i条路径的圆心：
其中，v表示巡检装置的移动速度，w表示巡检装置的旋转速度，θ表示巡检装置的转向角，Fx，Fy为巡检装置的坐标，为第i段路径的圆心，其半径为vi/wi，i表示路径的数量，i＝1、2、3……；
利用计算得到的i个圆心和所述巡检装置的速度，确定i条所述巡检装置向所述目标位置移动的可行路径；
在所确定的可行路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
5.如权利要求4所述的方法，其特征在于，所述在所确定的可行路径中选取一条路径作为述巡检装置向所述目标位置移动的路径的步骤，包括：
确定按照各个可行路径移动时所述巡检装置的速度取值范围VS；
利用以下表达式确定按照各个可行路径移动时所述巡检装置的安全速度取值范围va：
利用以下表达式确定按照各个可行路径移动时所述巡检装置的最大加速度取值范围Vd：
确定速度搜索空间Vr，其中，Vr＝Vs∩Va∩Vd；
在所确定的可行路径中选取所述速度搜索空间Vr中各个速度对应的可行路径作为待选路径；
在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径。
6.如权利要求5所述的方法，其特征在于，所述在所述待选路径中选取一条路径作为所述巡检装置向所述目标位置移动的路径的步骤，包括：
利用以下评价函数对所述速度搜索空间Vr中的每一速度进行评分：
G(v,w)＝σ(α*heading(v,w)+β*dist(v,w)+γ*vel(v,w))
其中，heading(v,w)表示巡检装置与目标点的对齐程度，dist(v,w)表示与巡检装置轨迹相交的最近障碍物的距离，vel(v,w)表示巡检装置某条轨迹的速度v，α，β，γ分别为评价函数的权重；
将评分最高的速度对应的待选路径作为所述巡检装置向所述目标位置移动的路径。
7.如权利要求1-6任一项所述的方法，其特征在于，在采集所述目标人员的人脸数据之后，所述方法还包括：
获取并记录采集所述目标人员的人脸数据的时间信息以及所述目标位置的地理位置信息。
8.如权利要求1-6任一项所述的方法，其特征在于，所述方法还包括：
获取预设安全距离，按照以所述安全距离为半径、所述目标人员为圆心的圆形轨迹进行移动，并在移动过程中采集圆形轨迹内部各个人员的人脸信息。
9.一种巡检装置，其特征在于，所述巡检装置包括：麦克风阵列和深度摄像机，所述巡检装置还包括：
声音确定模块，用于所述巡检装置在预设规划区域内进行巡检的过程中，确定所述麦克风阵列所采集的声音信息中是否包含目标声音信息；
信息采集模块，与所述声音确定模块、麦克风阵列以及深度摄像机连接用于通过所述麦克风阵列获取发出所述目标声音信息的目标人员相对于所述巡检装置的方位角，并通过所述深度摄像机获取所述目标人员的深度信息；
位置确定模块，与所述信息采集模块连接用于根据所述方位角和深度信息确定所述目标人员相对于所述巡检装置的目标位置；
路径规划模块，与所述位置确定模块连接用于利用所述巡检装置的速度以及在所述预设规划区域内的坐标，规划所述巡检装置向所述目标位置移动的路径；
数据采集模块，与所述路径规划模块连接用于所述巡检装置按照所述路径向所述目标位置移动，并在移动至所述目标位置之后采集所述目标人员的人脸数据；
所述巡检装置还包括：离散化模块，用于获取预设的深度距离D，并利用所述深度距离D通过以下表达式计算测角精度Δθ：
Δθ＝90/Dπ；
利用所述深度距离D和测角精度Δθ将所述预设规划区域网格离散化；
相应地，位置确定模块740，用于根据所述方位角和深度信息确定所述目标人员所在的网格，根据所述网格所表征的位置信息确定为所述目标人员相对于所述巡检装置的目标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010777717.2A CN112014799B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010777717.2A CN112014799B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112014799A CN112014799A (zh) | 2020-12-01 |
| CN112014799B true CN112014799B (zh) | 2024-02-09 |
Family
ID=73499076
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010777717.2A Active CN112014799B (zh) | 2020-08-05 | 2020-08-05 | 一种数据采集方法及巡检装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112014799B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113534726B (zh) * | 2021-07-21 | 2022-06-24 | 浙江财经大学 | 一种用于建筑物中内环境的控制系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018107916A1 (zh) * | 2016-12-14 | 2018-06-21 | 南京阿凡达机器人科技有限公司 | 一种基于环境地图的机器人安防巡检方法及其机器人 |
| CN110634177A (zh) * | 2018-06-21 | 2019-12-31 | 华为技术有限公司 | 一种物体建模运动方法、装置与设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107030733B (zh) * | 2017-06-19 | 2023-08-04 | 合肥虹慧达科技有限公司 | 一种轮式机器人 |
-
2020
- 2020-08-05 CN CN202010777717.2A patent/CN112014799B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018107916A1 (zh) * | 2016-12-14 | 2018-06-21 | 南京阿凡达机器人科技有限公司 | 一种基于环境地图的机器人安防巡检方法及其机器人 |
| CN110634177A (zh) * | 2018-06-21 | 2019-12-31 | 华为技术有限公司 | 一种物体建模运动方法、装置与设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112014799A (zh) | 2020-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111968713B (zh) | 一种数据采集方法及巡检装置 | |
| Leigh et al. | Person tracking and following with 2d laser scanners | |
| US8588464B2 (en) | Assisting a vision-impaired user with navigation based on a 3D captured image stream | |
| US20160217578A1 (en) | Systems and methods for mapping sensor feedback onto virtual representations of detection surfaces | |
| JP2006192563A (ja) | 識別対象識別装置およびそれを備えたロボット | |
| CN111986224B (zh) | 一种目标行为预测追踪方法及装置 | |
| CN105975967B (zh) | 一种目标定位方法和系统 | |
| CN107329478A (zh) | 一种生命探测车、可穿戴设备和虚拟现实探测系统 | |
| CN112598932A (zh) | 一种基于车路协同技术的汽车防碰撞预警模型 | |
| CN112014799B (zh) | 一种数据采集方法及巡检装置 | |
| CN106600652A (zh) | 一种基于人工神经网络的全景摄像头定位方法 | |
| Shackleford et al. | Performance evaluation of human detection systems for robot safety | |
| TW202134681A (zh) | 人員室內定位與移動機器人對特定人員追蹤互動之系統及其方法 | |
| JP6943183B2 (ja) | 位置特定装置、位置特定方法、位置特定プログラムおよびカメラ装置 | |
| CN112418096A (zh) | 检测跌的方法、装置和机器人 | |
| CN117257346A (zh) | 基于影像识别的超声探头引导方法及装置 | |
| CN109238286B (zh) | 智能导航方法、装置、计算机设备及存储介质 | |
| Wang et al. | Automatic detection and tracking of precast walls from surveillance construction site videos | |
| CN115586748A (zh) | 一种移动式智能柔性运动控制系统及其方法 | |
| CN109000634A (zh) | 一种导航对象行进路线的提醒方法和系统 | |
| Rizvi et al. | Human detection and localization in indoor disaster environments using uavs | |
| Sanchez-Lopez et al. | Deep learning based semantic situation awareness system for multirotor aerial robots using LIDAR | |
| CN117424982B (zh) | 一种智能布控球及其布控方法 | |
| RU106785U1 (ru) | Система видеонаблюдения с транспортного средства, находящегося в движении | |
| Shneier et al. | Performance evaluation methods for human detection and tracking systems for robotic applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |