CN112792849B - 碰撞检测方法、机器人、移动终端及存储介质 - Google Patents

碰撞检测方法、机器人、移动终端及存储介质 Download PDF

Info

Publication number
CN112792849B
CN112792849B CN202110012881.9A CN202110012881A CN112792849B CN 112792849 B CN112792849 B CN 112792849B CN 202110012881 A CN202110012881 A CN 202110012881A CN 112792849 B CN112792849 B CN 112792849B
Authority
CN
China
Prior art keywords
voiceprint
features
separation
collision
robot
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
Application number
CN202110012881.9A
Other languages
English (en)
Other versions
CN112792849A (zh
Inventor
杨明
韩崇山
王凯
夏志华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiamen Ums Information Technology Co Ltd
Original Assignee
Xiamen Ums Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiamen Ums Information Technology Co Ltd filed Critical Xiamen Ums Information Technology Co Ltd
Priority to CN202110012881.9A priority Critical patent/CN112792849B/zh
Publication of CN112792849A publication Critical patent/CN112792849A/zh
Application granted granted Critical
Publication of CN112792849B publication Critical patent/CN112792849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/0095—Means or methods for testing manipulators
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
    • G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Manipulator (AREA)

Abstract

本发明提供了一种碰撞检测方法、机器人、移动终端及存储介质，该方法包括：采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征；获取机器人运行过程中的移动声纹数据，对所述移动声纹数据进行声纹过滤；对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。本发明通过对声纹过滤后的移动声纹数据进行特征提取，得到移动声纹特征，并将移动声纹特征与碰撞声纹特征进行特征比对，以采用声纹识别检测的方式进行机器人的碰撞检测，有效的提高了机器人碰撞检测的灵敏度。

Description

碰撞检测方法、机器人、移动终端及存储介质
技术领域
本发明涉及机器人技术领域，尤其涉及一种碰撞检测方法、机器人、移动终端及存储介质。
背景技术
随着现有技术的迅速发展，机器人开始走进老百姓的生活中，机器人的使用领域较为广泛，机器人可从事货物的搬运、设备的清洗、救援或监护等工作，能完成有益于人类健康的服务工作，给人民的生活带来的极大的便利。
机器人尤其是协作机器人在很多场景下会和人一起工作。在运动过程中，存在发生与人或设备发生碰撞的风险，一旦发生碰撞，容易造成货物滑落的损坏，因此，针对机器人的碰撞检测越来越受人们所重视。
现有的机器人碰撞检测过程中，均是通过机器人电机的电流检测碰撞，但是，这种检测方式只有在产生了较大力的碰撞时才能成功检测到碰撞，对于机器人的轻微碰撞则无法检测，导致碰撞检测的灵敏度较低。
发明内容
本发明实施例的目的在于提供一种碰撞检测方法、机器人、移动终端及存储介质，旨在解决现有的碰撞检测过程中，由于对机器人的轻微碰撞无法检测，所导致的碰撞检测灵敏度低下的问题。
本发明实施例是这样实现的，一种碰撞检测方法，所述方法包括：
采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征；
获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。
更进一步地，所述判定所述机器人发生了碰撞的步骤之后，所述方法还包括：
向所述机器人外壁上的负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作；
向所述机器人外壁上的复位机构发送复位指令，以指示所述复位机构驱动所述机器人进行直立复位；
当检测到所述机器人完成所述直立复位时，对所述机器人的移动路径进行避让处理，并根据避让处理后的所述移动路径指示所述机器人进行移动。
更进一步地，所述方法还包括：
若检测到所述机器人在预设时间内的振动幅度大于幅度阈值，或重心高度小于高度阈值时，则向所述负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作。
更进一步地，所述提取所述碰撞声纹数据中的碰撞声纹特征的步骤包括：
根据指定特征对所述碰撞声纹数据进行特征提取，得到声纹提取特征；
对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，得到每个所述声纹提取特征对应的分隔次数，所述分隔次数用于表征孤立对应所述声纹提取特征的难易程度；
根据所述分隔次数对所述声纹提取特征进行特征筛选，得到所述碰撞声纹特征。
更进一步地，所述对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立的步骤包括：
计算所述声纹提取特征之间的平均特征，并根据所述声纹提取特征之间的平均特征生成特征分隔线；
根据所述特征分隔线对所述声纹提取特征进行分隔处理，并获取同一分隔区域内不同所述声纹提取特征之间的平均特征；
根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线，并根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理；
若分隔处理后所述分隔区域内的声纹特征数量大于数量阈值，则计算执行根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线步骤及后续步骤；
若分隔处理后所述分隔区域内的声纹特征数量小于或等于所述数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数。
更进一步地，所述根据所述分隔次数对所述声纹提取特征进行特征筛选的步骤包括：
若任一所述声纹提取特征对应的所述分隔次数小于或等于次数阈值，则删除所述分隔次数对应的所述声纹提取特征。
更进一步地，所述对所述移动声纹数据进行声纹过滤的步骤包括：
获取所述机器人当前所处环境的环境信息，并获取所述环境信息对应的噪声数据；
根据所述噪声数据对所述移动声纹数据进行噪声过滤。
本发明实施例的另一目的在于提供一种机器人，所述系统包括：
声纹特征提取模块，用于采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征；
声纹过滤模块，用于获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
特征比对模块，用于对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
碰撞判定模块，用于若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。
本发明实施例的另一目的在于提供一种移动终端，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端执行上述的碰撞检测方法。
本发明实施例的另一目的在于提供一种存储介质，其存储有上述的移动终端中所使用的计算机程序，该计算机程序被处理器执行时实现上述的碰撞检测方法的步骤。
本发明实施例，通过获取机器人运行过程中的移动声纹数据，并对移动声纹数据进行声纹过滤，有效的对移动声纹数据中的噪声数据起到了过滤效果，进而提高了移动声纹数据的准确性，通过对声纹过滤后的移动声纹数据进行特征提取，得到移动声纹特征，并将移动声纹特征与碰撞声纹特征进行特征比对，以采用声纹识别检测的方式进行机器人的碰撞检测，有效的提高了机器人碰撞检测的灵敏度。
附图说明
图1是本发明第一实施例提供的碰撞检测方法的流程图；
图2是本发明第二实施例提供的碰撞检测方法的流程图；
图3是本发明第三实施例提供的机器人的结构示意图；
图4是本发明第四实施例提供的移动终端的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例一
请参阅图1，是本发明第一实施例提供的碰撞检测方法的流程图，包括步骤：
步骤S10，采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征；
其中，该碰撞声纹数据为机器人发生碰撞时产生的声纹数据，该碰撞声纹数据的数量可以根据需求进行设置，例如，该碰撞声纹数据中的声纹数据可以设置为100条、500条或100条等；
具体的，该步骤中，可以通过预先设置的声纹特征提取模型自动进行该碰撞声纹特征的提取，且该碰撞声纹特征的提取可以根据需求进行设置，例如，通过提取该碰撞声纹数据中的梅尔倒谱系数、感知线性预测系数深度特征(Deep Feature)和/或能量规整谱系数，以得到该碰撞声纹特征。
步骤S20，获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
其中，通过在机器人的外壳上安装麦克风，并指示该麦克风对机器人当前所处环境进行音频采集，以获取该机器人运行过程中的移动声纹数据；
该步骤中，可以采用滤波器的方式对该移动声纹数据进行声纹过滤，以提高该移动声纹数据的准确性，进而提高了该碰撞检测方法的准确性。
具体的，该步骤中，所述对所述移动声纹数据进行声纹过滤的步骤包括：
获取所述机器人当前所处环境的环境信息，并获取所述环境信息对应的噪声数据；
根据所述噪声数据对所述移动声纹数据进行噪声过滤；
其中，该环境信息包括环境图像和/或环境标识，可选的，该步骤中，可以通过指示机器人上的摄像头进行图像拍摄，以得到该环境图像，并将该环境图像与预先设置的标识查询表进行匹配，以得到该环境标识，该标识查询表中存储有不同环境图像与对应环境标识之间的对应关系；
该步骤中，通过将该环境图像和/或环境标识与预存储的噪声数据库进行匹配，以得到该机器人当前所处环境对应的噪声数据，该噪声数据库中存储有不同环境图像和/或环境标识与对应噪声数据之间的对应关系，并通过根据噪声数据对移动声纹数据进行噪声过滤，有效的提高了移动声纹数据的准确性。
步骤S30，对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
其中，该可以通过预先设置的声纹特征提取模型自动对该移动声纹数据进行特征的提取，以得到该移动声纹特征；
该步骤中，通过将移动声纹特征与碰撞声纹特征进行特征比对，以判断该移动声纹特征对应的移动声纹数据是否是碰撞声纹数据，即，基于移动声纹特征与碰撞声纹特征之间的特征比对，以判定该机器人当前是否发生碰撞；
步骤S40，若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。
其中，该相似度阈值可以根据需求进行设置，该相似度阈值用于判断移动声纹特征是否是碰撞声纹特征，即，判断该移动声纹数据是否是碰撞声纹数据。
该步骤中，若移动声纹特征与碰撞声纹特征之间的相似度均小于或等于相似度阈值，则判定机器人未发生碰撞。
可选的，该步骤中，所述判定所述机器人发生了碰撞的步骤之后，所述方法还包括：
向所述机器人外壁上的负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作，其中，该机器人的外壁四周均设置有该负压吸盘，通过向机器人外壁上的负压吸盘发送吸附指令，能有效的控制机器人四周的负压吸盘均向地面执行吸附操作，基于机器人倒地一侧负压吸盘与地面之间的吸附，有效的防止了机器人与地面之间的直接碰撞，进而防止了机器人和机器人上货物的损坏；
向所述机器人外壁上的复位机构发送复位指令，以指示所述复位机构驱动所述机器人进行直立复位，其中，该复位机构可以根据需求进行设置，例如，该复位机构可以设置为弹簧机构或阻尼机构，该步骤中，通过向机器人外壁上的复位机构发送复位指令，能有效的对机器人的倾倒起到复位效果；
当检测到所述机器人完成所述直立复位时，对所述机器人的移动路径进行避让处理，并根据避让处理后的所述移动路径指示所述机器人进行移动，其中，通过对机器人的移动路径进行避让处理，有效的防止了机器人与当前障碍物之间的再次碰撞，提高了机器人行驶的安全性。
进一步地，本实施例中，所述方法还包括：若检测到所述机器人在预设时间内的振动幅度大于幅度阈值，或重心高度小于高度阈值时，则向所述负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作，其中，当检测到机器人在预设时间内的振动幅度大于幅度阈值，或重心高度小于高度阈值时，则判定该机器人发生了碰撞，通过向负压吸盘发送吸附指令，以防止机器人的摔倒。
本实施例中，通过获取机器人运行过程中的移动声纹数据，并对移动声纹数据进行声纹过滤，有效的对移动声纹数据中的噪声数据起到了过滤效果，进而提高了移动声纹数据的准确性，通过对声纹过滤后的移动声纹数据进行特征提取，得到移动声纹特征，并将移动声纹特征与碰撞声纹特征进行特征比对，以采用声纹识别检测的方式进行机器人的碰撞检测，有效的提高了机器人碰撞检测的灵敏度。
实施例二
请参阅图2，是本发明第二实施例提供的碰撞检测方法的流程图，第二实施例提供的碰撞检测方法用于对第一实施例中的步骤S10作进一步细化，包括步骤：
步骤S31，根据指定特征对所述碰撞声纹数据进行特征提取，得到声纹提取特征；
其中，该指定特征包括梅尔倒谱系数、感知线性预测系数深度特征(DeepFeature)和/或能量规整谱系数；
步骤S32，对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，得到每个所述声纹提取特征对应的分隔次数；
其中，该分隔次数用于表征孤立对应声纹提取特征的难易程度，当该分隔次数的越大时，则对应声纹提取特征越难孤立，即该声纹提取特征与其他声纹提取特征之间的距离(相似度)越近，该声纹提取特征越正常；
该步骤中，当该分隔次数越小时，则对应声纹提取特征越容易孤立，即该声纹提取特征与其他声纹提取特征之间的距离越远，该声纹提取特征越异常。
具体的，该步骤中，通过持续分隔该声纹提取特征，直至分隔到每个声纹提取特征均被孤立时，才停止该声纹提取特征的分隔，可选的，该步骤中可以基于孤立森林算法(iForest)构建异常检测模型，并根据该异常检测模型可以直接获取每个声纹提取特征对应的分隔次数。
具体的，该步骤中，所述对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立的步骤包括：
计算所述声纹提取特征之间的平均特征，并根据所述声纹提取特征之间的平均特征生成特征分隔线，其中，通过计算声纹提取特征之间的平均特征，有效的保障了后续对声纹提取特征的分隔；
根据所述特征分隔线对所述声纹提取特征进行分隔处理，并获取同一分隔区域内不同所述声纹提取特征之间的平均特征，其中，通过获取同一分隔区域内不同声纹提取特征之间的平均特征，有效的保障了后续对分隔区域内声纹提取特征的分隔，以达到对该分隔区域内声纹提取特征的孤立分隔操作；
根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线，并根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理；
若分隔处理后所述分隔区域内的声纹特征数量大于数量阈值，则计算执行根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线步骤及后续步骤；
若分隔处理后所述分隔区域内的声纹特征数量小于或等于所述数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数；
其中，该数量阈值可以根据需求进行设置，本实施例中的数量阈值设置为1，即该步骤中，若分隔区域内声纹提取特征的数量大于1，则该分隔区域中的声纹提取特征不是孤立状态，需要对该分隔区域中的声纹提取特征再次进行分隔，当分隔区域中仅存在1个声纹提取特征时，则该声纹提取特征是孤立状态，停止对声纹提取特征的分隔操作。
步骤S33，根据所述分隔次数对所述声纹提取特征进行特征筛选，得到所述碰撞声纹特征；
其中，该分隔次数用于表征声纹提取特征的异常程度。
具体的，该步骤中，所述根据所述分隔次数对所述声纹提取特征进行特征筛选的步骤包括：若任一所述声纹提取特征对应的所述分隔次数小于或等于次数阈值，则删除所述分隔次数对应的所述声纹提取特征。
本实施例，通过对声纹提取特征进行分隔，直至每个声纹提取特征均被孤立，能有效的得到每个声纹提取特征对应的分隔次数，通过根据分隔次数对声纹提取特征进行特征筛选，以删除该声纹提取特征中特征异常较大的声纹提取特征，进而提高了声纹提取特征的准确性。
实施例三
请参阅图3，是本发明第三实施例提供的机器人100的结构示意图，包括：声纹特征提取模块10、声纹过滤模块11、特征比对模块12和碰撞判定模块13，其中：
声纹特征提取模块10，用于采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征。
其中，该声纹特征提取模块10还用于：根据指定特征对所述碰撞声纹数据进行特征提取，得到声纹提取特征；
对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，得到每个所述声纹提取特征对应的分隔次数，所述分隔次数用于表征孤立对应所述声纹提取特征的难易程度；
根据所述分隔次数对所述声纹提取特征进行特征筛选，得到所述碰撞声纹特征。
优选的，该声纹特征提取模块10还用于：计算所述声纹提取特征之间的平均特征，并根据所述声纹提取特征之间的平均特征生成特征分隔线；
根据所述特征分隔线对所述声纹提取特征进行分隔处理，并获取同一分隔区域内不同所述声纹提取特征之间的平均特征；
根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线，并根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理；
若分隔处理后所述分隔区域内的声纹特征数量大于数量阈值，则计算执行根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线步骤及后续步骤；
若分隔处理后所述分隔区域内的声纹特征数量小于或等于所述数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数。
更进一步的，该声纹特征提取模块10还用于：若任一所述声纹提取特征对应的所述分隔次数小于或等于次数阈值，则删除所述分隔次数对应的所述声纹提取特征。
声纹过滤模块11，用于获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤。
其中，该声纹过滤模块11还用于：获取所述机器人当前所处环境的环境信息，并获取所述环境信息对应的噪声数据；
根据所述噪声数据对所述移动声纹数据进行噪声过滤。
特征比对模块12，用于对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对。
碰撞判定模块13，用于若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。
可选的，本实施例中，所述机器人100还包括：
复位控制模块14，用于向所述机器人外壁上的负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作；
向所述机器人外壁上的复位机构发送复位指令，以指示所述复位机构驱动所述机器人进行直立复位；
当检测到所述机器人完成所述直立复位时，对所述机器人的移动路径进行避让处理，并根据避让处理后的所述移动路径指示所述机器人进行移动。
进一步地，该复位控制模块14还用于：若检测到所述机器人在预设时间内的振动幅度大于幅度阈值，或重心高度小于高度阈值时，则向所述负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作。
本实施例中，通过获取机器人运行过程中的移动声纹数据，并对移动声纹数据进行声纹过滤，有效的对移动声纹数据中的噪声数据起到了过滤效果，进而提高了移动声纹数据的准确性，通过对声纹过滤后的移动声纹数据进行特征提取，得到移动声纹特征，并将移动声纹特征与碰撞声纹特征进行特征比对，以采用声纹识别检测的方式进行机器人的碰撞检测，有效的提高了机器人碰撞检测的灵敏度。
实施例四
请参阅图4，是本发明第四实施例提供的移动终端101，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端101执行上述的碰撞检测方法，该移动终端101可以为机器人。
本实施例还提供了一种存储介质，其上存储有上述移动终端101中所使用的计算机程序，该程序在执行时，包括如下步骤：
采集碰撞声纹数据，并提取所述碰撞声纹数据中的碰撞声纹特征；
获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞。所述的存储介质，如：ROM/RAM、磁碟、光盘等。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元或模块完成，即将存储装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。
本领域技术人员可以理解，图3中示出的组成结构并不构成对本发明的机器人的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置，而图1中的碰撞检测方法亦采用图3中所示的更多或更少的部件，或者组合某些部件，或者不同的部件布置来实现。本发明所称的单元、模块等是指一种能够被所述当前机器人中的处理器(图未示)所执行并功能够完成特定功能的一系列计算机程序，其均可存储于所述当前机器人的存储设备(图未示)内。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种碰撞检测方法，其特征在于，所述方法包括：
采集碰撞声纹数据，并根据指定特征对所述碰撞声纹数据进行特征提取，得到声纹提取特征；
对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，得到每个所述声纹提取特征对应的分隔次数和碰撞声纹特征；
获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞；
所述对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，包括：
计算所述声纹提取特征之间的平均特征，并根据所述声纹提取特征之间的平均特征生成特征分隔线；
根据所述特征分隔线对所述声纹提取特征进行分隔处理，并获取同一分隔区域内不同所述声纹提取特征之间的平均特征；
根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线，并根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理；
若分隔处理后所述分隔区域内的声纹特征数量小于或等于数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数。
2.如权利要求1所述的碰撞检测方法，其特征在于，所述判定所述机器人发生了碰撞的步骤之后，所述方法还包括：
向所述机器人外壁上的负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作；
向所述机器人外壁上的复位机构发送复位指令，以指示所述复位机构驱动所述机器人进行直立复位；
当检测到所述机器人完成所述直立复位时，对所述机器人的移动路径进行避让处理，并根据避让处理后的所述移动路径指示所述机器人进行移动。
3.如权利要求2所述的碰撞检测方法，其特征在于，所述方法还包括：
若检测到所述机器人在预设时间内的振动幅度大于幅度阈值，或重心高度小于高度阈值时，则向所述负压吸盘发送吸附指令，以指示所述负压吸盘向地面执行吸附操作。
4.如权利要求1所述的碰撞检测方法，其特征在于，所述对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立之前，还包括：
根据所述分隔次数对所述声纹提取特征进行特征筛选。
5.如权利要求1所述的碰撞检测方法，其特征在于，所述根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理之后，还包括：
若分隔处理后所述分隔区域内的声纹特征数量小于或等于所述数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数。
6.如权利要求4所述的碰撞检测方法，其特征在于，所述根据所述分隔次数对所述声纹提取特征进行特征筛选的步骤包括：
若任一所述声纹提取特征对应的所述分隔次数小于或等于次数阈值，则删除所述分隔次数对应的所述声纹提取特征。
7.如权利要求1所述的碰撞检测方法，其特征在于，所述对所述移动声纹数据进行声纹过滤的步骤包括：
获取所述机器人当前所处环境的环境信息，并获取所述环境信息对应的噪声数据；
根据所述噪声数据对所述移动声纹数据进行噪声过滤。
8.一种机器人，其特征在于，所述机器人包括：
声纹特征提取模块，用于采集碰撞声纹数据，并根据指定特征对所述碰撞声纹数据进行特征提取，得到声纹提取特征；
对所述声纹提取特征进行分隔，直至每个所述声纹提取特征均被孤立，得到每个所述声纹提取特征对应的分隔次数和碰撞声纹特征；
声纹过滤模块，用于获取机器人运行过程中的移动声纹数据，并对所述移动声纹数据进行声纹过滤；
特征比对模块，用于对声纹过滤后的所述移动声纹数据进行特征提取，得到移动声纹特征，并将所述移动声纹特征与所述碰撞声纹特征进行特征比对；
碰撞判定模块，用于若所述移动声纹特征与任一所述碰撞声纹特征之间的相似度大于相似度阈值，则判定所述机器人发生了碰撞；
所述声纹特征提取模块还用于：计算所述声纹提取特征之间的平均特征，并根据所述声纹提取特征之间的平均特征生成特征分隔线；
根据所述特征分隔线对所述声纹提取特征进行分隔处理，并获取同一分隔区域内不同所述声纹提取特征之间的平均特征；
根据所述分隔区域内不同所述声纹提取特征之间的平均特征生成区域分隔线，并根据所述区域分隔线对对应所述分隔区域内的所述声纹提取特征进行分隔处理；
若分隔处理后所述分隔区域内的声纹特征数量小于或等于数量阈值，则停止所述分隔区域内所述声纹提取特征的分隔操作，并分别计算孤立所述声纹提取特征的次数，得到所述分隔次数。
9.一种移动终端，其特征在于，包括存储设备以及处理器，所述存储设备用于存储计算机程序，所述处理器运行所述计算机程序以使所述移动终端执行根据权利要求1至7任一项所述的碰撞检测方法。
10.一种存储介质，其特征在于，其存储有权利要求9所述的移动终端中所使用的计算机程序，该计算机程序被处理器执行时实现权利要求1至7任一项所述的碰撞检测方法的步骤。
CN202110012881.9A 2021-01-06 2021-01-06 碰撞检测方法、机器人、移动终端及存储介质 Active CN112792849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110012881.9A CN112792849B (zh) 2021-01-06 2021-01-06 碰撞检测方法、机器人、移动终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110012881.9A CN112792849B (zh) 2021-01-06 2021-01-06 碰撞检测方法、机器人、移动终端及存储介质

Publications (2)

Publication Number Publication Date
CN112792849A CN112792849A (zh) 2021-05-14
CN112792849B true CN112792849B (zh) 2022-07-26

Family

ID=75808501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110012881.9A Active CN112792849B (zh) 2021-01-06 2021-01-06 碰撞检测方法、机器人、移动终端及存储介质

Country Status (1)

Country Link
CN (1) CN112792849B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102568153A (zh) * 2010-12-20 2012-07-11 淄博高新区联创科技服务中心 车辆碰撞检测装置
CN103886868A (zh) * 2014-04-16 2014-06-25 上海其高电子科技有限公司 冲击声检测方法及检测系统
CN104062661A (zh) * 2014-04-09 2014-09-24 苏州天趣信息科技有限公司 一种基于声纹寻找特定物件位置的装置及其方法
CN105913663A (zh) * 2016-06-30 2016-08-31 南京嘉瑞斯电力科技有限公司 一种基于声音传感器的车祸噪声检测及定位系统
WO2019041273A1 (zh) * 2017-08-31 2019-03-07 深圳市大疆创新科技有限公司 打击检测方法、打击检测装置及装甲小车
CN110473566A (zh) * 2019-07-25 2019-11-19 深圳壹账通智能科技有限公司 音频分离方法、装置、电子设备及计算机可读存储介质
CN211220784U (zh) * 2019-12-24 2020-08-11 长沙航空职业技术学院 一种机器人行进底盘

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11480497B2 (en) * 2016-04-01 2022-10-25 Nippon Telegraph And Telephone Corporation Anomalous sound detection training apparatus, acoustic feature extraction apparatus, anomalous sound sampling apparatus, and methods and programs for the same

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102568153A (zh) * 2010-12-20 2012-07-11 淄博高新区联创科技服务中心 车辆碰撞检测装置
CN104062661A (zh) * 2014-04-09 2014-09-24 苏州天趣信息科技有限公司 一种基于声纹寻找特定物件位置的装置及其方法
CN103886868A (zh) * 2014-04-16 2014-06-25 上海其高电子科技有限公司 冲击声检测方法及检测系统
CN105913663A (zh) * 2016-06-30 2016-08-31 南京嘉瑞斯电力科技有限公司 一种基于声音传感器的车祸噪声检测及定位系统
WO2019041273A1 (zh) * 2017-08-31 2019-03-07 深圳市大疆创新科技有限公司 打击检测方法、打击检测装置及装甲小车
CN110473566A (zh) * 2019-07-25 2019-11-19 深圳壹账通智能科技有限公司 音频分离方法、装置、电子设备及计算机可读存储介质
CN211220784U (zh) * 2019-12-24 2020-08-11 长沙航空职业技术学院 一种机器人行进底盘

Also Published As

Publication number Publication date
CN112792849A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN110610127B (zh) 人脸识别方法、装置、存储介质及电子设备
CN109993977A (zh) 检测车辆鸣笛的方法、装置以及系统
CN112327288B (zh) 雷达人体动作识别方法、装置、电子设备和存储介质
CN112120700A (zh) 咳嗽检测装置、咳嗽检测方法以及记录介质
CN109409207B (zh) 无人车内乘客状态的识别方法、装置、设备及存储介质
CN112307868A (zh) 图像识别方法、电子设备和计算机可读介质
CN106683333B (zh) 设备安全检测方法及装置
CN112529177A (zh) 一种车辆碰撞检测方法及装置
CN112792849B (zh) 碰撞检测方法、机器人、移动终端及存储介质
EP2263533A1 (en) Enhancing security and emergency functionalities in mobile phones based on detection of physical shocks
CN113791929B (zh) 一种基于图像识别的光盘库故障自动恢复方法及系统
CN110414294B (zh) 行人重识别方法和装置
US20200202854A1 (en) Method, device and system for detecting working state of tower controller
CN111476820A (zh) 一种对被追踪的目标进行定位的方法和装置
CN113657315B (zh) 人脸图像的质量筛选方法、装置、设备及存储介质
CN114047446B (zh) 电动车的电池包异常检测方法、装置及存储介质
CN114524339B (zh) 电梯轿厢安全运行检测方法、装置、设备及存储介质
CN111599377B (zh) 基于音频识别的设备状态检测方法、系统及移动终端
KR101665232B1 (ko) 블랙박스 시스템에서 가속도 센서를 이용한 잘못 인식된 이벤트 영상 처리 방법
CN109359544B (zh) 一种人像检索方法及装置
CN114445787A (zh) 非机动车重识别方法及相关设备
CN111382631B (zh) 识别方法、识别装置、终端、服务器和存储介质
CN111881733A (zh) 一种工人作业工步规范视觉识别判定与指导方法和系统
CN112132865A (zh) 人员识别方法及系统
CN113247730B (zh) 基于多维特征的电梯乘客尖叫检测方法及系统

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