CN114386696A - 一种对机器视觉数据模糊运算的路径规划方法 - Google Patents
一种对机器视觉数据模糊运算的路径规划方法 Download PDFInfo
- Publication number
- CN114386696A CN114386696A CN202210031077.XA CN202210031077A CN114386696A CN 114386696 A CN114386696 A CN 114386696A CN 202210031077 A CN202210031077 A CN 202210031077A CN 114386696 A CN114386696 A CN 114386696A
- Authority
- CN
- China
- Prior art keywords
- robot
- node
- explosion
- toppling
- collapsing
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000000463 material Substances 0.000 claims abstract description 16
- 238000005452 bending Methods 0.000 claims description 39
- 238000004880 explosion Methods 0.000 claims description 36
- 229910000831 Steel Inorganic materials 0.000 claims description 34
- 239000010959 steel Substances 0.000 claims description 34
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 239000002360 explosive Substances 0.000 claims description 10
- 239000002689 soil Substances 0.000 claims description 2
- 230000001934 delay Effects 0.000 abstract 1
- 239000002184 metal Substances 0.000 description 13
- 230000010365 information processing Effects 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000002787 reinforcement Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Automation & Control Theory (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种对机器视觉数据模糊运算的路径规划方法，涉及机器人救援领域。包括采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对物体的外观形状、材质进行进行预算，针对火灾高温的复杂环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动：根据图像采集物体外观形状信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾以及断裂情况判断危险影响范围以及危险发生的可能性，并且通过反向运动进行规避，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，进而使机器人在高危区域救援时，可以有效的避免机器人折损，减少经济损失，避免由于机器人损伤拖延救援速度。
Description
技术领域
本发明涉及机器人救援技术领域，具体是一种对机器视觉数据模糊运算的路径规划方法。
背景技术
对于火灾进行救援时，为了保证救援人员的安全，因此会采用机器人对危险区域进行信息采集或者执行一些危险动作，由于位于火场内部，此时内部的建筑以及道路旁侧的各种物体受到高温影响，使自身结构发生变化，导致存在不稳定性，由于危险区域的事故发生概率高，因此机器人在危险区域进行工作时，由于无法对危险性进行评估，导致机器人在危险区工作时或者在向危险区进行行驶的路途上，受到突发性障碍物的影响导致路径受阻，同时甚至会被突发性的爆炸以及倾倒将机器人压损，造成经济损失。
发明内容
本发明的目的在于提供一种对机器视觉数据模糊运算的路径规划方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种对机器视觉数据模糊运算的路径规划方法，用于机器人路径规划方法包括：
步骤S1：采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对危险物体的外观形状、材质进行识别。
步骤S2：针对火灾高温的复杂环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动。
步骤S21：针对该物体的外观形状，确定该物体的弯曲节点、断裂节点以及节点完整度。通过弯曲节点、断裂节点、节点完整度、材质、火点与物体的距离以及物体存放量判断该物体的倾倒、断裂、爆炸危险性发生概率，并对倾倒坍塌产生的冲击能量、爆炸产生的能量进行预估计算，从而计算了不同物体的危险性。
步骤S22：针对物体的弯曲节点、断裂节点和外形尺寸计算出弯曲节点、断裂节点距离危险物体顶端的高度，并通过判断物体的弯曲方向、断裂方向确定物体倾倒、坍塌的方向。
步骤S23：针对该物体倾倒坍塌产生的冲击能量、爆炸产生的爆炸能量、弯曲节点或断裂节点距离物体顶端的高度以及物体倾倒、坍塌的方向，计算出物体的倾倒、坍塌、爆炸影响范围。
步骤S24：针对物体的倾倒、坍塌、爆炸影响范围，对物体倾倒、坍塌以及爆炸的范围内的物体进行识别，判断二次倒塌的的大小。
步骤S3：在强行通过后，根据持续时间对后续的物体危险性发生概率进行预估。
步骤S4：如果判断后续危险性的发生概率出现增加的情况，则在机器人返航时提前更改运动路径。
作为本发明再进一步的方案：步骤S1中的采集镜头数量至少为5个，四个采集镜头位于机器人的四周，一个采集镜头位于机器人的顶部通过云台转动。
作为本发明再进一步的方案：步骤S1中，根据图像进行危险物体识别时在机器人内部安装GPS定位系统，同时机器人内部设置储存器，对于该区域具有施工图纸的区域将图纸通过储存器存放在机器人内部，根据GPS定位系统定位的机器人区域，并且将GPS周围的图样与施工图纸进行对比，进而根据施工图纸通过模板匹配的方法判断机器人需要采集的危险土体物体以及危险物体的具体长度、宽度、高度以及材料特性。
作为本发明再进一步的方案：步骤S21中，通过物体的外形信息，确定物体的弯曲节点、断裂节点以及节点完整度。物体的外观可以直观的反应自身的结构变化，例如弯曲、倾斜、断裂情况。所以通过模板匹配的方法对该物体与正常环境中的物体进行对比，可以确定物体的弯曲节点、断裂节点以及节点完整度。
作为本发明再进一步的方案：步骤S21中，在计算不同的危险物体的危险性时，对于有较高强度的钢构件，通过其弯曲节点、断裂节点以及节点完整度判断该物体的倾倒、坍塌危险性发生概率。计算其发生倾倒、坍塌后，下落时的产生的冲击能量，从而完成了对较高强度的钢构件危险性的预估。对于易爆物体，通过火点与易爆物体的距离、易爆物体材料性质、易爆物体的存放量以及周围环境因素分析对爆炸发生的概率进行预估。计算其发生爆炸产生的爆炸能量，从而完成了对易爆物体的危险性的预估。
作为本发明再进一步的方案：步骤S4如果判断后续危险性的发生概率出现增加的情况，在选择强行通过后，机器人进入区域深处进行作业，同时根据机器人在进入前对灾场中分布的各类物体的判断情况，以及在区域深处的持续时间，对返程物体变化情况进行推算；推算的过程利用数据库，数据库是机器人在执行任务时，对每次采集到的信息数据以及后续的情况演化时间进行储存，进而使机器人根据前后情况进行对比，从而判断原路返程危险性，同时也将多个灾场上的数据收集后存放在数据库中，通过机器人将采集数据与数据库内容对比进行判断，在整个对比判断的过程中，采用模糊计算，模糊计算能够处理不精确的模糊输入信息。
规避流程为由于火灾的复杂环境下，不同结构会产生不同的影响，针对该物体的外观形状以及材质判断该物体的倾倒、坍塌危险性发生概率，以及对坍塌、倾倒方向进行预估，根据图像采集物体信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾斜、断裂、以及破损情况，一些混凝土物体受力局部发生混凝土层脱落，露出内层钢筋笼时，此时该节点的自身强度降低，从而使物体向该区域发生倾倒、断裂的情况更加容易发生，可以根据钢材的表面情况以及火焰高度，弯曲情况判断燃烧影响，此时机器人可以选择与弯曲、破裂、断裂的反向进行绕行，例如物体在正前方，此时发生弯曲的方向为左，此时机器人根据物体的弯曲方向反向绕行，通过物体的右侧进行前进，进而可以物体完全规避，由于不管是倾倒、坍塌、爆炸均具有影响范围，例如倾倒时与高度有有关，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，判断是否存在二次影响，在选择强行通过后，此时机器人进入区域深处进行作业，此时根据机器人在进入前对物体的判断，此时根据在区域深处的持续时间，对返程物体变化情况根据时间进行推算，而推算的过程可以利用数据库，使机器人在执行任务时，每次采集到的信息数据以及后续的情况演化时间进行储存，进而使机器人根据情况进行对比，从而判断原路返程危险性，同时也可以根据多个灾场上的数据收集后存放在数据库中，通过机器人将采集数据与数据库内容对比进行判断。在整个对比判断的过程中，采用模糊计算，模糊计算可以处理不精确的模糊输入信息，可以有效降低感官灵敏度和精确度的要求，而且所需要存储空间少，能够抓住信息处理的主要矛盾，保证信息处理的实时性、多功能性和满意性。
与现有技术相比，本发明的有益效果是：
根据图像采集物体信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾斜、断裂、以及破损情况判断危险影响范围以及危险发生的可能性，并且通过反向运动进行规避，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，判断是否存在二次影响，避免潜在危险性的存在，选择强行通过后，此时机器人进入区域深处进行作业，此时根据机器人在进入前对物体的判断，此时根据在区域深处的持续时间，对返程物体变化情况根据时间进行推算，并且针对实际情况选择规避返程路线，进而使机器人在高危区域救援时，可以有效的避免机器人折损，减少经济损失，避免由于机器人损伤拖延救援速度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。
图1为一种对机器视觉数据模糊运算的路径规划方法的流程示意图；
图2为一种对机器视觉数据模糊运算的路径规划方法的使用示意图；
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，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。
步骤S1：采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对危险物体的外观形状、材质进行识别。
采集镜头主要为了对机器人的前进方向内的物体进行采集，在实际应用时，为了判断识别的准确性，可以在机器人内部安装GPS定位系统，同时机器人内部设置储存器，对于该区域具有施工图纸的区域将图纸通过储存器存放在机器人内部，根据GPS定位系统定位的机器人区域，并且将GPS周围的图样与施工图纸进行对比，进而根据施工图纸判断机器人需要采集的物体的具体长度、宽度、高度以及材料特性，采用该种方法时，可以有效的避免了预测产生的偏差，并且在该种情况下，使机器人的运算简化，进而使机器人的运算效率提高，进而使机器人的前进流畅性增加，在进行救援时移动速度与移动效率更加快速。
步骤S2：针对不同的环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动。
步骤S21：针对该物体的外观形状，确定该物体的弯曲节点、断裂节点以及节点完整度。通过弯曲节点、断裂节点、节点完整度、材质、火点与物体的距离以及物体存放量判断该物体的倾倒、断裂、爆炸危险性发生概率，并对倾倒坍塌产生的冲击能量、爆炸产生的能量进行预估计算，从而计算了不同物体的危险性。
由于火灾高温的复杂环境，不同结构会产生不同的影响，钢构件发生弯曲后，由于钢材具有较高的强度，在弯曲情况下会发生断裂，而断裂后，钢构件会受到重力影响下落，其冲击能量公式为E＝mgh，m为物体质量，g为重力加速度，h为高度，根据势能公式可以计算钢构件的断裂处下落后的冲击能量，同时根据钢构件的下落后，根据实际规格，判断影响范围，进而确定是否绕行，如果钢构件受到热量影响导致自身结构强度降低，整个钢材偏软，由于其中某点支撑力不足，此时钢构件会发生缓慢弯曲，该种影响就会降低，但是对于一些易燃性爆的带压气体、液体等，则会发生爆炸，此时可以根据着火点与危险物的距离进行判断，同时根据材料性质对爆炸的可能性进行评估，评估因素根据不同的燃料、周围环境因素等进行计算，假设具有危险发生的可能性，因此需要对爆炸情况进行预测运算，例如压缩气体与水蒸气容器爆破能量为
式中E为气体爆破能量KJ，p为容器气体绝对压力，V为气体容积，k为气体绝热指数，因此通过对物体的体积进行计算后获取气体最大容积，此时通过公式计算出爆破能量，然后通过下述爆炸半径公式进行二次计算。
通过公式计算出爆炸半径，进而对爆炸影响进行规避，使机器人绕行偏离爆炸半径r进行运动。
步骤S22：针对物体的弯曲节点、断裂节点和外形尺寸计算出弯曲节点、断裂节点距离危险物体顶端的高度，并通过判断物体的弯曲方向、断裂方向确定物体倾倒、坍塌的方向
根据图像采集物体信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾斜、断裂、以及破损情况，四个摄像头可以对机器人的前后左右四个方向进行图像进行采集，顶部的云台摄像头主要为了对上方的物体进行采集，例如悬挂在外部的物体，是否受到火灾影响会发生脱落，一些混凝土物体受力局部发生混凝土层脱落，露出内层钢筋笼时，此时该节点的自身强度降低，从而使物体向该区域发生倾倒、断裂的情况更加容易发生，也可以根据钢材的表面情况以及火焰高度，弯曲情况判断燃烧影响，此时机器人可以选择与弯曲、破裂、断裂的反向进行绕行，例如物体在正前方，此时发生弯曲的方向为左，此时机器人根据物体的弯曲方向反向绕行，通过物体的右侧进行前进，进而可以物体完全规避。
步骤S23：针对该物体倾倒坍塌产生的冲击能量、爆炸产生的爆炸能量、弯曲节点或断裂节点距离物体顶端的高度以及物体倾倒、坍塌的方向，计算出物体的倾倒、坍塌、爆炸影响范围。
步骤S24：针对物体的倾倒、坍塌、爆炸影响范围，对物体倾倒、坍塌以及爆炸的范围内的物体进行识别，判断二次倒塌的的大小。
由于不管是倾倒、坍塌、爆炸均具有影响范围，例如倾倒时与高度有有关，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，判断是否存在二次影响，例如，两个金属钢架间隔很短，一侧钢架没有受到火灾影响时，其中一处金属钢架的弯曲节点上端高度大于两个钢架之间的间隙，此时金属钢架弯曲后，会与另一处正常的金属钢架进行接触，从而能够对弯曲的金属钢架进行支撑，此时机器人可以进行强行穿入，主要的目的为了提高穿行速度，如果另一侧为一些危险物或者会起到更严重的效应，例如双向的金属钢架均受到火灾影响，此时其中一侧的金属钢架发生弯曲后与另一侧的金属钢架接触后，使两个金属钢架均会产生的同向弯曲，进而此时的弯曲影响范围更大，此时如果反向无法绕行时，机器人选择同向绕行，同时同向绕行长度需要大于金属钢架弯曲节点上端高度的距离，此时进而避免同向金属钢架受到弯曲钢架的影响发生弯曲，在此时受到金属钢架的弯曲影响，另一个金属钢架弯曲时并没有预兆，因此直接绕行更长的距离，即可对潜在影响进行规避。
步骤S3：针对物体发生危险性的概率进行评估，在强行通过后，根据持续时间对后续的物体危险性发生概率进行预估。
步骤S4：如果判断后续危险性的发生概率出现大幅度增加的情况，则在机器人返航时提前更改运动路径。
当上述问题发生后，在选择强行通过后，此时机器人进入区域深处进行作业，此时根据机器人在进入前对灾场中分布的各类物体的判断，此时根据在区域深处的持续时间，对返程物体变化情况根据时间进行推算，而推算的过程可以利用数据库，使机器人在执行任务时，每次采集到的信息数据以及后续的情况演化时间进行储存，进而使机器人根据情况进行对比，从而判断原路返程危险性，同时也可以根据多个灾场上的数据收集后存放在数据库中，通过机器人将采集数据与数据库内容对比进行判断，在整个对比判断的过程中，采用模糊计算，模糊计算可以处理不精确的模糊输入信息，可以有效降低感官灵敏度和精确度的要求，而且所需要存储空间少，能够抓住信息处理的主要矛盾，保证信息处理的实时性、多功能性和满意性。
本发明的工作流程：
在机器人内部安装GPS定位系统，同时机器人内部设置储存器，对于该区域具有施工图纸的区域将图纸通过储存器存放在机器人内部，根据GPS定位系统定位的机器人区域，并且将GPS周围的图样与施工图纸进行对比，进而根据施工图纸判断机器人需要采集的物体的具体长度、宽度、高度以及材料特性，由于不同的环境下，不同结构会产生不同的影响，针对该物体的外观形状以及材质判断该物体的坍塌、倾倒危险性发生概率，以及坍塌、倾倒方向进行预估，根据图像采集物体信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾斜、断裂、以及破损情况，一些混凝土物体受力局部发生混凝土层脱落，露出内层钢筋笼时，此时该节点的自身强度降低，从而使物体向该区域发生倾倒、断裂的情况更加容易发生，可以根据钢材的表面情况以及火焰高度，弯曲情况判断燃烧影响，此时机器人可以选择与弯曲、破裂、断裂的反向进行绕行，例如物体在正前方，此时发生弯曲的方向为左，此时机器人根据物体的弯曲方向反向绕行，通过物体的右侧进行前进，进而可以物体完全规避，由于不管是倾倒、坍塌、爆炸均具有影响范围，例如倾倒时与高度有有关，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，判断是否存在二次影响，在选择强行通过后，此时机器人进入区域深处进行作业，此时根据机器人在进入前对物体的判断，此时根据在区域深处的持续时间，对返程物体变化情况根据时间进行推算，而推算的过程可以利用数据库，使机器人在执行任务时，每次采集到的信息数据以及后续的情况演化时间进行储存，进而使机器人根据情况进行对比，从而判断原路返程危险性，同时也可以根据多个灾场上的数据收集后存放在数据库中，通过机器人将采集数据与数据库内容对比进行判断。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种对机器视觉数据模糊运算的路径规划方法，其特征在于，步骤如下：
步骤S1：采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对危险物体的外观形状、材质进行识别；
步骤S2：针对火灾高温的复杂环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动；
步骤S21：针对该物体的外观形状，确定该物体的弯曲节点、断裂节点以及节点完整度，通过弯曲节点、断裂节点、节点完整度、材质、火点与物体的距离以及物体存放量判断该物体的倾倒、断裂、爆炸危险性发生概率，并对倾倒坍塌产生的冲击能量、爆炸产生的能量进行预估计算，从而计算了不同物体的危险性；
步骤S22：针对物体的弯曲节点、断裂节点和外形尺寸计算出弯曲节点、断裂节点距离危险物体顶端的高度，并通过判断物体的弯曲方向、断裂方向确定物体倾倒、坍塌的方向；
步骤S23：针对该物体倾倒坍塌产生的冲击能量、爆炸产生的爆炸能量、弯曲节点或断裂节点距离物体顶端的高度以及物体倾倒、坍塌的方向，计算出物体的倾倒、坍塌、爆炸影响范围；
步骤S24：针对物体的倾倒、坍塌、爆炸影响范围，对物体倾倒、坍塌以及爆炸的范围内的物体进行识别，判断二次倒塌的的大小；
步骤S3：在强行通过后，根据持续时间对后续的物体危险性发生概率进行预估；
步骤S4：如果判断后续危险性的发生概率出现增加的情况，则在机器人返航时提前更改运动路径。
2.根据权利要求1所述的一种对机器视觉数据模糊运算的路径规划方法，其特征在于：步骤S1中，采集镜头数量至少为5个，四个采集镜头位于机器人的四周，一个采集镜头位于机器人的顶部，通过云台转动。
3.根据权利要求1所述的一种对机器视觉数据模糊运算的路径规划方法，其特征在于：步骤S1中，根据图像进行危险物体识别时，在机器人内部安装GPS定位系统，同时机器人内部设置储存器，对于具有施工图纸的区域将施工图纸通过储存器存放在机器人内部，根据GPS定位系统定位的机器人区域，并且将GPS周围的图样与施工图纸进行对比，进而根据施工图纸通过模板匹配的方法判断机器人需要采集的危险土体物体以及危险物体的具体长度、宽度、高度以及材料特性，避免预测产生的偏差。
4.根据权利要求1所述的一种对机器视觉数据模糊运算的路径规划方法，其特征在于：步骤S21中，在计算不同的危险物体的危险性时，对于有高强度的钢构件，通过其弯曲节点、断裂节点以及节点完整度判断该物体的倾倒、坍塌危险性发生概率；计算其发生倾倒、坍塌后，下落时的产生的冲击能量，从而完成了对高强度的钢构件危险性的预估；对于易爆物体，通过火点与易爆物体的距离、易爆物体材料性质、易爆物体的存放量以及周围环境因素分析对爆炸发生的概率进行预估；计算其发生爆炸产生的爆炸能量，从而完成了对易爆物体的危险性的预估。
5.根据权利要求1所述的一种对机器视觉数据模糊运算的路径规划方法，其特征在于：步骤S4如果判断后续危险性的发生概率出现增加的情况，在选择强行通过后，机器人进入区域深处进行作业，同时根据机器人在进入前对灾场中分布的各类物体的判断情况，以及在区域深处的持续时间，对返程物体变化情况进行推算；推算的过程利用数据库，数据库是机器人在执行任务时，对每次采集到的信息数据以及后续的情况演化时间进行储存，进而使机器人根据前后情况进行对比，从而判断原路返程危险性，同时也将多个灾场上的数据收集后存放在数据库中，通过机器人将采集数据与数据库内容对比进行判断，在整个对比判断的过程中，采用模糊计算，模糊计算能够处理不精确的模糊输入信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210031077.XA CN114386696B (zh) | 2022-01-12 | 2022-01-12 | 一种对机器视觉数据模糊运算的路径规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210031077.XA CN114386696B (zh) | 2022-01-12 | 2022-01-12 | 一种对机器视觉数据模糊运算的路径规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114386696A true CN114386696A (zh) | 2022-04-22 |
| CN114386696B CN114386696B (zh) | 2024-03-08 |
Family
ID=81202004
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210031077.XA Active CN114386696B (zh) | 2022-01-12 | 2022-01-12 | 一种对机器视觉数据模糊运算的路径规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114386696B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117592633A (zh) * | 2024-01-18 | 2024-02-23 | 深圳金智凌轩视讯技术有限公司 | 一种智慧巡检优化方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052382A (zh) * | 2021-03-29 | 2021-06-29 | 江苏坤云信息科技有限公司 | 基于三维模型的危险源爆炸事故大数据模拟预警应急系统 |
| CN113309571A (zh) * | 2021-05-20 | 2021-08-27 | 中国矿业大学 | 一种矿井巷网热动力灾害演化评估系统与预测救援方法 |
| CN113721615A (zh) * | 2021-08-27 | 2021-11-30 | 广州大学 | 一种基于机器视觉的海航路径规划方法及系统 |
| CN113808358A (zh) * | 2021-10-14 | 2021-12-17 | 红石阳光（北京）科技股份有限公司 | 基于物联网平台的家庭火灾监控报警处理系统 |
-
2022
- 2022-01-12 CN CN202210031077.XA patent/CN114386696B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113052382A (zh) * | 2021-03-29 | 2021-06-29 | 江苏坤云信息科技有限公司 | 基于三维模型的危险源爆炸事故大数据模拟预警应急系统 |
| CN113309571A (zh) * | 2021-05-20 | 2021-08-27 | 中国矿业大学 | 一种矿井巷网热动力灾害演化评估系统与预测救援方法 |
| CN113721615A (zh) * | 2021-08-27 | 2021-11-30 | 广州大学 | 一种基于机器视觉的海航路径规划方法及系统 |
| CN113808358A (zh) * | 2021-10-14 | 2021-12-17 | 红石阳光（北京）科技股份有限公司 | 基于物联网平台的家庭火灾监控报警处理系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117592633A (zh) * | 2024-01-18 | 2024-02-23 | 深圳金智凌轩视讯技术有限公司 | 一种智慧巡检优化方法 |
| CN117592633B (zh) * | 2024-01-18 | 2024-03-26 | 深圳金智凌轩视讯技术有限公司 | 一种智慧巡检优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114386696B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108027301B (zh) | 损伤信息提取装置、损伤信息提取方法及损伤信息提取程序 | |
| CN114386696A (zh) | 一种对机器视觉数据模糊运算的路径规划方法 | |
| CN102288176B (zh) | 基于信息融合的煤矿救灾机器人导航系统及方法 | |
| CN110795812B (zh) | 一种基于大数据分析的滑坡预测方法及系统 | |
| US7286050B2 (en) | Fire location detection and estimation of fire spread through image processing based analysis of detector activation | |
| Huang et al. | A combined real-time intelligent fire detection and forecasting approach through cameras based on computer vision method | |
| CN110782095A (zh) | 一种消防路线规划方法、装置、电子设备及存储介质 | |
| CN108140218A (zh) | 健全度判定装置、健全度判定方法及健全度判定程序 | |
| Moors et al. | A probabilistic approach to coordinated multi-robot indoor surveillance | |
| CN114973133B (zh) | 一种消防隐患处理方法 | |
| CN114627610A (zh) | 一种基于图像识别的灾情处理方法及装置 | |
| Ji et al. | Approach for early-warning collapse of double-span steel portal frames induced by fire | |
| WO2023104557A1 (en) | Machine-learning for safety rule violation determination | |
| CN111258309A (zh) | 一种用于城市消防机器人的灭火方法 | |
| CN114510545A (zh) | 疏散路径确定方法、装置、电子设备及存储介质 | |
| CN112866605B (zh) | 基于5g的管廊监测的方法、装置、终端和存储介质 | |
| CN113486754A (zh) | 基于视频的事件演化预测方法、系统 | |
| CN117557050A (zh) | 一种人群疏散路径规划方法、系统、设备及介质 | |
| CN117422197A (zh) | 一种消防救援安全评估服务系统 | |
| CN109760060B (zh) | 一种多自由度机器人智能避障方法及其系统 | |
| CN112668538A (zh) | 一种装药操作行为规范监控方法 | |
| Green et al. | Can a robot improve mine safety? | |
| CN113653534B (zh) | 一种矿井水害预警系统及方法 | |
| CN115082734B (zh) | 铝电解槽火眼视频巡检系统及过热度深度学习识别方法 | |
| JP2007003538A (ja) | 管路被害予測システム及び管路被害予測方法 |
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 |