CN114706387A - 一种气味源定位方法及移动机器人 - Google Patents
一种气味源定位方法及移动机器人 Download PDFInfo
- Publication number
- CN114706387A CN114706387A CN202210271782.7A CN202210271782A CN114706387A CN 114706387 A CN114706387 A CN 114706387A CN 202210271782 A CN202210271782 A CN 202210271782A CN 114706387 A CN114706387 A CN 114706387A
- Authority
- CN
- China
- Prior art keywords
- detection
- mobile robot
- odor source
- determining
- concentration
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000001514 detection method Methods 0.000 claims abstract description 197
- 230000000875 corresponding effect Effects 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 16
- 230000002596 correlated effect Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 230000001276 controlling effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 4
- 230000004807 localization Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 9
- 238000007405 data analysis Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 22
- 238000003860 storage Methods 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Food Science & Technology (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及气味源定位技术领域，尤其涉及一种气味源定位方法及移动机器人，所述移动机器人设置有分别朝向于不同方向的多个检测口，所述检测口内设置有气体传感器，所述方法包括：基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果；根据所述多个检测结果，判断是否能确定出气味源的位置信息；若否，则根据所述多个检测结果，确定所述移动机器人的移动方向；根据所述移动方向及预设移动距离控制所述移动机器人移动至下一个检测位置之后，执行所述基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果的步骤及后续步骤。本实施例的气味源定位方法需要数据少，数据分析过程简单，搜寻气味源的效率高。
Description
技术领域
本发明涉及气味源定位技术领域，尤其涉及一种气味源定位方法及移动机器人。
背景技术
日常生产生活中，当某些气体特别是有毒、易燃、易爆等气体浓度高于安全值时，会引起极大的危险，这会给人们的生命和财产造成巨大损失。因此，实现气体的准确监测和气体源的快速定位，有利于及时实施应对措施及救援，对于人们的生产生活具有重大意义。
因此，有必要提供一种能够快速、准确搜寻气味源的方法，以应对实际需求。
发明内容
本发明实施方式提供一种气味源定位方法及移动机器人，旨在解决现有气味源定位过程缓慢、效率不高的问题。
为解决上述技术问题，本发明实施方式采用的一个技术方案是：提供一种气味源定位方法，应用于移动机器人，所述移动机器人设置有分别朝向于不同方向的多个检测口，所述检测口内设置有气体传感器，所述方法包括：基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果；根据所述多个检测结果，判断是否能确定出气味源的位置信息；若否，则根据所述多个检测结果，确定所述移动机器人的移动方向；根据所述移动方向及预设移动距离控制所述移动机器人移动至下一个检测位置之后，执行所述基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果的步骤及后续步骤。
在一些实施例中，所述对应获得多个检测结果，包括：将每一所述检测口的位置信息和对应所获得的一个检测结果关联记录以建立浓度分布图，其中，在浓度分布图中的每一个位置点关联记录对应的气味源浓度信息。
在一些实施例中，所述根据多个所述检测结果，确定所述移动机器人的移动方向，包括：在当前检测位置的多个所述检测结果中，确定出浓度最低的第一检测结果和浓度最高的第二检测结果；由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向；将所述预测方向确定为所述移动机器人的移动方向。
在一些实施例中，所述由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向之后，还包括：若所述预测方向与所述移动机器人移动至当前检测位置时的移动方向之间的夹角大于第一预设角度时，则根据所述浓度分布图修正所述预测方向。
在一些实施例中，所述根据所述浓度分布图修正所述预测方向，包括：将浓度分布图中的位置点按浓度区间分类形成多个点簇，其中，点簇内的位置点的数量为大于或等于第一数量，并且小于或等于第二数量；将最小的浓度区间值的点簇确定为第三位置点，将最大的浓度区间值的点簇确定为第四位置点；由所述第三位置点至所述第四位置点的连线，确定为气味源的校准方向；根据校准方向对所述预测方向进行融合修正。
在一些实施例中，所述根据校准方向对所述预测方向进行融合修正，包括：所述预测方向和所述校准方向按权重比进行融合，以获得修正后的预测方向。
在一些实施例中，所述根据所述多个检测结果，判断是否能确定出气味源的位置信息，包括：若所述多个检测结果均符合预设结果，并且在连续预设次数的移动检测中，移动至检测位置时的移动方向之间的夹角小于或等于第二预设角度时，则能确定出气味源的位置信息；若否，则不能确定出气味源的位置信息。
在一些实施例中，所述移动机器人的顶部设置有检测装置，所述检测装置包括检测部，所述检测部呈圆柱形，所述多个检测口分别开设于所述检测部的外周面，所述检测口沿所述检测部的径向延伸，所述多个检测口沿所述检测部的周向等角度排列。
在一些实施例中，所述检测部的端面设置有排气管，所述排气管一端分别与所述多个检测口的内腔连通，所述排气管的另一端与所述检测部的外部连通。
为解决上述技术问题，本发明实施方式采用的另一个技术方案是：提供一种移动机器人，所述移动机器人包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的方法步骤。
区别于相关技术的情况，本发明的气味源定位方法及移动机器人，通过在所述移动机器人上设置有分别朝向于不同方向的多个检测口，从而能够在一次移动完成后，获得多个检测结果，并可以根据所述多个检测结果确定所述移动机器人的移动方向，以能够进一步地搜寻气味源，或者在确定出气味源位置之后，则停止搜寻。根据每一次移动检测的检测结果确定移动机器人的下一个检测位置，从而逐渐朝向气味源方向移动，从而提高气味源定位效率。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的移动机器人的结构示意图；
图2是图1中检测部的剖视图；
图3是本发明实施例提供的移动机器人的硬件结构示意图；
图4是本发明实施例提供的气味源定位方法的流程示意图；
图5是图4中步骤210的详细步骤的流程示意图；
图6是本发明实施例提供的浓度分布图的点阵图；
图7是图4中步骤220的详细步骤的流程示意图；
图8是图4中步骤230的详细步骤的流程示意图；
图9是图4中步骤230的另一详细步骤的流程示意图；
图10是图9中步骤236的详细步骤的流程示意图；
图11是图10中步骤2364的详细步骤的流程示意图。
实施例中具体附图标记如下：
100、移动机器人；
1、检测装置；11、检测部；111、检测口；112、气体传感器；113、排气管；114、风扇；12、连接部；
2、处理器；
3、存储器。
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用以解释本发明，并不用于限定本发明。
需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例1
图1是本发明实施例提供的移动机器人100的结构示意图，如图1所示，所述移动机器人100的顶部设置有检测装置1，所述检测装置1包括检测部11和连接部12，所述检测部11通过所述连接部12与所述移动机器人100的本体连接，所述检测部11设置有分别朝向于不同方向的多个检测口111，所述检测口111内设置有气体传感器112，所述气体传感器112用于检测空气中的特定气味的浓度并输出检测结果，例如检测煤气、二氧化碳、一氧化碳。这样所述移动机器人100每次进行检测时能够同时检测多个方向和位置的气味浓度，每次检测后能够根据各个检测口111的检测结果确定移动机器人100的移动方向，移动后再循环上述步骤，即可定位到气味源，过程中需要的数据量少，数据分析过程简单，提高搜寻气味源的效率。
图2是图1中检测部11的剖视图，如图2所示，所述检测部11呈圆柱形，所述多个检测口111分别开设于所述检测部11的外周面，所述检测口111沿所述检测部11的径向延伸，所述多个检测口111沿所述检测部11的周向等角度排列。通过使所述检测口111呈环形等角度间隔排列，则每个所述检测口111与所述检测部11的轴线的距离相等，从而改善因距离不一致导致的系统误差，例如所述检测口111与所述检测部11的轴线的距离改变时，其检测的数据也会发生改变，则距离不一致会导致系统误差；并且所述检测口111等角度间隔排列，从而改善因角度间隔不一致而检测误差较大的问题。可选的，所述检测口111设置为偶数个。可选的，所述检测口111设置为8个。
如图1和图2所示，所述检测部11的端面设置有排气管113，所述排气管113一端分别与所述多个检测口111的内腔连通，所述排气管113的另一端与所述检测部11的外部连通。所述排气管113用于排出所述检测口111内的气体，从而使所述检测口111能够持续的工作，并且可以排出检测口111内的目标检测气体，避免目标检测气体堆积而影响检测结果。可选的，所述检测口111内设置有风扇114，风扇114用于将外部气体吸入检测口111，从而被气体传感器112检测。进一步地，每一检测口111内的风扇114的运行功率是可变的，用于在一次气体检测过程中，为所有的检测口111分别提供等量的进风量，从而确保检测结果的精准度。
图3是本发明实施例提供的移动机器人100的硬件结构示意图，如图3所示，所述移动机器人100还包括至少一个处理器2，以及与所述至少一个处理器2通信连接的存储器3。所述存储器3与所述至少一个处理器2通信连接，所述处理器2和所述存储器3可以通过总线或者其他方式连接，图3中以通过总线连接为例。
所述存储器3存储有可被所述至少一个处理器2执行的指令，所述指令被所述至少一个处理器2执行，以使所述至少一个处理器2能够执行方法实施例的气味源定位方法。
所述存储器3作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本发明实施例中的气味源定位方法对应的程序指令/模块。所述处理器2通过运行存储在存储器3中的非易失性软件程序、指令以及模块，从而执行终端设备的各种功能应用以及数据处理，即实现方法实施例的气味源定位方法。
所述存储器3可以包括存储程序区和存储数据区，其中，所述存储程序区可存储操作系统、至少一个功能所需要的应用程序；所述存储数据区可存储根据终端设备使用所创建的数据等。此外，所述存储器3可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，所述存储器3可选包括相对于所述处理器2远程设置的所述存储器3，这些远程存储器3可以通过网络连接至终端设备。网络包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器3中，当被一个或者多个所述处理器2执行时，执行方法实施例中的气味源定位方法，例如，执行图4中的方法步骤210至步骤240。
所述移动机器人100可执行方法实施例所提供的气味源定位方法，具备执行方法相应的功能模块和有益效果。未在移动机器人100实施例中详尽描述的技术细节，可参见方法实施例所提供的气味源定位方法。
本发明实施例的移动机器人100还可与云端服务器通信连接，所述云端服务器接收至少一个所述移动机器人100发出的指令和信息，并对所述指令和所述信息进行分析处理，再向至少一个所述移动机器人100发出反馈指令和反馈信息，所述云端服务器可以为单个服务器，也可以为服务器集群。
本发明实施例的移动机器人100，通过在所述移动机器人100上设置有分别朝向于不同方向的多个检测口111，从而能够在一次移动完成后，获得多个检测结果，并可以根据所述多个检测结果确定所述移动机器人100的移动方向，以能够进一步地搜寻气味源，或者在确定出气味源位置之后，则停止搜寻。根据每一次移动检测的检测结果确定移动机器人的下一个检测位置，从而逐渐朝向气味源方向移动，从而提高气味源定位效率。
实施例2
图4是本发明实施例提供的气味源定位方法的流程示意图，所述气味源定位方法可以应用于上述实施例中的移动机器人100，如图4所示，所述方法包括：
210：基于所述多个检测口111内的气体传感器112，对空气进行检测以对应获得多个检测结果。
所述气体传感器112用于检测空气中特定气体的浓度，例如一氧化碳、二氧化碳、煤气、毒气等等。所述气体传感器112可以根据实际情况进行更换，从而可以检测不同的气体。所述检测结果可以为气体的浓度信息。
图5是图4中步骤210的详细步骤的流程示意图，如图5所示，所述对应获得多个检测结果，具体包括：
211：将每一所述检测口111的位置信息和对应所获得的一个检测结果关联记录以建立浓度分布图，其中，在浓度分布图中的每一个位置点关联记录对应的气味源浓度信息，如图6所示，图6是本发明实施例提供的浓度分布图的点阵图。
根据所述移动机器人100当前的位置和方向，以及每个所述检测口111相对于所述移动机器人100的位置，即可计算得出每个所述检测口111的位置信息。每个所述检测口111获得所述检测结果时，将所述检测结果与所述检测口111当前的位置信息进行关联，即可建立基于地面的气味浓度信息。如图6所示，等边八角形的8个顶点位置均对应关联一个气味浓度信息。
220：根据所述多个检测结果，判断是否能确定出气味源的位置信息。
若否，则执行下述步骤230；若是，则执行步骤250：确定气味源的的位置并输出，同时结束对气味源的搜索。
根据所述检测结果判断是否能够确定气味源的位置，若能够确定，则向外传输气味源的位置并停止对气味源的搜索；若不能够确定，则需要继续进行搜索，直至移动次数达到预设次数，或寻找到气味源。
图7是图4中步骤220的详细步骤的流程示意图，如图7所示，所述根据所述多个检测结果，判断是否能确定出气味源的位置信息，包括：
221：若所述多个检测结果均符合预设结果，并且在连续预设次数的移动检测中，移动至检测位置时的移动方向之间的夹角小于或等于第二预设角度时，则能确定出气味源的位置信息；若否，则不能确定出气味源的位置信息。
预设结果可以为所述多个检测结果相同，则所述移动机器人100正处于气味源的中央，则此时所述移动机器人100的位置为气味源的位置；或者所述多个检测结果的浓度大于某一个预设浓度，则可以确定所述移动机器人100距离气味源非常近，则此时可以将所述移动机器人100的位置确定为气味源的位置。
预设次数是指所述移动机器人100根据所述移动方向移动的次数，可以预设为几十或者几百甚至上千，达到预设次数时，所述移动机器人100停止搜索。
第二预设角度是指所述移动机器人100相邻两次移动的移动方向之间的角度，当相邻两次移动的移动方向之间的夹角小于或等于所述第二预设角度时，说明后一次的移动方向是具有较高的可信度的，因此最终得到的气味源的位置也具有较高的可信度。若所述移动机器人100相邻两次移动的移动方向之间的夹角多次不满足所述第二预设角度时，则可能是因为附近有多个气味源，因此无法确定气味源的位置。
若不满足以上所述预设结果、所述预设次数以及所述第二预设角度的任意一条时，则无法确定气味源的位置。
230：根据所述多个检测结果，确定所述移动机器人100的移动方向。
图8是图4中步骤230的详细步骤的流程示意图，如图8所示，所述根据多个所述检测结果，确定所述移动机器人100的移动方向，包括：
231：在当前检测位置的多个所述检测结果中，确定出浓度最低的第一检测结果和浓度最高的第二检测结果。
通过比较所述检测结果的数值，即可确定出浓度最低的第一检测结果和浓度最高的第二检测结果，若出现多个浓度最低的第一检测结果，和/或，多个浓度最高的第二检测结果的情况，则可以根据这几个所述检测口111的位置，选取距离最远的两个检测口111的浓度作为所述第一检测结果和所述第二检测结果。
232：由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向。
所述预测方向受所述移动机器人100的所述检测口111的数量和分布的影响，所述检测口111的数量越多，分布越均匀，所述预测方向也越准确。
233：将所述预测方向确定为所述移动机器人100的移动方向。
240：根据所述移动方向及预设移动距离控制所述移动机器人100移动至下一个检测位置，并执行上述步骤210至步骤230。
所述移动机器人100移动至下一个所述检测位置后，循环步骤210至240，直至确定所述气味源的位置，或者直至所述移动机器人100的移动次数达到所述预设次数。
实施例3
图4是本发明另一实施例提供的气味源定位方法的流程示意图，所述气味源定位方法可以应用于上述实施例中的移动机器人100，如图4所示，所述方法包括：
210：基于所述多个检测口111内的气体传感器112，对空气进行检测以对应获得多个检测结果。
220：根据所述多个检测结果，判断是否能确定出气味源的位置信息。
230：若否，则根据所述多个检测结果，确定所述移动机器人100的移动方向。
步骤210至230中未详细描述的技术细节，可参见本发明实施例2提供的气味源定位方法。
图9是图4中步骤230的另一详细步骤的流程示意图，如图9所示，所述根据多个所述检测结果，确定所述移动机器人100的移动方向，包括：
234：在当前检测位置的多个所述检测结果中，确定出浓度最低的第一检测结果和浓度最高的第二检测结果。
235：由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向。
236：若所述预测方向与所述移动机器人100移动至当前检测位置时的移动方向之间的夹角大于第一预设角度时，则根据所述浓度分布图修正所述预测方向。
当所述预测方向与所述移动机器人100移动至当前检测位置时的移动方向之间的夹角大于第一预设角度时，所述预测方向出现较大误差，需要进行修正，此时可根据先前建立的所述浓度分布图中的浓度及位置信息对所述预测方向进行修正，从而减少误差，提高对气味源的搜寻效率。
图10是图9中步骤236的详细步骤的流程示意图，如图10所示，所述根据所述浓度分布图修正所述预测方向，包括：
2361：将浓度分布图中的位置点按浓度区间分类形成多个点簇，其中，点簇内的位置点的数量为大于或等于第一数量，并且小于或等于第二数量。
将所述浓度分布图中的位置点按照浓度值进行排序，并进行分类形成多个点簇，同时使每个点簇中的位置点的数量合适，例如大于或等于第一数量，小于或等于第二数量，在此基础上，还可以使每个点簇中的位置点的数量趋于一致，从而减少误差，提高每个点簇的浓度值的准确性。
2362：将最小的浓度区间值的点簇确定为第三位置点，将最大的浓度区间值的点簇确定为第四位置点。
通过比较每个所述点簇中位置点的平均浓度，即可确定出第三位置点和第四位置点，第三位置点和第四位置点中均包含多个位置点，通过对第三位置点的点簇和第四位置点的点簇的中心进行确定，即可得到具有一个位置的具体的第三位置点和第四位置点。如图6所示，等边八角形的8个顶点位置均对应关联一个气味浓度信息，可通过二维平面的点阵图确定出浓度最高的靠近为一团的点阵团，即第四位置点；浓度最低的靠近为一团的点阵团，即为第三位置点。可选的，可以剔除点簇中距离点簇中心较远的位置点。
2363：由所述第三位置点至所述第四位置点的连线，确定为气味源的校准方向。
所述校准方向受所述浓度分布图中的位置点的数量的影响，所述位置点的数量越多，所述校准方向也越准确。但数量过多，也会影响数据处理的效率，因此，可以剔除较早记录的位置点，精简数据。
2364：根据校准方向对所述预测方向进行融合修正。
图11是图10中步骤2364的详细步骤的流程示意图，如图11所示，所述根据校准方向对所述预测方向进行融合修正，包括：
23641：所述预测方向和所述校准方向按权重比进行融合，以获得修正后的预测方向。
所述预测方向与第一权重的积加上所述校准方向与第二权重的积，即可得到一个新的向量，即为修正后的预测方向。其中，所述预测方向和所述校准方向均为单位向量，所述第一权重与所述第二权重的和为1。
所述第一权重可根据所述点簇的数量进行确定，点簇数量越多，所述第一权重越小。例如，当点簇数量为预设点簇数量时，第一权重为0.5，点簇数量为预设点簇数量为n时，第一权重为y＝1-1/2n。
所述第二权重可通过所述第一权重确定，即所述第二权重＝1-所述第一权重。
237：将所述预测方向确定为所述移动机器人100的移动方向。
240：根据所述移动方向及预设移动距离控制所述移动机器人100移动至下一个检测位置，并执行上述步骤210至步骤230。
步骤240中未详细描述的技术细节，可参见本发明实施例2提供的气味源定位方法。
本发明实施例的气味源定位方法，应用于上述的移动机器人100，基于所述移动机器人100的多个所述检测口111，一次检测即可获得多个检测结果，并可以根据所述多个检测结果确定所述移动机器人100的移动方向。该步骤中，移动机器人100可根据多个检测结果得到向下一步的移动方向，因此每次确定机器人的移动方向时需要更少的数据，数据分析过程更简单，从而提高搜寻气味源的效率。并且可以根据所述移动机器人100移动至当前检测位置时的移动方向与预测方向之间的夹角判断是否需要修正所述预测方向，以及对预测方向进行修正，从而能够改善出现不良的预测方向的情况，进一步提高搜寻气味源的效率。
实施例4
本发明实施例提供了一种计算机程序产品，计算机程序产品包括存储在非易失性计算机可读存储介质上的计算机程序，计算机程序包括程序指令，当程序指令被计算机执行时，使计算机执行建立活动式围栏的方法。例如，执行图4中的方法步骤210至步骤240。
实施例5
本发明实施例提供了一种非易失性计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行建立活动式围栏的方法。例如，执行图4中的方法步骤210至步骤240。
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
通过以上的实施例的描述，本领域普通技术人员可以清楚地了解到各实施例可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现所述实施例方法中的全部或部分流程是可以通过计算机程序指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如所述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)或随机存储记忆体(Random Access Memory,RAM)等。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种气味源定位方法，应用于移动机器人，所述移动机器人设置有分别朝向于不同方向的多个检测口，所述检测口内设置有气体传感器，其特征在于，所述方法包括：
基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果；
根据所述多个检测结果，判断是否能确定出气味源的位置信息；
若否，则根据所述多个检测结果，确定所述移动机器人的移动方向；
根据所述移动方向及预设移动距离控制所述移动机器人移动至下一个检测位置之后，执行所述基于所述多个检测口内的气体传感器，对空气进行检测以对应获得多个检测结果的步骤及后续步骤。
2.据权利要求1所述的气味源定位方法，其特征在于，所述对应获得多个检测结果，包括：
将每一所述检测口的位置信息和对应所获得的一个检测结果关联记录以建立浓度分布图，其中，在浓度分布图中的每一个位置点关联记录对应的气味源浓度信息。
3.根据权利要求2所述的气味源定位方法，其特征在于，所述根据多个所述检测结果，确定所述移动机器人的移动方向，包括：
在当前检测位置的多个所述检测结果中，确定出浓度最低的第一检测结果和浓度最高的第二检测结果；
由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向；
将所述预测方向确定为所述移动机器人的移动方向。
4.据权利要求3所述的气味源定位方法，其特征在于，所述由第一检测结果对应的第一位置点至第二检测结果对应的第二位置点的连线，确定为气味源的预测方向之后，还包括：
若所述预测方向与所述移动机器人移动至当前检测位置时的移动方向之间的夹角大于第一预设角度时，则根据所述浓度分布图修正所述预测方向。
5.据权利要求4所述的气味源定位方法，其特征在于，所述根据所述浓度分布图修正所述预测方向，包括：
将浓度分布图中的位置点按浓度区间分类形成多个点簇，其中，点簇内的位置点的数量为大于或等于第一数量，并且小于或等于第二数量；
将最小的浓度区间值的点簇确定为第三位置点，将最大的浓度区间值的点簇确定为第四位置点；
由所述第三位置点至所述第四位置点的连线，确定为气味源的校准方向；
根据校准方向对所述预测方向进行融合修正。
6.据权利要求5所述的气味源定位方法，其特征在于，所述根据校准方向对所述预测方向进行融合修正，包括：
所述预测方向和所述校准方向按权重比进行融合，以获得修正后的预测方向。
7.根据权利要求1所述的气味源定位方法，其特征在于，所述根据所述多个检测结果，判断是否能确定出气味源的位置信息，包括：
若所述多个检测结果均符合预设结果，并且在连续预设次数的移动检测中，移动至检测位置时的移动方向之间的夹角小于或等于第二预设角度时，则能确定出气味源的位置信息；
若否，则不能确定出气味源的位置信息。
8.根据权利要求1所述的气味源定位方法，其特征在于，所述移动机器人的顶部设置有检测装置，所述检测装置包括检测部，所述检测部呈圆柱形，所述多个检测口分别开设于所述检测部的外周面，所述检测口沿所述检测部的径向延伸，所述多个检测口沿所述检测部的周向等角度排列。
9.根据权利要求8所述的气味源定位方法，其特征在于，所述检测部的端面设置有排气管，所述排气管一端分别与所述多个检测口的内腔连通，所述排气管的另一端与所述检测部的外部连通。
10.一种移动机器人，其特征在于，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至9任一项所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210271782.7A CN114706387A (zh) | 2022-03-18 | 2022-03-18 | 一种气味源定位方法及移动机器人 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210271782.7A CN114706387A (zh) | 2022-03-18 | 2022-03-18 | 一种气味源定位方法及移动机器人 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114706387A true CN114706387A (zh) | 2022-07-05 |
Family
ID=82168184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210271782.7A Pending CN114706387A (zh) | 2022-03-18 | 2022-03-18 | 一种气味源定位方法及移动机器人 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114706387A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09304319A (ja) * | 1996-05-16 | 1997-11-28 | Kagaku Gijutsu Shinko Jigyodan | におい源探知コンパス |
| CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
| CN101493328A (zh) * | 2009-02-09 | 2009-07-29 | 苏州科技学院 | 基于气味实测的机器人气味源搜索方法 |
| CN104007763A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
| CN110762389A (zh) * | 2019-12-03 | 2020-02-07 | 济南伊斯达自控工程有限公司 | 一种精确定位泄漏点的煤气柜巡检装置 |
| CN113358817A (zh) * | 2021-04-22 | 2021-09-07 | 上海工程技术大学 | 一种基于气体浓度梯度驱动的气体源定位装置 |
| CN114110907A (zh) * | 2021-12-02 | 2022-03-01 | 厦门联创达科技有限公司 | 一种智能异味朔源净化机器人 |
-
2022
- 2022-03-18 CN CN202210271782.7A patent/CN114706387A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09304319A (ja) * | 1996-05-16 | 1997-11-28 | Kagaku Gijutsu Shinko Jigyodan | におい源探知コンパス |
| CN101210817A (zh) * | 2007-12-24 | 2008-07-02 | 河北工业大学 | 室内环境下机器人自主搜寻气味源的方法 |
| CN101493328A (zh) * | 2009-02-09 | 2009-07-29 | 苏州科技学院 | 基于气味实测的机器人气味源搜索方法 |
| CN104007763A (zh) * | 2014-06-13 | 2014-08-27 | 重庆大学 | 一种固定式电子鼻节点与移动机器人协作搜寻气味源方法 |
| CN110762389A (zh) * | 2019-12-03 | 2020-02-07 | 济南伊斯达自控工程有限公司 | 一种精确定位泄漏点的煤气柜巡检装置 |
| CN113358817A (zh) * | 2021-04-22 | 2021-09-07 | 上海工程技术大学 | 一种基于气体浓度梯度驱动的气体源定位装置 |
| CN114110907A (zh) * | 2021-12-02 | 2022-03-01 | 厦门联创达科技有限公司 | 一种智能异味朔源净化机器人 |
Non-Patent Citations (2)
| Title |
|---|
| 程磊;张东;刘波;吴怀宇;王永骥;: "基于无线传感器网络的气体泄漏源定位机器人设计", 传感器与微系统, no. 02, 20 February 2015 (2015-02-20), pages 85 - 87 * |
| 骆德汉;邹宇华;庄家俊;: "基于修正蚁群算法的多机器人气味源定位策略研究", 机器人, no. 06, 15 November 2008 (2008-11-15), pages 536 - 541 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112131336B (zh) | 一种污染源定位方法、装置、计算机设备及存储介质 | |
| CN108363876B (zh) | 一种考虑关键故障的测试优化选择方法 | |
| ES2809466T3 (es) | Procedimiento para la detección mejorada de anomalías de proceso de una instalación técnica y sistema de diagnóstico correspondiente | |
| CN102395200A (zh) | 无线传感器网络中节点定位方法及装置 | |
| CN114969995A (zh) | 一种基于改进麻雀搜索与声发射的滚动轴承早期故障智能诊断方法 | |
| CN113901162B (zh) | 基于城市管理的无人机环境监测方法、系统及云平台 | |
| CN114755373B (zh) | 一种基于多机器人编队的空气污染源预警定位方法 | |
| CN111390439A (zh) | 一种焊缝检测方法、装置、焊接机器人及储存介质 | |
| CN114706387A (zh) | 一种气味源定位方法及移动机器人 | |
| CN109766905A (zh) | 基于自组织特征映射网络的目标分群方法 | |
| CN117495205B (zh) | 一种工业互联网实验系统及方法 | |
| CN111338379A (zh) | 自动控制飞行器的协同路径规划方法 | |
| CN113311869A (zh) | 一种多约束条件下无人机路径规划方法 | |
| Borghi et al. | Minimum uncertainty explorations in the self-localization of mobile robots | |
| US11970178B2 (en) | Computer-implemented method for machine learning for operating a vehicle component, and method for operating a vehicle component | |
| CN107480647B (zh) | 基于归纳式一致性异常检测的异常行为实时检测方法 | |
| CN106447781A (zh) | 一种基于Minkowski和面向自动装配的碰撞检测方法 | |
| CN110441751A (zh) | 双雷达探测方法、装置、可读存储介质及终端设备 | |
| CN108628184A (zh) | 一种用于机器人仿真系统的碰撞检测方法 | |
| CN112486668A (zh) | 一种分布式人工智能计算方法、物联网节点和存储介质 | |
| CN117892114B (zh) | 基于物联网的起重机故障预测方法及系统 | |
| CN111708046A (zh) | 一种障碍物的平面数据的处理方法、装置、电子设备及存储介质 | |
| Wei et al. | Evolving test environments to identify faults in swarm robotics algorithms | |
| Du et al. | Multi-UAVs Cooperative Pollution Source Localization Based on Improved Particle Swarm Optimization Algorithm | |
| CN116503409B (zh) | 一种焊缝缺陷3d点云检测方法、设备和介质 |
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 |