CN116682250A - 一种机器人无线遥控装置 - Google Patents

一种机器人无线遥控装置 Download PDF

Info

Publication number
CN116682250A
CN116682250A CN202310665500.6A CN202310665500A CN116682250A CN 116682250 A CN116682250 A CN 116682250A CN 202310665500 A CN202310665500 A CN 202310665500A CN 116682250 A CN116682250 A CN 116682250A
Authority
CN
China
Prior art keywords
robot
node
data
module
information
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
Application number
CN202310665500.6A
Other languages
English (en)
Other versions
CN116682250B (zh
Inventor
张欢
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.)
Shenzhen Apocalypse Intelligent Technology Co ltd
Original Assignee
Shenzhen Apocalypse Intelligent 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 Shenzhen Apocalypse Intelligent Technology Co ltd filed Critical Shenzhen Apocalypse Intelligent Technology Co ltd
Priority to CN202310665500.6A priority Critical patent/CN116682250B/zh
Publication of CN116682250A publication Critical patent/CN116682250A/zh
Application granted granted Critical
Publication of CN116682250B publication Critical patent/CN116682250B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • 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
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/12—Applying verification of the received information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/40—Network security protocols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/50—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using hash chains, e.g. blockchains or hash trees
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • H04N7/183—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a single remote source
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Manipulator (AREA)

Abstract

本发明公开了一种机器人无线遥控装置，属于无线遥控技术领域，包括控制终端、遥控发射端、机载监控端、信号分析模块、机载摄像头、驱动模块、供电模块、定位控制模块、云服务器以及上链存储模块；本发明能够自行中断异常控制指令，有效的提高机器人使用寿命，同时能够自行建模寻参，使操作更加简单便捷，方便用户使用，能够降低区块链数据处理时的能耗，并提高其数据处理效率，满足了去中心化需求，同时保证了数据安全性以及真实性。

Description

一种机器人无线遥控装置
技术领域
本发明涉及无线遥控技术领域，尤其涉及一种机器人无线遥控装置。
背景技术
无线遥控是指实现对被控目标的非接触遥远控制，在工业控制、航空航天、家电领域应用广泛。无线遥控和无线传输系统与有线和红外设备相比提高了移动自由度。由此使无线遥控装置和无线传输系统在工业领域的应用越来越多。随着移动通信网络和电子技术的快速发展，无线遥控系统拥有了便利的发展条件。将移动通信技术嵌入到机器人控制中，使后者突破时空的限制，发挥更大的作用。人们可以在奔波的旅途中或灾难现场通过手机下达指令遥控机器人干活或抢救生命，也可以在手机屏幕上看到现场情况，从而使机器人的使用更加便捷化、更加智能化。
现有的机器人无线遥控装置无法自行中断异常控制指令，机器人使用寿命短，不方便用户使用；此外，现有的机器人无线遥控装置的数据安全性以及真实性差，同时数据处理效率低下，为此，我们提出一种机器人无线遥控装置。
发明内容
本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种机器人无线遥控装置。
为了实现上述目的，本发明采用了如下技术方案：
一种机器人无线遥控装置，包括控制终端、遥控发射端、机载监控端、信号分析模块、机载摄像头、驱动模块、供电模块、定位控制模块、云服务器以及上链存储模块；
所述控制终端用于用户下发控制指令；
所述遥控发射端用于将控制指令转换成光电信号进行发送；
所述机载监控端用于接收遥控发射端发送的光电信号；
所述信号分析模块用于对机载监控端接收的光电信号进行检测分析；
所述机载摄像头用于该机器人采集周围环境信息并将其反馈至控制终端以供用户查看；
所述驱动模块用于依据分析结果驱动机器人做出相对应的指令动作；
所述供电模块用于为各子模块进行供电；
所述定位控制模块用于实时对该机器人位置进行锁定反馈；
所述云服务器用于存储用户操作信息以及机器人运行信息；
所述上链存储模块用于将机器人各项运行数据进行区块链存储。
作为本发明的进一步方案，所述控制终端具体包括智能手机、平板电脑、笔记本电脑以及台式电脑。
作为本发明的进一步方案，所述信号分析模块检测分析具体步骤如下：
步骤一：信息分析模块从云服务器中提取过往信号数据，之后对各组信号数据进行归一化处理，再筛选出表征能力较好的信号数据，然后构建一组卷积神经网络；
步骤二：将剩余信号数据分为训练集以及测试集，并通过进行对训练集进行输入、卷积、池化、全连接和输出的学习训练，得到信号分析模型，之后利用测试集对信号分析模型进行测试，若测试准确率满足期望值，则停止训练，反之继续对其进行训练；
步骤三：对当前信号数据进行预处理，之后将各组信号数据导入训练完成的信号分析模型中，信号分析模型接收对各组信号数据进行分析，同时对机器人后续运行状态进行预测；
步骤四：依据预测状态以及预设的合理标准对当前用户指令合理性进行判断，若用户指令不合理，则中断该指令执行，同时反馈用户指令错误，若用户指令合理，则将控制驱动模块使机器人执行相对应指令信息。
作为本发明的进一步方案，所述信号分析模型具体训练步骤如下：
步骤(1)：从过往信号数据中选取一组作为观测数据，并使用剩下数据拟合一个测试模型，再使用观测数据来验证测试模型的精度，并重复多次通过均方根误差对该测试模的评估能力进行计算以获取多组精度参数，依据预设的学习率以及步长列出所有可能的数据样本；
步骤(2)：选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行预测，统计测试结果的均方根误差，之后将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据样本都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优参数，并替换信号分析模型原有参数。
作为本发明的进一步方案，步骤(1)所述均方根误差具体计算公式如下：
其中，E(yi)表示第i个实际观测值，yi为模型反演出的第i个预测值，n是观测样本总数。
作为本发明的进一步方案，所述定位控制模块锁定反馈具体步骤如下：
步骤Ⅰ：定位控制模块实时与GPS卫星进行交互，并对机器人位置进行定位，同时实时接收控制终端位置信息，再通过机载摄像头对机器人周围环境信息进行采集；
步骤Ⅱ：定位控制模块依据采集到的影像数据构建对应区域三维模型，同时依据实时采集的信息对该区域模型进行更新，并将控制终端位置以及机器人位置在该区域模型中进行标记，同时测算两者之间的距离，若超出预设的距离范围，则向控制终端发出警报信息，并中断机器人运行进程。
作为本发明的进一步方案，所述上链存储模块区块链存储具体步骤如下：
步骤①：上链存储模块与外部区块链进行通信连接，之后将采集到的运行数据预处理成统一格式，并将各组运行数据处理成符合条件的区块，之后在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送；
步骤②：另一节点对收到的申请进行验证，验证通过则向候选节点返回相关验证数据，并不再同意新的申请；验证未通过则请求全网共识检查错误方，若申请节点出错则修改本地记录再次验证；
步骤③：当候选节点成为领导节点后，其他节点成为跟随节点，之后领导节点广播区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数；广播结束后，跟随节点使用重复次数最多的信息生成区块头，并向领导节点发送确认申请；
步骤④：领导节点收到确认申请后检查验证数据是否正确，若存在跟随节点出错，则向其重新发送验证数据，并要求该跟随节点向其他跟随节点发送请求信息；
步骤⑤：所有跟随节点发送的请求信息都验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至链上并返回候选身份。
相比于现有技术，本发明的有益效果在于：
1、该机器人无线遥控装置通过信息分析模块从云服务器中提取过往信号数据，之后对各组信号数据进行归一化处理，再筛选出表征能力较好的信号数据，然后构建一组卷积神经网络以构建信号分析模型，并自行寻找该信号分析模型的最优参数进行替换，之后对当前信号数据进行预处理，之后将各组信号数据导入训练完成的信号分析模型中，信号分析模型接收对各组信号数据进行分析，同时对机器人后续运行状态进行预测，然后依据预测状态以及预设的合理标准对当前用户指令合理性进行判断，若用户指令不合理，则中断该指令执行，同时反馈用户指令错误，若用户指令合理，则将控制驱动模块使机器人执行相对应指令信息，能够自行中断异常控制指令，有效的提高机器人使用寿命，同时能够自行建模寻参，使操作更加简单便捷，方便用户使用。
2、本发明通过上链存储模块与外部区块链进行通信连接，之后将采集到的运行数据预处理成统一格式，并将各组运行数据处理成符合条件的区块，之后在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送，验证通过后，候选节点成为领导节点后，其他节点成为跟随节点，之后领导节点以及跟随节点广播区块信息并记录重复次数，并使用重复次数最多的信息生成区块头，并向领导节点发送确认申请，申请通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至链上并返回候选身份，能够降低区块链数据处理时的能耗，并提高其数据处理效率，满足了去中心化需求，同时保证了数据安全性以及真实性。
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。
图1为本发明提出的一种机器人无线遥控装置的系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
实施例1
参照图1，一种机器人无线遥控装置，包括控制终端、遥控发射端、机载监控端、信号分析模块、机载摄像头、驱动模块、供电模块、定位控制模块、云服务器以及上链存储模块。
所述控制终端用于用户下发控制指令；所述遥控发射端用于将控制指令转换成光电信号进行发送；所述机载监控端用于接收遥控发射端发送的光电信号。
需要进一步说明的是，控制终端具体包括智能手机、平板电脑、笔记本电脑以及台式电脑。
所述信号分析模块用于对机载监控端接收的光电信号进行检测分析。
具体的，信息分析模块从云服务器中提取过往信号数据，之后对各组信号数据进行归一化处理，再筛选出表征能力较好的信号数据，然后构建一组卷积神经网络，再将剩余信号数据分为训练集以及测试集，并通过进行对训练集进行输入、卷积、池化、全连接和输出的学习训练，得到信号分析模型，之后利用测试集对信号分析模型进行测试，若测试准确率满足期望值，则停止训练，反之继续对其进行训练，对当前信号数据进行预处理，之后将各组信号数据导入训练完成的信号分析模型中，信号分析模型接收对各组信号数据进行分析，同时对机器人后续运行状态进行预测，然后依据预测状态以及预设的合理标准对当前用户指令合理性进行判断，若用户指令不合理，则中断该指令执行，同时反馈用户指令错误，若用户指令合理，则将控制驱动模块使机器人执行相对应指令信息。
本实施例中，信号分析模型从过往信号数据中选取一组作为观测数据，并使用剩下数据拟合一个测试模型，再使用观测数据来验证测试模型的精度，并重复多次通过均方根误差对该测试模的评估能力进行计算以获取多组精度参数，依据预设的学习率以及步长列出所有可能的数据样本，选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行预测，统计测试结果的均方根误差，之后将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据样本都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优参数，并替换信号分析模型原有参数。
需要进一步说明的是，均方根误差具体计算公式如下：
其中，E(yi)表示第i个实际观测值，yi为模型反演出的第i个预测值，n是观测样本总数。
实施例2
参照图1，一种机器人无线遥控装置，包括控制终端、遥控发射端、机载监控端、信号分析模块、机载摄像头、驱动模块、供电模块、定位控制模块、云服务器以及上链存储模块。
所述机载摄像头用于该机器人采集周围环境信息并将其反馈至控制终端以供用户查看；所述驱动模块用于依据分析结果驱动机器人做出相对应的指令动作；所述供电模块用于为各子模块进行供电。
所述定位控制模块用于实时对该机器人位置进行锁定反馈。
具体的，定位控制模块实时与GPS卫星进行交互，并对机器人位置进行定位，同时实时接收控制终端位置信息，再通过机载摄像头对机器人周围环境信息进行采集，之后定位控制模块依据采集到的影像数据构建对应区域三维模型，同时依据实时采集的信息对该区域模型进行更新，并将控制终端位置以及机器人位置在该区域模型中进行标记，同时测算两者之间的距离，若超出预设的距离范围，则向控制终端发出警报信息，并中断机器人运行进程。
所述云服务器用于存储用户操作信息以及机器人运行信息；所述上链存储模块用于将机器人各项运行数据进行区块链存储。
具体的，上链存储模块与外部区块链进行通信连接，之后将采集到的运行数据预处理成统一格式，并将各组运行数据处理成符合条件的区块，之后在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送，另一节点对收到的申请进行验证，验证通过则向候选节点返回相关验证数据，并不再同意新的申请；验证未通过则请求全网共识检查错误方，若申请节点出错则修改本地记录再次验证，当候选节点成为领导节点后，其他节点成为跟随节点，之后领导节点广播区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数；广播结束后，跟随节点使用重复次数最多的信息生成区块头，并向领导节点发送确认申请，领导节点收到确认申请后检查验证数据是否正确，若存在跟随节点出错，则向其重新发送验证数据，并要求该跟随节点向其他跟随节点发送请求信息，所有跟随节点发送的请求信息都验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至链上并返回候选身份。

Claims (7)

1.一种机器人无线遥控装置，其特征在于，包括控制终端、遥控发射端、机载监控端、信号分析模块、机载摄像头、驱动模块、供电模块、定位控制模块、云服务器以及上链存储模块；
所述控制终端用于用户下发控制指令；
所述遥控发射端用于将控制指令转换成光电信号进行发送；
所述机载监控端用于接收遥控发射端发送的光电信号；
所述信号分析模块用于对机载监控端接收的光电信号进行检测分析；
所述机载摄像头用于该机器人采集周围环境信息并将其反馈至控制终端以供用户查看；
所述驱动模块用于依据分析结果驱动机器人做出相对应的指令动作；
所述供电模块用于为各子模块进行供电；
所述定位控制模块用于实时对该机器人位置进行锁定反馈；
所述云服务器用于存储用户操作信息以及机器人运行信息；
所述上链存储模块用于将机器人各项运行数据进行区块链存储。
2.根据权利要求1所述的一种机器人无线遥控装置，其特征在于，所述控制终端具体包括智能手机、平板电脑、笔记本电脑以及台式电脑。
3.根据权利要求2所述的一种机器人无线遥控装置，其特征在于，所述信号分析模块检测分析具体步骤如下：
步骤一：信息分析模块从云服务器中提取过往信号数据，之后对各组信号数据进行归一化处理，再筛选出表征能力较好的信号数据，然后构建一组卷积神经网络；
步骤二：将剩余信号数据分为训练集以及测试集，并通过进行对训练集进行输入、卷积、池化、全连接和输出的学习训练，得到信号分析模型，之后利用测试集对信号分析模型进行测试，若测试准确率满足期望值，则停止训练，反之继续对其进行训练；
步骤三：对当前信号数据进行预处理，之后将各组信号数据导入训练完成的信号分析模型中，信号分析模型接收对各组信号数据进行分析，同时对机器人后续运行状态进行预测；
步骤四：依据预测状态以及预设的合理标准对当前用户指令合理性进行判断，若用户指令不合理，则中断该指令执行，同时反馈用户指令错误，若用户指令合理，则将控制驱动模块使机器人执行相对应指令信息。
4.根据权利要求3所述的一种机器人无线遥控装置，其特征在于，所述信号分析模型具体训练步骤如下：
步骤(1)：从过往信号数据中选取一组作为观测数据，并使用剩下数据拟合一个测试模型，再使用观测数据来验证测试模型的精度，并重复多次通过均方根误差对该测试模的评估能力进行计算以获取多组精度参数，依据预设的学习率以及步长列出所有可能的数据样本；
步骤(2)：选取任意一个子集作为测试集，其余子集作为训练集，训练模型后对测试集进行预测，统计测试结果的均方根误差，之后将测试集更换为另一子集，再取剩余子集作为训练集，再次统计均方根误差，直至对所有数据样本都进行一次预测，通过选取均方根误差最小时对应的组合参数作为数据区间内最优参数，并替换信号分析模型原有参数。
5.根据权利要求4所述的一种机器人无线遥控装置，其特征在于，步骤(1)所述均方根误差具体计算公式如下：
其中，E(yi)表示第i个实际观测值，yi为模型反演出的第i个预测值，n是观测样本总数。
6.根据权利要求1所述的一种机器人无线遥控装置，其特征在于，所述定位控制模块锁定反馈具体步骤如下：
步骤Ⅰ：定位控制模块实时与GPS卫星进行交互，并对机器人位置进行定位，同时实时接收控制终端位置信息，再通过机载摄像头对机器人周围环境信息进行采集；
步骤Ⅱ：定位控制模块依据采集到的影像数据构建对应区域三维模型，同时依据实时采集的信息对该区域模型进行更新，并将控制终端位置以及机器人位置在该区域模型中进行标记，同时测算两者之间的距离，若超出预设的距离范围，则向控制终端发出警报信息，并中断机器人运行进程。
7.根据权利要求1所述的一种机器人无线遥控装置，其特征在于，所述上链存储模块区块链存储具体步骤如下：
步骤①：上链存储模块与外部区块链进行通信连接，之后将采集到的运行数据预处理成统一格式，并将各组运行数据处理成符合条件的区块，之后在入网时，区块链网络中各节点生成本地的公私钥对作为自己在网络中的标识，当某一节点等待本地角色成为候选节点时，向网络中其他节点广播领导申请并发送；
步骤②：另一节点对收到的申请进行验证，验证通过则向候选节点返回相关验证数据，并不再同意新的申请；验证未通过则请求全网共识检查错误方，若申请节点出错则修改本地记录再次验证；
步骤③：当候选节点成为领导节点后，其他节点成为跟随节点，之后领导节点广播区块记录信息，跟随节点收到信息以后向其他跟随节点广播收到的信息并记录重复次数；广播结束后，跟随节点使用重复次数最多的信息生成区块头，并向领导节点发送确认申请；
步骤④：领导节点收到确认申请后检查验证数据是否正确，若存在跟随节点出错，则向其重新发送验证数据，并要求该跟随节点向其他跟随节点发送请求信息；
步骤⑤：所有跟随节点发送的请求信息都验证通过后，领导节点发送添加命令并进入沉睡期，在沉睡期内不能再次申请成为领导节点，直到结束沉睡期，跟随节点收到确认信息后,将新生成的各组区块添加至链上并返回候选身份。
CN202310665500.6A 2023-06-06 2023-06-06 一种机器人无线遥控装置 Active CN116682250B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310665500.6A CN116682250B (zh) 2023-06-06 2023-06-06 一种机器人无线遥控装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310665500.6A CN116682250B (zh) 2023-06-06 2023-06-06 一种机器人无线遥控装置

Publications (2)

Publication Number Publication Date
CN116682250A true CN116682250A (zh) 2023-09-01
CN116682250B CN116682250B (zh) 2024-02-13

Family

ID=87781846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310665500.6A Active CN116682250B (zh) 2023-06-06 2023-06-06 一种机器人无线遥控装置

Country Status (1)

Country Link
CN (1) CN116682250B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8402543B1 (en) * 2011-03-25 2013-03-19 Narus, Inc. Machine learning based botnet detection with dynamic adaptation
CN110989689A (zh) * 2019-12-16 2020-04-10 兰州理工大学 一种基于自动追踪的机器人系统
CN112720491A (zh) * 2020-12-28 2021-04-30 上海有个机器人有限公司 一种机器人远程遥控方法、系统、存储介质及设备
CN113799118A (zh) * 2021-04-01 2021-12-17 金陵科技学院 一种基于机器视觉和运动控制的煤矿搜救机器人
CN218488424U (zh) * 2022-10-27 2023-02-17 中国联合网络通信集团有限公司 矿下机器人及矿下机器人操控系统
CN116168333A (zh) * 2023-04-20 2023-05-26 华南理工大学 一种自监督视觉语言导航预训练方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8402543B1 (en) * 2011-03-25 2013-03-19 Narus, Inc. Machine learning based botnet detection with dynamic adaptation
CN110989689A (zh) * 2019-12-16 2020-04-10 兰州理工大学 一种基于自动追踪的机器人系统
CN112720491A (zh) * 2020-12-28 2021-04-30 上海有个机器人有限公司 一种机器人远程遥控方法、系统、存储介质及设备
CN113799118A (zh) * 2021-04-01 2021-12-17 金陵科技学院 一种基于机器视觉和运动控制的煤矿搜救机器人
CN218488424U (zh) * 2022-10-27 2023-02-17 中国联合网络通信集团有限公司 矿下机器人及矿下机器人操控系统
CN116168333A (zh) * 2023-04-20 2023-05-26 华南理工大学 一种自监督视觉语言导航预训练方法、装置及存储介质

Also Published As

Publication number Publication date
CN116682250B (zh) 2024-02-13

Similar Documents

Publication Publication Date Title
Liu et al. Research on workshop‐based positioning technology based on Internet of Things in big data background
CN111935820B (zh) 基于无线网络的定位实现方法及相关设备
CN110769032B (zh) 一种电网设备故障快速检测与维护的系统及方法
Chriki et al. UAV-GCS centralized data-oriented communication architecture for crowd surveillance applications
CN116682250B (zh) 一种机器人无线遥控装置
Xiahou et al. Indoor air monitoring system based on Internet of things and its prediction model
CN104135759A (zh) 用于近场通信或d2d通信的二级用户动态功率控制方法
CN111679050A (zh) 基于物联网的水质监测及预警系统
CN106530641A (zh) 智能防丢装置及其工作方法、智能防丢系统
CN113316085B (zh) 一种封闭空间内滞留告警的方法及装置、系统
CN105913365A (zh) 一种环境监测gis信息传输单元
CN105182761A (zh) 指定操作触发方法及装置
CN113658415B (zh) 一种智能网关的预警方法和系统
CN110060364A (zh) 无线巡检系统及巡检的方法
CN117408680B (zh) 一种基于物联网的智能化配电房管理方法及系统
US20240085872A1 (en) Method and data processing system for environment evaluation
CN111062633A (zh) 一种基于多源异构数据的输变电线路和设备状态评估系统
CN104619011B (zh) 基于WiFi、ZigBee和RFID组合的室内无线定位的位置服务系统及其实现方法
CN105744542B (zh) 一种检测无线通信设备的方法和装置
CN116193574B (zh) 一种基于5g网络的观测信息融合定位关键技术方法与系统
CN117591283B (zh) 基于跨平台数据融合的云切设备管理方法及系统
CN117834540B (zh) 一种基于超声波水表的通信优化方法、物联网系统及设备
CN113984128B (zh) 利用物联网智能感知技术运检配电设备的监测系统
CN115065955A (zh) 高铁5g无线通信网络覆盖规划方法、装置、设备和介质
CN116170840A (zh) 一种基于模型的信道状态信息获取方法和系统

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