CN116721512B - 一种自主导航机器人环境感知控制方法及系统 - Google Patents
一种自主导航机器人环境感知控制方法及系统 Download PDFInfo
- Publication number
- CN116721512B CN116721512B CN202311002736.8A CN202311002736A CN116721512B CN 116721512 B CN116721512 B CN 116721512B CN 202311002736 A CN202311002736 A CN 202311002736A CN 116721512 B CN116721512 B CN 116721512B
- Authority
- CN
- China
- Prior art keywords
- accuracy
- value
- response time
- matching
- processing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000008447 perception Effects 0.000 title abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 84
- 230000007613 environmental effect Effects 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000003891 environmental analysis Methods 0.000 claims abstract description 6
- 230000004044 response Effects 0.000 claims description 36
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 26
- 229910052760 oxygen Inorganic materials 0.000 claims description 26
- 239000001301 oxygen Substances 0.000 claims description 26
- 238000001931 thermography Methods 0.000 claims description 20
- 239000000523 sample Substances 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 230000002457 bidirectional effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000007689 inspection Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 230000000007 visual effect Effects 0.000 abstract description 2
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000008859 change Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000005286 illumination Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000779 smoke Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- 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
- Manipulator (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种自主导航机器人环境感知控制方法及系统，涉及自主导航机器人技术领域，该系统包括数据采集模块、处理模块以及执行模块；所述处理模块用于对环境数据和各个传感器检测数值的准确度完成加权处理，并对获取到火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；所述执行模块根据加工厂房内环境分析状态结果来执行相应的策略；其技术要点为：依据各个准确度进行加权处理得到的加权平均值Jpo和环境数据，可以得出火灾预警系数Hzx，通过与设置的阈值进行直观对比，可以有效的获取到实际运用场景中不确定的情况，即火灾隐患，提醒工作人员进行及时检修，大大的提高了安全性。
Description
技术领域
本发明涉及自主导航机器人技术领域，具体为一种自主导航机器人环境感知控制方法及系统。
背景技术
自主导航机器人是一种能够在未知环境中自主移动和导航的机器人系统。它集成了多种传感器、定位技术和导航算法，以实现地图构建、路径规划和障碍物避障等功能，自主导航机器人通常搭载各种传感器，包括激光雷达、视觉传感器、超声波传感器等，用于感知周围环境，获取地图和障碍物信息；为了准确感知自身位置，自主导航机器人采用多种定位技术，包括激光SLAM（同时定位与地图构建）、视觉SLAM、惯性导航等，自主导航机器人通过传感器获取环境的特征，并结合定位技术，构建出准确的地图，用于路径规划和导航，基于地图和机器人的目标位置，自主导航机器人利用路径规划算法寻找一条安全且效率较高的路径，以实现自主移动，在移动过程中，自主导航机器人能够通过感知障碍物的位置和距离，利用避障算法进行路径调整，以避免碰撞或绕过障碍物。
现有的自主导航机器人还会搭载环境感知系统，用于帮助机器人对环境进行实时数据信息采集，处理器接收到信息后，完成对障碍物的躲避、火灾烟雾报警反馈、环境温度实时显示等功能，将环境情况实时呈现出来，通过烟雾反馈能够准确的实现对火灾的报警操作。
然而在应用于加工厂房内的情况下，通常需要进行焊接和其他加工处理，加工过程中也会产生部分烟雾，该部分烟雾无法避免，也会对烟雾报警器产生误导作用，在加工厂房内会铺设较多数量的机械或加工设备，对于正常和异常的情况，可以通过温度传感器进行直观测出，发现异常即报警，但是还会存在一些不确定的情况，只是通过传感器无法判断出对应位置是否存在安全隐患，故整体环境感知系统的使用安全性还存在提高的空间。
发明内容
针对现有技术的不足，本发明提供了一种自主导航机器人环境感知控制方法及系统，依据各个准确度进行加权处理得到的加权平均值Jpo和环境数据，可以得出火灾预警系数Hzx，通过与设置的阈值进行直观对比，可以有效的获取到实际运用场景中不确定的情况，提醒工作人员进行及时检修，大大的提高了安全性，解决了背景技术中提出的问题。
为实现以上目的，本发明通过以下技术方案予以实现：
一种自主导航机器人环境感知控制系统，该系统包括数据采集模块、处理模块以及执行模块；
其中，所述数据采集模块包括采集单元、准确度计算单元以及匹配单元，通过采集单元采集加工厂房内的环境数据及相关参数，由准确度计算单元计算获取各个传感器检测数值的准确度，所述匹配单元应用到至少一台双目热成像探头，且匹配单元使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
所述处理模块用于对环境数据和各个传感器检测数值的准确度完成加权处理，并对获取到火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；
所述执行模块根据加工厂房内环境分析状态结果来执行相应的策略。
进一步的，环境数据至少包括：光线强度E、氧气浓度Q以及空气流速V，相关参数至少包括：光线强度传感器的线性度、精度ac以及响应时间/>，氧气浓度传感器的线性度/>、分辨率/>以及响应时间/>，空气流速传感器的校准误差wc、分辨率/>以及响应时间/>。
进一步的，在计算各个传感器检测数值的准确度时，可获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq；
对光线强度传感器的线性度、精度ac以及响应时间/>进行无量纲处理后，关联获取强度数值准确度Ezq；方式如下：
；
式中，、/>以及/>分别为线性度/>、精度ac以及响应时间/>的预设比例系数，且/>、/>以及/>均大于0；
对氧气浓度传感器的线性度、分辨率/>以及响应时间/>进行无量纲处理后，关联获取浓度数值准确度Qzq；方式如下：
；
式中，、/>以及/>分别为线性度/>、分辨率/>以及响应时间/>的预设比例系数，且/>、/>以及/>均大于0；
对空气流速传感器的校准误差wc、分辨率以及响应时间/>进行无量纲处理后，关联获取流速数值准确度Vzq；方式如下：
；
式中，、/>、/>分别为校准误差wc、分辨率/>以及响应时间/>的预设比例系数，且/>、/>、/>均大于0。
进一步的，使用双向匹配的搜索策略对左右图像中的特征点进行匹配的具体步骤为：
S1、在左图像（即左目热成像探头）中选择一个待匹配点；
S2、在右图像（即右目热成像探头）中搜索与左图像选择的点构成一对候选匹配点，本文使用差值平方和作为匹配代价函数；
S3、在左图像中搜索与S2中得到的右图像候选匹配点匹配代价函数最小的点，若搜索得到的点与最初选择的待匹配点相同，则得到一对匹配点，否则本次匹配失败，需要更换能够匹配成功的双目热成像探头。
进一步的，所述处理模块包括加权单元、检测单元以及分析单元；
其中，所述加权单元用于对获取到的强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq完成加权平均处理，得到加权平均值Jpo；
所述检测单元用于获取火灾预警系数Hzx；
所述分析单元用于设置第一阈值和第二阈值，且第一阈值＜第二阈值，并将火灾预警系数Hzx与第一、第二阈值对比，获取对比结果，判断加工厂房内的环境状态。
进一步的，所述加权单元的处理步骤为：
S201、确立权重：准确度最低的权重为0，剩余两个准确度数值按照比例获取权重比值，且两个权重的和为1，通过计算即可得出具体的权重数值；
S202、数据融合：将剩余两个准确度数值乘以相应的权重，并将它们加权求和；
S203、加权平均：将加权求和得到的结果除以权重的总和，得到最终的加权平均值Jpo。
进一步的，对加权单元中获取的加权平均值和环境数据进行无量纲处理后，关联获取火灾预警系数Hzx；方式如下：
；
其中，参数的意义为，，/>，且/>，/>、/>为权重，其具体值由用户调整设置，/>为常数修正系数，/>和/>选自光线强度E、氧气浓度Q以及空气流速V中准确度较高的两组数值。
进一步的，判断加工厂房内的环境状态的过程如下：
若是火灾预警系数Hzx＜第一阈值，则加工厂房内的环境状态正常；
若是第一阈值＜火灾预警系数Hzx＜第二阈值，则加工厂房内的环境状态不确定；
若是第二阈值＜火灾预警系数Hzx，则加工厂房内的环境状态异常。
进一步的，所述执行模块的执行过程如下：
若是获取到的加工厂房内的环境状态为正常，则执行第一策略，进行正常巡检；
若是获取到的加工厂房内的环境状态为不确定，则执行第二策略，通过开启安装在机器人上的预警灯，完成提示工作人员的操作；
若是获取到的加工厂房内的环境状态为异常，则执行第三策略，通过执行模块内置的验证子模块来获取匹配成功状态下的双目热成像探头拍摄的图像，并对异常结果的位置进行验证，若验证成功，则立即联网通知火警，若是验证失败，则执行第二策略。
一种自主导航机器人环境感知控制方法，包括如下步骤：
步骤一、采集加工厂房内的环境数据及相关参数，并计算获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq，同步使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
步骤二、对环境数据和各个传感器检测数值的准确度完成加权处理，得到加权平均值Jpo后，对获取到数值较高的两个准确度和加权平均值Jpo进行无量纲处理后，关联获取火灾预警系数Hzx，并对火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；
步骤三、根据加工厂房内环境分析状态结果来执行相应的策略；
若是火灾预警系数Hzx＜第一阈值，则加工厂房内的环境状态正常，执行第一策略，进行正常巡检；若是第一阈值＜火灾预警系数Hzx＜第二阈值，则加工厂房内的环境状态不确定，执行第一策略，进行正常巡检；若是第二阈值＜火灾预警系数Hzx，则加工厂房内的环境状态异常，执行第二策略，通过开启安装在机器人上的预警灯，完成提示工作人员的操作；若是获取到的加工厂房内的环境状态为异常，则执行第三策略，通过执行模块内置的验证子模块来获取匹配成功状态下的双目热成像探头拍摄的图像，并对异常结果的位置进行验证，若验证成功，则立即联网通知火警，若是验证失败，则执行第二策略。
本发明提供了一种自主导航机器人环境感知控制方法及系统，具备以下有益效果：
1、通过获取环境数据和各个传感器检测数值的准确度，可初步得知机器人上各个用于环境感知的传感器的检测数据准确性，依据各个准确度进行加权处理得到的加权平均值Jpo和环境数据，可以得出火灾预警系数Hzx，通过与设置的阈值进行直观对比，可以有效的获取到实际运用场景中不确定的情况，即火灾隐患，提醒工作人员进行及时检修，大大的提高了安全性；
2、通过将匹配单元和验证子模块配合使用，以实际监测到的热成像画面对超过第二阈值的火灾预警系数Hzx进行进一步的验证，判断是否发生真实的的火灾，从而避免出现误报警的情况，即使没有发生火灾也可起到预警作用，同时使用巡航式的机器人进行巡检工作，能够全面覆盖监测区域，避免出现监测死角，进一步杜绝了火灾隐患。
附图说明
图1为本发明中机器人的整体系统结构图；
图2为本发明导航机器人环境感知控制系统的结构图；
图3为本发明导航机器人环境感知控制系统的整体流程框图。
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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1-图3，本发明提供一种自主导航机器人环境感知控制系统，该系统包括数据采集模块、处理模块以及执行模块；
附图1中提及机器人具有环境感知控制系统、处理模块和自主导航系统，结合附图2可以看出，环境感知控制系统包括下述采集单元和匹配单元所用到的双目热成像探头、光线强度传感器、氧气传感器、空气流速传感器，处理模块以及执行模块所执行的第二策略；
自主导航系统包括机器人上安装的常规部件，即红外测距传感器，以及执行模块所执行的第一策略。
其中，数据采集模块包括采集单元、准确度计算单元以及匹配单元；
采集单元用于采集加工厂房内的环境数据及相关参数；
环境数据至少包括光线强度E、氧气浓度Q以及空气流速V；
其中，光线强度E的获取方式为：通过在机器人机身上设置光线强度传感器直接获取；检测光线强度E的意义在于：火灾可能会导致光线强度的变化，尤其是烟雾密集的环境下，通过检测光线的强度变化，可以更好地判断火灾的位置和规模。
氧气浓度Q的获取方式为：通过在机器人机身上设置氧气浓度传感器直接获取；检测氧气浓度Q的意义在于：火灾消耗周围空气中的氧气，导致氧气浓度的变化，检测氧气浓度可以提供关于火灾状况的重要信息。
空气流速V的获取方式为：通过在机器人机身上设置空气流速传感器直接获取；检测空气流速V的意义在于：火灾燃烧会引起空气流动的变化，检测空气流速可以帮助确定火灾扩散的方向和速度，从而更准确的评估火灾环境。
相关参数至少包括光线强度传感器的线性度、精度ac以及响应时间/>，氧气浓度传感器的线性度/>、分辨率/>以及响应时间/>，空气流速传感器的校准误差wc、分辨率/>以及响应时间/>；
其中，线性度：通过在不同光照条件下逐步调整光照强度，并测量传感器的输出值，来获取不同光照强度下的输出值，然后根据这些数据绘制输出值与光照强度之间的关系曲线，使用回归曲线来评估传感器的线性度，通过计算回归曲线的拟合度来量化传感器的线性特性，从而得到线性度/>，对于线性度/>的获取方式相同，在此不多做赘述；
获取精度ac的步骤如下：
S101、校准光线传感器：使用标准光源或已知光强的设备对光线传感器进行校准，将传感器与标准仪器放置在相同的光照条件下，记录传感器的输出值；
S102、比对测量结果：将传感器测量到的光线强度与标准光源或已知光强设备的真实值进行比对，计算传感器输出值与真实值的偏差；
S103、重复测量：进行多次测量并记录多组数据，计算测量结果之间的偏差；
S104、统计分析：对得到的多组测量数据进行统计分析，计算平均偏差值即为精度。
响应时间：响应时间是指传感器从接收到光照变化到产生反应的时间，可以通过改变光照强度，并观察传感器输出值的变化速度，通过快速数据采集卡来记录传感器接收到光照变化和产生反应的时间差，这个时间差即为传感器的响应时间；对于其他传感器的响应时间均采用相同的方式，故在此不多做赘述。
分辨率：分辨率是指传感器在测量范围内能够分辨的最小氧气浓度变化，通过逐渐改变氧气浓度，并记录传感器输出值的变化，可以确定传感器的分辨率，对于分辨率的获取方式相同，故在此不多种赘述。
准确度计算单元用于计算各个传感器检测数值的准确度，获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq；
对光线强度传感器的线性度、精度ac以及响应时间/>进行无量纲处理后，关联获取强度数值准确度Ezq；方式如下：
；
式中，、/>以及/>分别为线性度/>、精度ac以及响应时间/>的预设比例系数，且/>、/>以及/>均大于0；
对氧气浓度传感器的线性度、分辨率/>以及响应时间/>进行无量纲处理后，关联获取浓度数值准确度Qzq；方式如下：
；
式中，、/>以及/>分别为线性度/>、分辨率/>以及响应时间/>的预设比例系数，且/>、/>以及/>均大于0；
对空气流速传感器的校准误差wc、分辨率以及响应时间/>进行无量纲处理后，关联获取流速数值准确度Vzq；方式如下：
；
式中，、/>、/>分别为校准误差wc、分辨率/>以及响应时间/>的预设比例系数，且/>、/>、/>均大于0。
匹配单元应用到至少一台双目热成像探头，且匹配单元使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
使用双向匹配的搜索策略对左右图像中的特征点进行匹配的具体步骤为：
1）在左图像（即左目热成像探头）中选择一个待匹配点；
2）在右图像（即右目热成像探头）中搜索与左图像选择的点构成一对候选匹配点，本文使用差值平方和作为匹配代价函数；
3）在左图像中搜索与2）中得到的右图像候选匹配点匹配代价函数最小的点，若搜索得到的点与最初选择的待匹配点相同，则得到一对匹配点，否则本次匹配失败，需要更换能够匹配成功的双目热成像探头，即直至匹配成功才能作为结果输出，采用双目热成像探头配合双向匹配的搜索策略，可以保证该探头准确的抓取图像信息。
处理模块包括加权单元、检测单元以及分析单元；
其中，加权单元用于对获取到的强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq完成加权平均处理，得到加权平均值Jpo；
加权单元的处理步骤为：
S201、确立权重：准确度最低的权重为0，剩余两个准确度数值按照比例获取权重比值，且两个权重的和为1，通过计算即可得出具体的权重数值；
举例而言，若是强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq中的准确度依次是80、90、95，则强度数值准确度Ezq对应的权重为0；
记浓度数值准确度Qzq和流速数值准确度Vzq的权重分别为P1和P2，可依据如下公式即可得出P1和P2的具体数值；
；
S202、数据融合：将剩余两个准确度数值乘以相应的权重，并将它们加权求和；
S203、加权平均：将加权求和得到的结果除以权重的总和，得到最终的加权平均值Jpo。
需要说明的是：加权平均值Jpo代表了传感器准确度的综合结果，准确度高的传感器被赋予较大的权重，准确度低的传感器被赋予较小的权重；
检测单元用于获取火灾预警系数Hzx；
对加权单元中获取的加权平均值和环境数据进行无量纲处理后，关联获取火灾预警系数Hzx；方式如下：
；
其中，参数的意义为，，/>，且/>，/>、/>为权重，其具体值由用户调整设置，/>为常数修正系数，/>和/>选自光线强度E、氧气浓度Q以及空气流速V中准确度较高的两组数值。
分析单元用于设置第一阈值和第二阈值，且第一阈值＜第二阈值，并将火灾预警系数Hzx与第一、第二阈值对比，获取对比结果，判断加工厂房内的环境状态；
需要说明的是：第一阈值和第二阈值的设置是为了对比火灾预警系数Hzx，并获取对应加工厂房内的环境状态。
其中，若是火灾预警系数Hzx＜第一阈值，则加工厂房内的环境状态正常；若是第一阈值＜火灾预警系数Hzx＜第二阈值，则加工厂房内的环境状态不确定；若是第二阈值＜火灾预警系数Hzx，则加工厂房内的环境状态异常。
其中，执行模块根据加工厂房内的环境状态结果，执行相应的策略；
若是获取到的加工厂房内的环境状态为正常，则执行第一策略，进行正常巡检；若是获取到的加工厂房内的环境状态为不确定，则执行第二策略，通过开启安装在机器人上的预警灯，完成提示工作人员的操作；若是获取到的加工厂房内的环境状态为异常，则执行第三策略，执行模块内置验证子模块获取匹配成功状态下的双目热成像探头拍摄的图像，用于对异常结果的位置进行验证，验证成功后则立即拨通火警，验证失败，则执行第二策略。
通过采用上述技术方案：
将匹配单元和验证子模块配合使用，以实际监测到的热成像画面对超过第二阈值的火灾预警系数Hzx进行进一步的验证，判断是否发生真实的的火灾，从而避免出现误报警的情况，即使没有发生火灾也可起到预警作用，同时使用巡航式的机器人进行巡检工作，能够全面覆盖监测区域，避免出现监测死角，进一步杜绝了火灾隐患。
另外，对于本方案中机器人的自主巡航功能，需要使用到对应的自主巡航系统，并在采集数据时使用到红外测距传感器；
在机器人的自主巡航系统中，红外测距传感器是一种常用的传感器，用于测量机器人与周围物体的距离，它通过发射红外线并接收反射回来的信号来实现距离测量，以下是红外测距传感器在自主巡航系统中的具体应用内容：
障碍物检测：红外测距传感器可以被用于检测机器人行进路径上的障碍物，当传感器探测到障碍物距离机器人过近时，系统可以触发避障策略，如停止、改变方向或减速，以避免碰撞；
增强安全性：红外测距传感器可以帮助机器人提高运行的安全性，通过监测周围环境中的距离，机器人可以避免与人或其他物体发生意外碰撞，减少潜在的伤害风险；
边缘检测：红外测距传感器可以检测到地面或楼梯的边缘，帮助机器人识别坡度或高度变化，并相应调整行进策略，以保证机器人的平稳行进和安全；
室内定位：利用多个红外测距传感器配合使用，机器人可以实现室内的定位功能，通过记录与不同墙壁、家具等物体的距离，机器人可以计算自身的位置，并进一步进行路径规划和导航；
需要注意的是，红外测距传感器通常适用于近距离测量，且对环境光敏感，可能会受到辐射源的干扰，因此，在实际应用中，还需要根据具体需求和环境特点，综合考虑其他传感器和定位技术，以提高自主巡航系统的稳定性和准确性。
实施例2：本发明提供一种自主导航机器人环境感知控制方法，包括如下步骤：
步骤一、采集加工厂房内的环境数据及相关参数，并计算获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq，同步使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
步骤二、对环境数据和各个传感器检测数值的准确度完成加权处理，得到加权平均值Jpo后，对获取到数值较高的两个准确度和加权平均值Jpo进行无量纲处理后，关联获取火灾预警系数Hzx，并对火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；
步骤三、根据加工厂房内环境分析状态结果来执行相应的策略；
若是火灾预警系数Hzx＜第一阈值，则加工厂房内的环境状态正常，执行第一策略，进行正常巡检；若是第一阈值＜火灾预警系数Hzx＜第二阈值，则加工厂房内的环境状态不确定，执行第一策略，进行正常巡检；若是第二阈值＜火灾预警系数Hzx，则加工厂房内的环境状态异常，执行第二策略，通过开启安装在机器人上的预警灯，完成提示工作人员的操作；若是获取到的加工厂房内的环境状态为异常，则执行第三策略，通过执行模块内置的验证子模块来获取匹配成功状态下的双目热成像探头拍摄的图像，并对异常结果的位置进行验证，若验证成功，则立即联网通知火警，若是验证失败，则执行第二策略。
结合实施例1和实施例2的内容可以得知：
通过获取环境数据和各个传感器检测数值的准确度，可初步得知机器人上各个用于环境感知的传感器的检测数据准确性，依据各个准确度进行加权处理得到的加权平均值Jpo和环境数据，可以得出火灾预警系数Hzx，通过与设置的阈值进行直观对比，可以有效的获取到实际运用场景中不确定的情况，即火灾隐患，提醒工作人员进行及时检修，大大的提高了安全性。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (5)
1.一种自主导航机器人环境感知控制系统，其特征在于：该系统包括数据采集模块、处理模块以及执行模块；
其中，所述数据采集模块包括采集单元、准确度计算单元以及匹配单元，通过采集单元采集加工厂房内的环境数据及相关参数，由准确度计算单元计算获取各个传感器检测数值的准确度，所述匹配单元应用到至少一台双目热成像探头，且匹配单元使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
环境数据至少包括：光线强度E、氧气浓度Q以及空气流速V，相关参数至少包括：光线强度传感器的线性度、精度ac以及响应时间/>，氧气浓度传感器的线性度/>、分辨率/>以及响应时间/>，空气流速传感器的校准误差wc、分辨率/>以及响应时间/>；在计算各个传感器检测数值的准确度时，可获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq；
对光线强度传感器的线性度、精度ac以及响应时间/>进行无量纲处理后，关联获取强度数值准确度Ezq；方式如下：
；
式中，、/>分别为线性度/>、精度ac以及响应时间/>的预设比例系数，且/>、均大于0；
对氧气浓度传感器的线性度、分辨率/>以及响应时间/>进行无量纲处理后，关联获取浓度数值准确度Qzq；方式如下：
；
中，、/>分别为线性度/>、分辨率/>以及响应时间/>的预设比例系数，且/>、均大于0；
对空气流速传感器的校准误差wc、分辨率以及响应时间/>进行无量纲处理后，关联获取流速数值准确度Vzq；方式如下：
；
式中，、/>、/>分别为校准误差wc、分辨率/>以及响应时间/>的预设比例系数，且/>、/>、/>均大于0；
所述处理模块用于对环境数据和各个传感器检测数值的准确度完成加权处理，并对获取到火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；
所述处理模块包括加权单元、检测单元以及分析单元；
其中，所述加权单元用于对获取到的强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq完成加权平均处理，得到加权平均值Jpo；
所述检测单元用于获取火灾预警系数Hzx；
所述分析单元用于设置第一阈值和第二阈值，且第一阈值＜第二阈值，并将火灾预警系数Hzx与第一、第二阈值对比，获取对比结果，判断加工厂房内的环境状态；
所述加权单元的处理步骤为：
S201、确立权重：准确度最低的权重为0，剩余两个准确度数值按照比例获取权重比值，且两个权重的和为1，通过计算即可得出具体的权重数值；
S202、数据融合：将剩余两个准确度数值乘以相应的权重，并将它们加权求和；
S203、加权平均：将加权求和得到的结果除以权重的总和，得到最终的加权平均值Jpo；
对加权单元中获取的加权平均值和环境数据进行无量纲处理后，关联获取火灾预警系数Hzx；
方式如下：
；
其中，参数的意义为，0.，/>，且/>，/>为权重，其具体值由用户调整设置，/>为常数修正系数，/>和/>选自光线强度E、氧气浓度Q以及空气流速V中准确度较高的两组数值；
所述执行模块根据加工厂房内环境分析状态结果来执行相应的策略。
2.根据权利要求1所述的一种自主导航机器人环境感知控制系统，其特征在于：使用双向匹配的搜索策略对左右图像中的特征点进行匹配的具体步骤为：
S1、在左图像中选择一个待匹配点；
S2、在右图像中搜索与左图像选择的点构成一对候选匹配点，本文使用差值平方和作为匹配代价函数；
S3、在左图像中搜索与S2中得到的右图像候选匹配点匹配代价函数最小的点，若搜索得到的点与最初选择的待匹配点相同，则得到一对匹配点，否则本次匹配失败，需要更换能够匹配成功的双目热成像探头。
3.根据权利要求1所述的一种自主导航机器人环境感知控制系统，其特征在于：判断加工厂房内的环境状态的过程如下：
若是火灾预警系数Hzx＜第一阈值，则加工厂房内的环境状态正常；
若是第一阈值＜火灾预警系数Hzx＜第二阈值，则加工厂房内的环境状态不确定；
若是第二阈值＜火灾预警系数Hzx，则加工厂房内的环境状态异常。
4.根据权利要求3所述的一种自主导航机器人环境感知控制系统，其特征在于：所述执行模块的执行过程如下：
若是获取到的加工厂房内的环境状态为正常，则执行第一策略，进行正常巡检；
若是获取到的加工厂房内的环境状态为不确定，则执行第二策略，通过开启安装在机器人上的预警灯，完成提示工作人员的操作；
若是获取到的加工厂房内的环境状态为异常，则执行第三策略，通过执行模块内置的验证子模块来获取匹配成功状态下的双目热成像探头拍摄的图像，并对异常结果的位置进行验证，若验证成功，则立即联网通知火警，若是验证失败，则执行第二策略。
5.一种自主导航机器人环境感知控制方法，使用所述权利要求1至4中的任一种所述系统，其特征在于：包括如下步骤：
步骤一、采集加工厂房内的环境数据及相关参数，并计算获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq，同步使用双向匹配的搜索策略对左右图像中的特征点进行匹配，获取成功后的匹配结果；
其中，环境数据至少包括：光线强度E、氧气浓度Q以及空气流速V，相关参数至少包括：光线强度传感器的线性度、精度ac以及响应时间/>，氧气浓度传感器的线性度/>、分辨率/>以及响应时间/>，空气流速传感器的校准误差wc、分辨率/>以及响应时间/>；在计算各个传感器检测数值的准确度时，可获取强度数值准确度Ezq、浓度数值准确度Qzq以及流速数值准确度Vzq；
对光线强度传感器的线性度、精度ac以及响应时间/>进行无量纲处理后，关联获取强度数值准确度Ezq；方式如下：
；
式中，、/>分别为线性度/>、精度ac以及响应时间/>的预设比例系数，且/>、均大于0；
对氧气浓度传感器的线性度、分辨率/>以及响应时间/>进行无量纲处理后，关联获取浓度数值准确度Qzq；方式如下：
；
式中，、/>分别为线性度/>、分辨率/>以及响应时间/>的预设比例系数，且/>、/>均大于0；
对空气流速传感器的校准误差wc、分辨率以及响应时间/>进行无量纲处理后，关联获取流速数值准确度Vzq；方式如下：
；
式中，、/>、/>分别为校准误差wc、分辨率/>以及响应时间/>的预设比例系数，且/>、/>、/>均大于0；
步骤二、对环境数据和各个传感器检测数值的准确度完成加权处理，得到加权平均值Jpo后，对获取到数值较高的两个准确度和加权平均值Jpo进行无量纲处理后，关联获取火灾预警系数Hzx，并对火灾预警系数Hzx进行分析，得到对应的加工厂房内环境分析状态结果；
其中，得到加权平均值Jpo的步骤为：
S201、确立权重：准确度最低的权重为0，剩余两个准确度数值按照比例获取权重比值，且两个权重的和为1，通过计算即可得出具体的权重数值；
S202、数据融合：将剩余两个准确度数值乘以相应的权重，并将它们加权求和；
S203、加权平均：将加权求和得到的结果除以权重的总和，得到最终的加权平均值Jpo；
获取火灾预警系数Hzx的方式如下：
；
其中，参数的意义为，0.，/>，且/>，/>为权重，其具体值由用户调整设置，/>为常数修正系数，/>和/>选自光线强度E、氧气浓度Q以及空气流速V中准确度较高的两组数值；
步骤三、根据加工厂房内环境分析状态结果来执行相应的策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311002736.8A CN116721512B (zh) | 2023-08-10 | 2023-08-10 | 一种自主导航机器人环境感知控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311002736.8A CN116721512B (zh) | 2023-08-10 | 2023-08-10 | 一种自主导航机器人环境感知控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116721512A CN116721512A (zh) | 2023-09-08 |
| CN116721512B true CN116721512B (zh) | 2023-10-17 |
Family
ID=87866532
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311002736.8A Active CN116721512B (zh) | 2023-08-10 | 2023-08-10 | 一种自主导航机器人环境感知控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116721512B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118015808A (zh) * | 2024-02-01 | 2024-05-10 | 河北道索通达市政工程有限公司 | 一种智能安防监控方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102935275A (zh) * | 2012-12-05 | 2013-02-20 | 中山大学 | 一种评价全淹没灭火性能的试验方法和装置 |
| CA2950791A1 (en) * | 2013-08-19 | 2015-02-26 | State Grid Corporation Of China | Binocular visual navigation system and method based on power robot |
| CN107817076A (zh) * | 2017-11-22 | 2018-03-20 | 王威 | 一种便携式氧气管道漏气检测、校准装置及方法 |
| CN108737815A (zh) * | 2018-04-13 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 一种图像传感器的质量检测方法及系统 |
| CN112212852A (zh) * | 2019-07-12 | 2021-01-12 | 阿里巴巴集团控股有限公司 | 定位方法、移动设备及存储介质 |
| CN112286190A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军国防科技大学 | 安防巡视预警方法与系统 |
| CN115482403A (zh) * | 2022-09-01 | 2022-12-16 | 煤炭科学研究总院有限公司 | 图像特征点匹配方法、装置以及存储介质 |
| CN115797873A (zh) * | 2023-02-06 | 2023-03-14 | 泰山学院 | 一种人群密度检测方法、系统、设备、存储介质及机器人 |
-
2023
- 2023-08-10 CN CN202311002736.8A patent/CN116721512B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102935275A (zh) * | 2012-12-05 | 2013-02-20 | 中山大学 | 一种评价全淹没灭火性能的试验方法和装置 |
| CA2950791A1 (en) * | 2013-08-19 | 2015-02-26 | State Grid Corporation Of China | Binocular visual navigation system and method based on power robot |
| CN107817076A (zh) * | 2017-11-22 | 2018-03-20 | 王威 | 一种便携式氧气管道漏气检测、校准装置及方法 |
| CN108737815A (zh) * | 2018-04-13 | 2018-11-02 | 深圳怡化电脑股份有限公司 | 一种图像传感器的质量检测方法及系统 |
| CN112212852A (zh) * | 2019-07-12 | 2021-01-12 | 阿里巴巴集团控股有限公司 | 定位方法、移动设备及存储介质 |
| CN112286190A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军国防科技大学 | 安防巡视预警方法与系统 |
| CN115482403A (zh) * | 2022-09-01 | 2022-12-16 | 煤炭科学研究总院有限公司 | 图像特征点匹配方法、装置以及存储介质 |
| CN115797873A (zh) * | 2023-02-06 | 2023-03-14 | 泰山学院 | 一种人群密度检测方法、系统、设备、存储介质及机器人 |
Non-Patent Citations (6)
| Title |
|---|
| Price competition of manufacturers in supply chain under a fuzzy decision environment;Shengju Sang;Fuzzy Optimization and Decision Making volume(第14期);第335-363页 * |
| 一种基于SIFT特征的机器人环境感知双目立体视觉系统;宋海涛;控制与决策;第39卷(第7期);第1545-1552页 * |
| 利用相空间重构方法分析层流扩散火焰燃烧不稳定现象;葛逸飞;工程热物理学报;第41卷(第6期);第1550-1555页 * |
| 电磁驱动球形机器人转弯特性分析;桑胜举;泰山学院学报;第35卷(第3期);第82-87页 * |
| 邱小童 ; 胡发焕 ; .多传感器融合技术在火灾报警系统设计中的应用.机电信息.2013,(第12期),全文. * |
| 高玉健 ; 胡立夫 ; 王海明 ; 王亚杰 ; .化工厂智能巡检机器人系统设计.工业仪表与自动化装置.2020,(第03期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116721512A (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6080969B2 (ja) | 対象物の姿勢を決定するための方法と装置 | |
| CN116721512B (zh) | 一种自主导航机器人环境感知控制方法及系统 | |
| JP4604190B2 (ja) | 距離イメージセンサを用いた視線検出装置 | |
| CN107965674B (zh) | 一种扫描式气体泄漏全场预警系统 | |
| CN107608002B (zh) | 基于人体探测装置的人体探测方法 | |
| US10223793B1 (en) | Laser distance measuring method and system | |
| CN115512307B (zh) | 广域空间红外多点实时火灾探测方法及系统、定位方法 | |
| CN113299035A (zh) | 一种基于人工智能和双目视觉的火灾识别方法及系统 | |
| WO2009156937A1 (en) | Sensing apparatus for sensing a movement | |
| CN106980116B (zh) | 基于Kinect摄像头的高精度室内人物测距方法 | |
| CN113099120B (zh) | 深度信息获取方法、装置、可读存储介质及深度相机 | |
| KR101887477B1 (ko) | 안전 및 보안 시스템을 위한 가이드 광원을 포함하는 광대역 광센서 시스템 | |
| CN116403359B (zh) | 一种多模态图像识别算法的生产安全预警系统 | |
| US20230184550A1 (en) | Mobile reality capture device using motion state detection for providing feedback on generation of 3d measurement data | |
| JPS62264390A (ja) | 監視ロボツト用視覚認識装置 | |
| CN115620102A (zh) | 一种基于多模态信息融合技术的火焰检测系统 | |
| Godil et al. | 3D ground-truth systems for object/human recognition and tracking | |
| CN113190005B (zh) | 一种模块化小型侦察机器人 | |
| CN114034343A (zh) | 一种基于机器人的环境多模信息综合分析系统 | |
| RU2315357C2 (ru) | Способ детектирования объекта | |
| CN111213069B (zh) | 基于相干光的避障装置及方法 | |
| Mirdanies et al. | Experimental review of distance sensors for indoor mapping | |
| JP2004198237A (ja) | 人体検知システム | |
| US10408604B1 (en) | Remote distance estimation system and method | |
| KR101492061B1 (ko) | 영역별 움직임 측정 결과 조합을 통한 이동정보 추정 방법 및 장치 |
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 |