CN116929373A - 一种消防侦察机器人的路径生成方法及系统 - Google Patents
一种消防侦察机器人的路径生成方法及系统 Download PDFInfo
- Publication number
- CN116929373A CN116929373A CN202311191598.2A CN202311191598A CN116929373A CN 116929373 A CN116929373 A CN 116929373A CN 202311191598 A CN202311191598 A CN 202311191598A CN 116929373 A CN116929373 A CN 116929373A
- Authority
- CN
- China
- Prior art keywords
- path
- adjustment
- disturbance
- data set
- target
- 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 39
- 238000004458 analytical method Methods 0.000 claims abstract description 67
- 230000001629 suppression Effects 0.000 claims description 30
- 230000003993 interaction Effects 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 10
- 230000001960 triggered effect Effects 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 239000000779 smoke Substances 0.000 claims description 9
- 238000001931 thermography Methods 0.000 claims description 9
- 230000014509 gene expression Effects 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 238000010276 construction Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000006978 adaptation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction 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
- 230000004043 responsiveness Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供了一种消防侦察机器人的路径生成方法及系统,涉及数据处理技术领域,确定初始规划路径并结合传感采集装置采集多维数据组,传输至远程控制端对初始规划路径进行路段匹配与预调标准触发判定,若触发进行一次补偿确定第一调整路径,发送至目标机器人进行自抗扰分析与二次路径补偿,确定第二调整路径,解决了现有技术中对于路径的规划调整分析灵活度不足,且受多源干扰的影响导致路径的规划不够精准,无法适应高度变化环境下的消防救援需求的技术问题,基于远程控制端分析进行大方向调整,通过进行避障分析与自抗扰分析进行细化调整,在保障路径规划精准度的基础上实现机器人的自主导航优化,实现救援需求适配性的灵活精准规划。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种消防侦察机器人的路径生成方法及系统。
背景技术
随着人工智能的发展,消防侦察机器人可辅助进行救援处理,以规避高风险区域救援存在的安全性问题,为保障消防救援效果,需合理进行路径规划并结合实时环境进行调整,以进行消防区域的全局协调管控。
目前,主要基于预先设定的规划路径,针对实时采集数据进行避障与路径调整,还存在一定的技术局限,对于路径的规划调整分析灵活度不足,且受多源干扰的影响导致路径的规划不够精准,无法适应高度变化环境下的消防救援需求。
发明内容
本申请提供了一种消防侦察机器人的路径生成方法及系统,用于针对解决现有技术中存在的对于路径的规划调整分析灵活度不足,且受多源干扰的影响导致路径的规划不够精准,无法适应高度变化环境下的消防救援需求的技术问题。
鉴于上述问题,本申请提供了一种消防侦察机器人的路径生成方法及系统。
第一方面,本申请提供了一种消防侦察机器人的路径生成方法,所述方法包括:
基于消防区域的分布信息,确定初始规划路径;
基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
将所述第二调整路径作为目标规划路径。
第二方面,本申请提供了一种消防侦察机器人的路径生成系统,所述系统包括:
路径规划模块,所述路径规划模块用于基于消防区域的分布信息,确定初始规划路径;
数据采集模块,所述数据采集模块用于基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
触发判断模块,所述触发判断模块用于将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
一次补偿模块,所述一次补偿模块用于若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
二次补偿模块,所述二次补偿模块用于将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
路径确定模块,所述路径确定模块用于将所述第二调整路径作为目标规划路径。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种消防侦察机器人的路径生成方法,基于消防区域的分布信息,确定初始规划路径,结合所述传感采集装置,同步进行实时信息采集确定多维数据组,包括烟雾传感数据、热成像数据、生物探测数据与报警信息,将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配并判断是否触发预调标准,所述预调标准包括生命体、风控险情;若触发,生成外部交互指令并对所述目标路段进行一次补偿确定第一调整路径,发送至目标机器人并结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径作为目标规划路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动,解决了现有技术中存在的对于路径的规划调整分析灵活度不足,且受多源干扰的影响导致路径的规划不够精准,无法适应高度变化环境下的消防救援需求的技术问题,基于远程控制端分析进行大方向调整,通过进行避障分析与自抗扰分析进行细化调整,在保障路径规划精准度的基础上实现机器人的自主导航优化,实现救援需求适配性的灵活精准规划。
附图说明
图1为本申请提供了一种消防侦察机器人的路径生成方法流程示意图。
图2为本申请提供了一种消防侦察机器人的路径生成方法中预调标准的触发判定流程示意图。
图3为本申请提供了一种消防侦察机器人的路径生成方法中第二调整路径获取流程示意图。
图4为本申请提供了一种消防侦察机器人的路径生成系统结构示意图。
附图标记说明:路径规划模块11,数据采集模块12,触发判断模块13,一次补偿模块14,二次补偿模块15,路径确定模块16。
具体实施方式
本申请通过提供一种消防侦察机器人的路径生成方法及系统,确定初始规划路径并结合传感采集装置采集多维数据组,传输至远程控制端对初始规划路径进行路段匹配与预调标准触发判定,若触发进行一次补偿确定第一调整路径,发送至目标机器人进行自抗扰分析与二次路径补偿,确定第二调整路径作为目标规划路径,用于解决现有技术中存在的对于路径的规划调整分析灵活度不足,且受多源干扰的影响导致路径的规划不够精准,无法适应高度变化环境下的消防救援需求的技术问题。
实施例一
如图1所示,本申请提供了一种消防侦察机器人的路径生成方法,所述方法应用于消防侦察机器人的路径生成系统,所述系统与传感采集装置通信连接,所述方法包括;
步骤S100:基于消防区域的分布信息,确定初始规划路径;
具体而言,随着人工智能的发展,消防侦察机器人可辅助进行救援处理,以规避高风险区域救援存在的安全性问题,为保障消防救援效果,需合理进行路径规划并结合实时环境进行调整,以进行消防区域的全局协调管控。本申请提供的一种消防侦察机器人的路径生成方法应用于消防侦察机器人的路径生成系统,所述系统与传感采集装置通信连接,所述传感采集装置用于进行实时侦察环境感知,包括烟雾传感器、热成像设备、生物探测仪与报警器,采集实时感知数据进行远程控制与机器人自抗扰的逐步分析,精准进行行进路径规划。
具体的,所述消防区域为待进行救援的目标区域,对所述消防区域进行基础分布信息采集,包括建筑结构布局,生成区域分布图,并基于区域特性,例如,化学品存放区域、易燃易爆区域、安全通道等进行区域划分与标识,作为所述分布信息。基于所述分布信息,进行区域的救援优先级确定,即基于风险性救援优先级逐步递减,在此基础上进行初步救援路径规划,作为所述初始规划路径,所述初始规划路径为导入目标机器人,即待进行路径监控调整的消防侦察机器人的指定行进轨迹,以此为基准针对实时消防态势进行路径调整。
步骤S200:基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
进一步而言,所述同步进行实时信息采集,确定多维数据组,本申请步骤S200还包括:
步骤S210:随着所述目标机器人的启动,同步激活所述传感采集装置;
步骤S220:基于所述传感采集装置进行传感数据采集并进行采集域分析,基于分析结果进行所述目标机器人的自适应采集调整;
步骤S230:获取采集数据并进行同时序整合,确定同时序数据组并添加进所述多维数据组。
具体而言,所述传感采集装置装配于所述目标机器人的不同结构位置,基于所述初始规划路径,随着所述目标机器人的启动,同步激活所述传感采集装置,所述采集域为存在数据采集必要性的空间区域,所述传感采集装置中各装置的采集域可以存在差异性,需保障各传感采集装置满足对应的采集域即可。
具体的,确定各传感采集装置的采集域,并判断当前的装置采集区域是否满足,若不满足,即装置采集范围不满足需求,可能存在数据遗漏等状况,生成装置调整指令,所述装置调整指令带有调整装置标识。随着所述装置调整指令的接收,进行对应传感采集装置的空间区域采集偏离判定,例如基于边界分析法,对各传感采集装置的实际采集空间区域与对应的需求采集空间区域进行校对,通过进行区域边界的偏离分析,将边界偏离距离作为调整尺度,基于偏离方向确定调整尺度,进行所述目标机器人中对应传感采集装置的自适应采集调整,例如位置的上升、下降调整;角度的左右调整等,以确保数据采集的完备性与准确度。
进一步基于调整后的所述传感采集装置进行实时传感数据采集,获取所述烟雾传感数据、所述热成像数据、所述生物探测数据与所述报警信息,并进行采集数据的同时序整合,即对同时间节点下的采集数据进行集成规整,作为同时序数据组并添加进所述多维数据组,所述多维数据组为进行路径适配调整分析的采集源数据。
步骤S300:将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
进一步而言,如图2所示,所述判断目标路段是否触发预调标准,本申请步骤S300还包括:
步骤S310:采集样本数据组,并基于所述预调标准对所述样本数据组进行识别与标识,生成样本预调标识数据;
步骤S320:映射所述样本数据组与所述样本预调标识数据,作为训练样本,训练生成目标识别模型,所述目标识别模型内嵌有所述预调标准;
步骤S330:将所述多维数据组与所述目标路段输入所述目标识别模型,输出预调标识数据;
步骤S340:对所述预调标识数据进行可视化显示,确定是否触发路径目标重规划。
具体而言,所述远程控制端为在所述消防区域外围进行所述目标机器人远程操作的端口,将所述多维数据组传输至所述远程控制端,并遍历所述初始规划路径,对所述多维数据组的数据范围进行匹配,确定对应于所述多维数据组的待调整分析路段,作为所述目标路段。进一步搭建目标识别模型,对所述多维数据组进行预调调准触发判定,所述预调标准包括生命体、风控险情,即当探测到生命体存在,或灾情严重或趋势异常情况,需远程操控进行路径的主线调整,进一步基于调整主线进行实时行进过程中障碍或干扰的具体规划。
具体的,采集历史时间区间内的数据采集记录,以多维数据组与对应路段为提取标准,识别获取所述样本数据组。基于所述预调标准,对所述样本数据组进行识别判定,例如针对生命体与风控险情基于不同的方式进行标注,进行不同风控等级下的差异化标注,获取所述样本预调标识数据。对所述样本数据组与所述样本预调标识数据集进行映射关联,作为所述训练样本,通过进行神经网络训练生成所述目标识别模型,所述目标识别模型内嵌有所述预调标准,用于进行识别参考,以快速进行输入数据的精准识别输出。
进一步的,将所述多维数据组与所述目标路段输入所述目标识别模型,进行数据匹配决策确定所述预调标识数据进行模型输出。若所述预调标识数据为空集,表明未触发所述预调标准,则只需基于所述目标机器人进行行进路径的细化寻优即可;若所述预调标识数据非空集,表明触发所述预调标准,需判定是否执行主线路径的调整。
步骤S400:若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
具体而言,若触发所述预调标准,对所述预调标识数据进行可视化显示,并生成所述外部交互指令,即操作人员进行介入调整的指令。基于操作人员确定是否进行主线路径的调整,若无需进行调整,则后步基于所述目标机器人进行自主导航细化调整即可;若需要进行调整,对所述目标路段进行一次补偿,将调整后的所述目标路段作为所述第一调整路径。进一步基于所述目标机器人,基于所述第一调整路径进行自主导航调整分析。
步骤S500:将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
步骤S600:将所述第二调整路径作为目标规划路径。
具体而言,将所述外部交互指令与所述第一调整路径发送至所述目标机器人,基于所述第一调整路径,结合所述多维数据组进行所述目标机器人的越障分析,以所述目标机器人的规格配置为约束进行判定,将无法跨越影响所述目标机器人正常行进的障碍物对应的路径节点作为待调整路径节点。并结合干扰源进行影响度分析,以待调整路径节点与干扰源为约束进行路径寻优,获取所述第二调整路径,将所述第二调整路径作为所述目标规划路径,基于所述目标规划路径进行所述目标机器人的行进控制。
进一步而言,所述进行自抗扰分析与二次路径补偿之前,本申请步骤S500还包括:
步骤S510:将所述外部交互指令与所述第一调整路径发送至目标机器人,对所述初始规划路径的所述目标路段进行迭代;
步骤S520:将所述第一调整路径与所述多维数据组输入越障分析模型中,输出越障分析结果;
步骤S530:识别所述越障分析结果,确定多个预调节点并对所述第一调整路径进行标识。
进一步而言,如图3所示,所述结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,本申请还存在步骤S540,包括:
步骤S541:基于所述第一调整路径,识别所述多个预调节点;
步骤S542:以所述多维数据组为定量,以所述多个预调节点为调整变量,以所述干扰源为调整约束,确定多组节点调整方案,所述多组节点调整方案与所述多个预调节点一一对应;
步骤S543:对所述多组节点调整方案进行随机组合,确定多个调整路径;
步骤S544:对所述多个调整路径进行适应性分析校对,确定所述第二调整路径。
进一步而言,对所述多个调整路径进行适应性分析校对,确定所述第二调整路径,本申请步骤S544还包括:
步骤S5441:对所述干扰源进行目标机器人的运行影响度评估,基于评估结果进行权重配置,确定分布权重值;
步骤S5442:基于所述多个预调节点,遍历所述多个调整路径,分别与所述第一调整路径进行各干扰源的调优分析,获取多组扰动抑制度;
步骤S5443:结合扰动抑制量级表达式,基于所述分布权重与所述多组扰动抑制度,进行所述多个调整路径的扰动抑制量级计算,择取最高扰动抑制量级对应的调整路径,作为所述第二调整路径。
进一步而言,获取扰动抑制量级表达式,本申请步骤S5443还包括:
步骤S54431:);
其中,为任一调整路径的扰动抑制量级,/>为第/>节点与第/>节点的节点衔接度,/>为第/>项干扰源的权重,/>为第一预调节点的第/>项干扰源的扰动抑制度,为第一预调节点的扰动抑制度,/>为第/>预调节点的第/>项干扰源的扰动抑制度。
具体而言,将所述外部交互指令与所述第一调整路径发送至所述目标机器人,随着所述外部交互指令的接收,对所述初始规划路径进行所述第一调整路径的匹配替换。进一步的,搭建所述越障分析模型,所述越障分析模型内嵌有所述目标机器人的规格配置信息,具体的,对所述目标机器人进行历史运行记录调取,识别并提取样本越障数据,包括样本路径、样本多维数据组与样本越障分析结果,对其进行映射关联作为构建数据,对所述构建数据进行分组,确定多组构建数据。遍历所述多组构建数据,基于各组构建数据分别进行神经网络训练生成多个越障分析子模型,集成多个越障分析子模型作为所述越障分析模型。
进一步的,将所述第一调整路径与所述多维数据组输入所述越障分析模型中的多个越障分析子模型中,分析并输出多组越障分析结果,其中,可跨越障碍标识为0,不可跨越障碍标识为1。基于所述多组越障分析结果,针对各障碍物进行对应越障分析结果的提取与加和计算,若计算结果满足阈值标准,将该障碍物对应的路径节点作为预调节点,所述阈值标准为结合专家经验自定义设定的衡量障碍跨越可行性的临界数值,对所述多组越障分析结果中的各障碍物分别进行分析,生成所述多个预调节点,即存在路径调整必要性的路径节点,基于所述多个预调节点对所述第一调整路径进行标识。
进一步的,基于所述第一调整路径进行标识信息识别,确定所述多个预调节点。以所述多维数据组为定量,以所述多个预调节点为调整变量,以所述干扰源为调整约束,于物联网中进行大数据检索,确定多组节点调整方案,所述多组节点调整方案与所述多个预调节点一一对应,为可行性的调整方案。对所述多组节点调整方案进行随机组合确定多个调整路径,于所述多个调整路径中进行寻优分析,确定最优调整路径。
具体的,进行路径寻优过程中,存在的地形、驱动负载、速度扰动、位置扰动与设备内部扰动为不可避免的干扰源,将其作为限制因素进行路径寻优。示例性的,所述驱动负载为所述目标机器人连接的水管等救援辅助设备,受地形限制,同时其重量造成一定的惯性,对速度与位置造成影响,不同地形条件下的速度限制不同,且受惯性限制,所述设备内部扰动为所述目标机器人的自主控制差异化影响,例如服役状态、响应度等的干扰。
基于所述干扰源,对所述目标机器人进行运行影响度评估,可基于专家组进行评估分析,基于评估结果进行权重配置,其中,影响度与配置权重值成正比,获取所述分布权重值,所述分布权重值之和为1。基于所述多个预调节点中各预调节点,对所述多个调整路径分别与所述第一调整路径进行干扰源影响的抑制分析,即针对干扰源的调优,例如,基于所述第一调整路径与所述多个调整路径,针对各预调节点,分别确定各干扰源的影响程度,其中,影响程度的差值为该干扰源对应的路径节点的优化限度,即所述扰动抑制度,获取所述多组扰动抑制度,所述多组扰动抑制度与所述多个调整路径一一对应。
进一步的,遍历所述多个调整路径,结合所述扰动抑制量级表达式,针对各预调节点与干扰源,进行整体干扰影响调优分析计算,作为所述扰动抑制量级。将所述分布权重值与各调整路径对应的扰动抑制度输入所述扰动抑制量级表达式:),其中,/>为任一调整路径的扰动抑制量级,/>为第/>节点与第/>节点的节点衔接度,/>为第/>项干扰源的权重,/>为第一预调节点的第/>项干扰源的扰动抑制度,/>为第一预调节点的扰动抑制度,/>为第/>预调节点的第/>项干扰源的扰动抑制度,上述参数皆可基于本申请实施例前期的处理进行获取,计算获取所述多个调整路径对应的扰动抑制量级。
进一步的,对所述多个调整路径对应的扰动抑制量级进行校对,提取最高扰动抑制量级对应的调整路径,作为所述第二调整路径,以确保所述第二调整路径的精准度,保障路径调整的区域状态契合度。
实施例二
基于与前述实施例中一种消防侦察机器人的路径生成方法相同的发明构思,如图4所示,本申请提供了一种消防侦察机器人的路径生成系统,所述系统包括:
路径规划模块11,所述路径规划模块11用于基于消防区域的分布信息,确定初始规划路径;
数据采集模块12,所述数据采集模块12用于基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
触发判断模块13,所述触发判断模块13用于将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
一次补偿模块14,所述一次补偿模块14用于若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
二次补偿模块15,所述二次补偿模块15用于将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
路径确定模块16,所述路径确定模块16用于将所述第二调整路径作为目标规划路径。
进一步而言,所述数据采集模块,还包括:
装置激活模块,所述装置激活模块用于随着所述目标机器人的启动,同步激活所述传感采集装置;
采集调整模块,所述采集调整模块用于基于所述传感采集装置进行传感数据采集并进行采集域分析,基于分析结果进行所述目标机器人的自适应采集调整;
数据整合模块,所述数据整合模块用于获取采集数据并进行同时序整合,确定同时序数据组并添加进所述多维数据组。
进一步而言,所述触发判断模块,还包括:
样本采集模块,所述样本采集模块用于采集样本数据组,并基于所述预调标准对所述样本数据组进行识别与标识,生成样本预调标识数据;
目标识别模型训练模块,所述目标映射模型训练模块用于映射所述样本数据组与所述样本预调标识数据,作为训练样本,训练生成目标识别模型,所述目标识别模型内嵌有所述预调标准;
预调标识数据获取模块,所述预调标识数据获取模块用于将所述多维数据组与所述目标路段输入所述目标识别模型,输出预调标识数据;
重规划确定模块,所述重规划确定模块用于对所述预调标识数据进行可视化显示,确定是否触发路径目标重规划。
进一步而言,所述二次补偿模块,还包括:
路段迭代模块,所述路段迭代模块用于将所述外部交互指令与所述第一调整路径发送至目标机器人,对所述初始规划路径的所述目标路段进行迭代;
越障分析模块,所述越障分析模块用于将所述第一调整路径与所述多维数据组输入越障分析模型中,输出越障分析结果;
预调节点确定模块,所述预调节点确定模块用于识别所述越障分析结果,确定多个预调节点并对所述第一调整路径进行标识。
进一步而言,所述二次补偿模块,还包括:
预调节点识别模块,所述预调节点识别模块用于基于所述第一调整路径,识别所述多个预调节点;
调整方案获取模块,所述调整方案获取模块用于以所述多维数据组为定量,以所述多个预调节点为调整变量,以所述干扰源为调整约束,确定多组节点调整方案,所述多组节点调整方案与所述多个预调节点一一对应;
调整路径确定模块,所述调整路径确定模块用于对所述多组节点调整方案进行随机组合,确定多个调整路径;
调整路径适应分析模块,所述调整路径适应分析模块用于对所述多个调整路径进行适应性分析校对,确定所述第二调整路径。
进一步而言,所述调整路径适应分析模块,还包括:
权重配置模块,所述权重配置模块用于对所述干扰源进行目标机器人的运行影响度评估,基于评估结果进行权重配置,确定分布权重值;
干扰源调优分析模块,所述干扰源调优分析模块用于基于所述多个预调节点,遍历所述多个调整路径,分别与所述第一调整路径进行各干扰源的调优分析,获取多组扰动抑制度;
路径寻优模块,所述路径寻优模块用于结合扰动抑制量级表达式,基于所述分布权重与所述多组扰动抑制度,进行所述多个调整路径的扰动抑制量级计算,择取最高扰动抑制量级对应的调整路径,作为所述第二调整路径。
进一步而言,所述路径寻优模块,还包括:
表达式获取模块,所述表达式获取模块用于);
其中,为任一调整路径的扰动抑制量级,/>为第/>节点与第/>节点的节点衔接度,/>为第/>项干扰源的权重,/>为第一预调节点的第/>项干扰源的扰动抑制度,为第一预调节点的扰动抑制度,/>为第/>预调节点的第/>项干扰源的扰动抑制度。
本说明书通过前述对一种消防侦察机器人的路径生成方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种消防侦察机器人的路径生成方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种消防侦察机器人的路径生成方法,其特征在于,所述方法应用于消防侦察机器人的路径生成系统,所述系统与传感采集装置通信连接,所述方法包括;
基于消防区域的分布信息,确定初始规划路径;
基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
将所述第二调整路径作为目标规划路径。
2.如权利要求1所述的方法,其特征在于,所述同步进行实时信息采集,确定多维数据组,方法包括:
随着所述目标机器人的启动,同步激活所述传感采集装置;
基于所述传感采集装置进行传感数据采集并进行采集域分析,基于分析结果进行所述目标机器人的自适应采集调整;
获取采集数据并进行同时序整合,确定同时序数据组并添加进所述多维数据组。
3.如权利要求1所述的方法,其特征在于,所述判断目标路段是否触发预调标准,方法包括:
采集样本数据组,并基于所述预调标准对所述样本数据组进行识别与标识,生成样本预调标识数据;
映射所述样本数据组与所述样本预调标识数据,作为训练样本,训练生成目标识别模型,所述目标识别模型内嵌有所述预调标准;
将所述多维数据组与所述目标路段输入所述目标识别模型,输出预调标识数据;
对所述预调标识数据进行可视化显示,确定是否触发路径目标重规划。
4.如权利要求1所述的方法,其特征在于,所述进行自抗扰分析与二次路径补偿之前,方法包括:
将所述外部交互指令与所述第一调整路径发送至目标机器人,对所述初始规划路径的所述目标路段进行迭代;
将所述第一调整路径与所述多维数据组输入越障分析模型中,输出越障分析结果;
识别所述越障分析结果,确定多个预调节点并对所述第一调整路径进行标识。
5.如权利要求4所述的方法,其特征在于,所述结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,方法包括:
基于所述第一调整路径,识别所述多个预调节点;
以所述多维数据组为定量,以所述多个预调节点为调整变量,以所述干扰源为调整约束,确定多组节点调整方案,所述多组节点调整方案与所述多个预调节点一一对应;
对所述多组节点调整方案进行随机组合,确定多个调整路径;
对所述多个调整路径进行适应性分析校对,确定所述第二调整路径。
6.如权利要求5所述的方法,其特征在于,对所述多个调整路径进行适应性分析校对,确定所述第二调整路径,方法包括:
对所述干扰源进行目标机器人的运行影响度评估,基于评估结果进行权重配置,确定分布权重值;
基于所述多个预调节点,遍历所述多个调整路径,分别与所述第一调整路径进行各干扰源的调优分析,获取多组扰动抑制度;
结合扰动抑制量级表达式,基于所述分布权重与所述多组扰动抑制度,进行所述多个调整路径的扰动抑制量级计算,择取最高扰动抑制量级对应的调整路径,作为所述第二调整路径。
7.如权利要求6所述的方法,其特征在于,获取扰动抑制量级表达式,方法包括:
);
其中,为任一调整路径的扰动抑制量级,/>为第/>节点与第/>节点的节点衔接度,/>为第/>项干扰源的权重,/>为第一预调节点的第/>项干扰源的扰动抑制度,为第一预调节点的扰动抑制度,/>为第/>预调节点的第/>项干扰源的扰动抑制度。
8.一种消防侦察机器人的路径生成系统,其特征在于,所述系统与传感采集装置通信连接,所述系统包括;
路径规划模块,所述路径规划模块用于基于消防区域的分布信息,确定初始规划路径;
数据采集模块,所述数据采集模块用于基于所述初始规划路径,结合所述传感采集装置,同步进行实时信息采集,确定多维数据组,所述多维数据组包括烟雾传感数据、热成像数据、生物探测数据与报警信息;
触发判断模块,所述触发判断模块用于将所述多维数据组传输至远程控制端,对所述初始规划路径进行路段匹配,判断目标路段是否触发预调标准,所述预调标准包括生命体、风控险情;
一次补偿模块,所述一次补偿模块用于若触发,生成外部交互指令,对所述目标路段进行一次补偿确定第一调整路径;
二次补偿模块,所述二次补偿模块用于将所述外部交互指令与所述第一调整路径发送至目标机器人,结合所述多维数据组进行自抗扰分析与二次路径补偿,确定第二调整路径,其中,干扰源包括地形、驱动负载、速度扰动、位置扰动与设备内部扰动;
路径确定模块,所述路径确定模块用于将所述第二调整路径作为目标规划路径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191598.2A CN116929373B (zh) | 2023-09-15 | 2023-09-15 | 一种消防侦察机器人的路径生成方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191598.2A CN116929373B (zh) | 2023-09-15 | 2023-09-15 | 一种消防侦察机器人的路径生成方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116929373A true CN116929373A (zh) | 2023-10-24 |
CN116929373B CN116929373B (zh) | 2023-12-12 |
Family
ID=88375736
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311191598.2A Active CN116929373B (zh) | 2023-09-15 | 2023-09-15 | 一种消防侦察机器人的路径生成方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116929373B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028745A (zh) * | 2019-12-23 | 2020-04-17 | 宁波飞拓电器有限公司 | 一种多功能智能消防应急系统 |
CN112295145A (zh) * | 2019-07-24 | 2021-02-02 | 上海长智系统集成有限公司 | 人工智能消防机器人、灾情检测方法、计算机装置及介质 |
CN112327914A (zh) * | 2020-10-30 | 2021-02-05 | 广东工业大学 | 一种高层消防多无人机室内协同路径规划方法及系统 |
CN112556709A (zh) * | 2020-09-29 | 2021-03-26 | 哈尔滨工程大学 | 一种消防救援机器人、救援协助系统及其通信方法 |
CN112666935A (zh) * | 2020-12-01 | 2021-04-16 | 哈尔滨工程大学 | 一种消防救援机器人、救援协助系统及其通信方法 |
US11016487B1 (en) * | 2017-09-29 | 2021-05-25 | Alarm.Com Incorporated | Optimizing a navigation path of a robotic device |
US20220284786A1 (en) * | 2021-03-02 | 2022-09-08 | Harlan Shawn Holmgren | UASTrakker - Emergency Radio Frequency Locator for Drones and Robots |
CN116046001A (zh) * | 2022-11-26 | 2023-05-02 | 中国消防救援学院 | 一种基于智能消防的救援路径规划方法及系统 |
CN116214526A (zh) * | 2023-05-09 | 2023-06-06 | 合力(天津)能源科技股份有限公司 | 一种机器人运动轨迹的补偿控制方法及系统 |
CN116512273A (zh) * | 2023-05-30 | 2023-08-01 | 深蓝(天津)智能制造有限责任公司 | 一种巡检机器人的运动智能控制方法及系统 |
-
2023
- 2023-09-15 CN CN202311191598.2A patent/CN116929373B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11016487B1 (en) * | 2017-09-29 | 2021-05-25 | Alarm.Com Incorporated | Optimizing a navigation path of a robotic device |
CN112295145A (zh) * | 2019-07-24 | 2021-02-02 | 上海长智系统集成有限公司 | 人工智能消防机器人、灾情检测方法、计算机装置及介质 |
CN111028745A (zh) * | 2019-12-23 | 2020-04-17 | 宁波飞拓电器有限公司 | 一种多功能智能消防应急系统 |
CN112556709A (zh) * | 2020-09-29 | 2021-03-26 | 哈尔滨工程大学 | 一种消防救援机器人、救援协助系统及其通信方法 |
CN112327914A (zh) * | 2020-10-30 | 2021-02-05 | 广东工业大学 | 一种高层消防多无人机室内协同路径规划方法及系统 |
CN112666935A (zh) * | 2020-12-01 | 2021-04-16 | 哈尔滨工程大学 | 一种消防救援机器人、救援协助系统及其通信方法 |
US20220284786A1 (en) * | 2021-03-02 | 2022-09-08 | Harlan Shawn Holmgren | UASTrakker - Emergency Radio Frequency Locator for Drones and Robots |
CN116046001A (zh) * | 2022-11-26 | 2023-05-02 | 中国消防救援学院 | 一种基于智能消防的救援路径规划方法及系统 |
CN116214526A (zh) * | 2023-05-09 | 2023-06-06 | 合力(天津)能源科技股份有限公司 | 一种机器人运动轨迹的补偿控制方法及系统 |
CN116512273A (zh) * | 2023-05-30 | 2023-08-01 | 深蓝(天津)智能制造有限责任公司 | 一种巡检机器人的运动智能控制方法及系统 |
Non-Patent Citations (2)
Title |
---|
张慧贤等: "消防机器人作业环境智能感知与识别关键技术", 《电气与自动化》, pages 186 - 189 * |
郑美英等: "一种消防侦查机器人的研究设计", 《机械设计与制造》, pages 224 - 227 * |
Also Published As
Publication number | Publication date |
---|---|
CN116929373B (zh) | 2023-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20020072881A1 (en) | System for dynamic and automatic building mapping | |
US11188428B2 (en) | Method, apparatus, and computer-readable storage medium having instructions for cancelling a redundancy of two or more redundant modules | |
CN111258316B (zh) | 一种动态环境下趋势感知的机器人轨迹规划方法 | |
US10884404B2 (en) | Method of predicting plant data and apparatus using the same | |
KR20170087156A (ko) | 클라우드 기반의 자율주행차량을 위한 차등보상형 협력적 맵데이터 제공시스템 | |
CN110936959B (zh) | 车辆感知系统在线诊断和预测 | |
Peng et al. | Intelligent method for identifying driving risk based on V2V multisource big data | |
WO2019073024A1 (en) | WAY DETECTION METHOD | |
CN116929373B (zh) | 一种消防侦察机器人的路径生成方法及系统 | |
CA2897242A1 (en) | System and method for detecting and alerting the user of an aircraft of an impendent adverse condition | |
CN115481940A (zh) | 一种基于大数据的油气管道区域风险监测系统 | |
Miller et al. | Cornell university's 2005 DARPA grand challenge entry | |
CN117260757A (zh) | 一种基于巡检数据的机器人巡检系统 | |
CN108762305B (zh) | 一种无人机避撞架空交流电力线路的预警装置 | |
Sekkas et al. | A multi-level data fusion approach for early fire detection | |
US20130085643A1 (en) | Sensor positioning | |
CN116700070B (zh) | 一种无人机飞行状态的安全监管方法及系统 | |
US11390286B2 (en) | System and process for end to end prediction of lane detection uncertainty | |
CN113010834B (zh) | 基于gis的地面巡检机器人巡检覆盖校验方法及装置 | |
CN115130723A (zh) | 森林火灾的巡检规划方法、装置、设备和计算机存储介质 | |
CN112014799A (zh) | 一种数据采集方法及巡检装置 | |
Feng | Technical change and development trend of automatic driving | |
CN116880573B (zh) | 载弹无人机与探测无人机的协同控制方法及系统 | |
CN117452515A (zh) | 一种导盲系统及方法 | |
CN116647651B (zh) | 一种基于北斗卫星的无人机施工监控方法及系统 |
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 |