CN116958529A - 一种机器人远程控制方法、系统及介质 - Google Patents
一种机器人远程控制方法、系统及介质 Download PDFInfo
- Publication number
- CN116958529A CN116958529A CN202310902351.0A CN202310902351A CN116958529A CN 116958529 A CN116958529 A CN 116958529A CN 202310902351 A CN202310902351 A CN 202310902351A CN 116958529 A CN116958529 A CN 116958529A
- Authority
- CN
- China
- Prior art keywords
- information
- signal transmission
- communication
- image
- model
- 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 46
- 238000004891 communication Methods 0.000 claims abstract description 133
- 230000004888 barrier function Effects 0.000 claims abstract description 42
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 230000008054 signal transmission Effects 0.000 claims description 96
- 238000012549 training Methods 0.000 claims description 53
- 230000005540 biological transmission Effects 0.000 claims description 38
- 238000005457 optimization Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请实施例提供了一种机器人远程控制方法、系统及介质，该方法包括：获取控制端与执行端关系信息，建立通信模型，根据通信模型生成通信信息；获取执行端图像信息，并对图像信息进行预处理，将处理后的图像进行特征提取，得到图像特征；将图像特征与预设的特征信息进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制；通过轨迹规划模型对执行端路径进行实时规划，保证执行端规避障碍物的同时实现远程精准控制。
Description
技术领域
本申请涉及机器人远程控制领域，具体而言，涉及一种机器人远程控制方法、系统及介质。
背景技术
随着计算机科学、控制算法及理论、人工智能技术的快速发展，机器人远程控制技术在日常生活中的应用日益广泛，在深海探险、恶劣工作环境中作业等领域也起着至关重要的作用。机器人的远程控制技术突破了传统现场控制方式的空间限制的同时，也增强了机器人的自主性，现有的机器人远程控制无法实现实时的轨迹规划，容易造成难以智能躲避障碍物，控制精度较差，针对上述问题，目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种机器人远程控制方法、系统及介质，可以通过轨迹规划模型对执行端路径进行实时规划，保证执行端规避障碍物的同时实现远程精准控制的技术。
本申请实施例还提供了一种机器人远程控制方法，包括：
获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
将处理后的图像进行特征提取，得到图像特征；
将图像特征与预设的特征信息进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
可选地，在本申请实施例所述的机器人远程控制方法中，所述获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
判断所述训练结果是否收敛，
若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
可选地，在本申请实施例所述的机器人远程控制方法中，所述若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断所述信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
可选地，在本申请实施例所述的机器人远程控制方法中，所述获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像，包括：
获取执行端图像，对执行端图像进行滤波与增强处理，得到增强图像；
将增强图像进行边缘提取，并将边缘内的增强图像进行区域分割，得到若干个子区域；
获取每一个子区域的灰度值，将子区域像素点的灰度值与预设的灰度阈值进行比较，得到灰度差值；
判断所述灰度差值是否大于或等于预设的灰度差值；
若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；
若小于，则判定当前子区域的像素点对应的区域为背景区域。
可选地，在本申请实施例所述的机器人远程控制方法中，所述若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；包括：
获取相邻子区域的障碍物区域，并对障碍物区域进行灰度值判断；
若相邻子区域内的障碍物区域的灰度值相等，则将对应的障碍物区域进行融合，得到障碍物轮廓信息；
根据障碍物轮廓信息生成障碍物面积与相邻障碍物之间的距离信息；
根据障碍物面积信息与相邻障碍物之间的距离信息生成有效路径规划区域；
将有效路径规划区域进行特征提取，并将提取的特征输入路径规划模型；
根据路径规划模型对执行端路径规划进行修正调整。
可选地，在本申请实施例所述的机器人远程控制方法中，所述若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划，包括：
获取执行端移动区域图像，建立执行端控制模型，并根据控制模型控制执行端移动参数；
根据执行端移动参数对移动区域进行移动扫描，建立移动区域网格信息；
获取障碍物信息，并根据障碍物信息与移动区域网格信息建立障碍物网格参数；
根据障碍物网格参数建立单位路径，根据单位路径与障碍物之间的距离实时调整执行端行驶路径，得到路径优化信息；
根据路径优化信息对执行端行驶路径进行方向调整。
第二方面，本申请实施例提供了一种机器人远程控制系统，该系统包括：存储器及处理器，所述存储器中包括机器人远程控制方法的程序，所述机器人远程控制方法的程序被所述处理器执行时实现以下步骤：
获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
将处理后的图像进行特征提取，得到图像特征；
将图像特征与预设的特征信息进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
可选地，在本申请实施例所述的机器人远程控制系统中，所述获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
判断所述训练结果是否收敛，
若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
可选地，在本申请实施例所述的机器人远程控制系统中，所述若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断所述信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器人远程控制方法程序，所述机器人远程控制方法程序被处理器执行时，实现如上述任一项所述的机器人远程控制方法的步骤。
由上可知，本申请实施例提供的一种机器人远程控制方法、系统及介质，通过获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；将处理后的图像进行特征提取，得到图像特征；将图像特征与预设的特征信息进行比较，得到偏差率；判断所述偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制；通过轨迹规划模型对执行端路径进行实时规划，保证执行端规避障碍物的同时实现远程精准控制的技术。
本申请的其他特征和优点将在随后的说明书阐述，并且，本申请的优点部分地从说明书中变得显而易见，或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的机器人远程控制方法的流程图；
图2为本申请实施例提供的机器人远程控制方法的通信模型训练流程图；
图3为本申请实施例提供的机器人远程控制方法的背景区域与障碍物区域计算流程图；
图4为本申请实施例提供的机器人远程控制系统的结构示意图。
具体实施方式
下面将结合本申请实施例中附图，对本申请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申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到，相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请一些实施例中的一种机器人远程控制方法的流程图。该机器人远程控制方法用于终端设备中，该机器人远程控制方法，包括以下步骤：
S101，获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
S102，获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
S103，将处理后的图像进行特征提取，得到图像特征；将图像特征与预设的特征信息进行比较，得到偏差率；
S104，判断偏差率是否大于或等于预设的偏差率阈值；
S105，若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
S106，若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
需要说明的是，通过建立通信模型可以实现不同通信方式的选择，保证控制端与执行端的信号连接，在出现信道故障时，可以快速切换传输方式，以确保机器人的控制精准性，此外，通过实时获取执行端图像并进行障碍物获取，进行执行端移动轨迹的实时规划，保证执行端智能躲避障碍物的同时提高执行端的控制精度。
请参照图2，图2是本申请一些实施例中的一种机器人远程控制方法的通信模型训练流程图。根据本发明实施例，获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
S201，获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
S202，通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
S203，判断训练结果是否收敛，
S204，若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
S205，若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
需要说明的是，通过历史大数据生成训练集对通信模型进行训练，提高通信模型的精准度，使通信模型的输出结果更加接近实际值，保证控制端与执行端的通信连接。
根据本发明实施例，若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
需要说明的是，信号传输过程中保证通信数据的传输效率，减小控制端与执行端的延时，提高控制精度度，此外传输速度不满足要求时，可以通过传输通道的联动配合或传输接口的切换，提高通信方式的灵活切换。
请参照图3，图3是本申请一些实施例中的一种机器人远程控制方法的背景区域与障碍物区域计算流程图。根据本发明实施例，获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像，包括：
S301，获取执行端图像，对执行端图像进行滤波与增强处理，得到增强图像；
S302，将增强图像进行边缘提取，并将边缘内的增强图像进行区域分割，得到若干个子区域；
S303，获取每一个子区域的灰度值，将子区域像素点的灰度值与预设的灰度阈值进行比较，得到灰度差值；
S304，判断灰度差值是否大于或等于预设的灰度差值；
S305，若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；
S306，若小于，则判定当前子区域的像素点对应的区域为背景区域。
需要说明的是，通过判断子区域的灰度进行背景区域与障碍物区域的区分，保证障碍物的精度判断，为后续的路径规划提供依据，使路径规划更加的精准，从而形成最优路径，提高执行端的执行效率。
根据本发明实施例，若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；包括：
获取相邻子区域的障碍物区域，并对障碍物区域进行灰度值判断；
若相邻子区域内的障碍物区域的灰度值相等，则将对应的障碍物区域进行融合，得到障碍物轮廓信息；
根据障碍物轮廓信息生成障碍物面积与相邻障碍物之间的距离信息；
根据障碍物面积信息与相邻障碍物之间的距离信息生成有效路径规划区域；
将有效路径规划区域进行特征提取，并将提取的特征输入路径规划模型；
根据路径规划模型对执行端路径规划进行修正调整。
需要说明的是，根据障碍物的面积与障碍物之间的距离，可以计算出执行端的移动区域，此处可以通过判断障碍物之间的距离是否满足执行端的移动要求，如执行端的占地面积若小于障碍物之间的距离内的面积，则执行端可以通过，此时可以将此处路径作为规划路径的选择，若不满足，则舍弃此路径，提高路径规划的效率。
根据本发明实施例，若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划，包括：
获取执行端移动区域图像，建立执行端控制模型，并根据控制模型控制执行端移动参数；
根据执行端移动参数对移动区域进行移动扫描，建立移动区域网格信息；
获取障碍物信息，并根据障碍物信息与移动区域网格信息建立障碍物网格参数；
根据障碍物网格参数建立单位路径，根据单位路径与障碍物之间的距离实时调整执行端行驶路径，得到路径优化信息；
根据路径优化信息对执行端行驶路径进行方向调整。
需要说明的是，对移动区域进行网格划分，通过网格可以更加精准的计算障碍物的位置与障碍物的面积，网格的单位为执行端的单位路径，通过分析障碍物占用网格区域及网格大小对执行端行驶路径进行调整，包括路径的调整与行进方向的调整，从而更加高效的搜寻最优路径。
根据本发明实施例，还包括：图像的特征提取是指对图像中所存在的一些特殊区域进行提取,图像所具备的特征主要包括以下几个方面，分别为：周长、方向、面积等，这些特征是属于几何特征的范围，是表达出圆度、球度以及矩形度等特征,图像是指对图像中提取的特征区域进行相应的理解，从中明确这些区域所具有的特殊含义，并转为更加容易理解的数学模型。
图像分割主要就是对完整图像进行不同大小的区域划分，被划分的区域具有相同的特性，具有相同特点的区域进行有机整合，图像边缘检测主要就是对被划分的图像区域进行检测，该步骤是整个图像分割最为重要的环节。通过对图像边缘进行检测，可以从中明确图像灰度值的变化情况。
请参照图4，图4是本申请一些实施例中的一种机器人远程控制系统的结构示意图。第二方面，本申请实施例提供了一种机器人远程控制系统4，该系统包括：存储器41及处理器42，存储器41中包括机器人远程控制方法的程序，机器人远程控制方法的程序被处理器执行时实现以下步骤：
获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
将处理后的图像进行特征提取，得到图像特征；
将图像特征与预设的特征信息进行比较，得到偏差率；
判断偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
需要说明的是，通过建立通信模型可以实现不同通信方式的选择，保证控制端与执行端的信号连接，在出现信道故障时，可以快速切换传输方式，以确保机器人的控制精准性，此外，通过实时获取执行端图像并进行障碍物获取，进行执行端移动轨迹的实时规划，保证执行端智能躲避障碍物的同时提高执行端的控制精度。
根据本发明实施例，获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
判断训练结果是否收敛，
若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
需要说明的是，通过历史大数据生成训练集对通信模型进行训练，提高通信模型的精准度，使通信模型的输出结果更加接近实际值，保证控制端与执行端的通信连接。
根据本发明实施例，若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
需要说明的是，信号传输过程中保证通信数据的传输效率，减小控制端与执行端的延时，提高控制精度度，此外传输速度不满足要求时，可以通过传输通道的联动配合或传输接口的切换，提高通信方式的灵活切换。
根据本发明实施例，获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像，包括：
获取执行端图像，对执行端图像进行滤波与增强处理，得到增强图像；
将增强图像进行边缘提取，并将边缘内的增强图像进行区域分割，得到若干个子区域；
获取每一个子区域的灰度值，将子区域像素点的灰度值与预设的灰度阈值进行比较，得到灰度差值；
判断灰度差值是否大于或等于预设的灰度差值；
若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；
若小于，则判定当前子区域的像素点对应的区域为背景区域。
需要说明的是，通过判断子区域的灰度进行背景区域与障碍物区域的区分，保证障碍物的精度判断，为后续的路径规划提供依据，使路径规划更加的精准，从而形成最优路径，提高执行端的执行效率。
根据本发明实施例，若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；包括：
获取相邻子区域的障碍物区域，并对障碍物区域进行灰度值判断；
若相邻子区域内的障碍物区域的灰度值相等，则将对应的障碍物区域进行融合，得到障碍物轮廓信息；
根据障碍物轮廓信息生成障碍物面积与相邻障碍物之间的距离信息；
根据障碍物面积信息与相邻障碍物之间的距离信息生成有效路径规划区域；
将有效路径规划区域进行特征提取，并将提取的特征输入路径规划模型；
根据路径规划模型对执行端路径规划进行修正调整。
需要说明的是，根据障碍物的面积与障碍物之间的距离，可以计算出执行端的移动区域，此处可以通过判断障碍物之间的距离是否满足执行端的移动要求，如执行端的占地面积若小于障碍物之间的距离内的面积，则执行端可以通过，此时可以将此处路径作为规划路径的选择，若不满足，则舍弃此路径，提高路径规划的效率。
根据本发明实施例，若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划，包括：
获取执行端移动区域图像，建立执行端控制模型，并根据控制模型控制执行端移动参数；
根据执行端移动参数对移动区域进行移动扫描，建立移动区域网格信息；
获取障碍物信息，并根据障碍物信息与移动区域网格信息建立障碍物网格参数；
根据障碍物网格参数建立单位路径，根据单位路径与障碍物之间的距离实时调整执行端行驶路径，得到路径优化信息；
根据路径优化信息对执行端行驶路径进行方向调整。
需要说明的是，对移动区域进行网格划分，通过网格可以更加精准的计算障碍物的位置与障碍物的面积，网格的单位为执行端的单位路径，通过分析障碍物占用网格区域及网格大小对执行端行驶路径进行调整，包括路径的调整与行进方向的调整，从而更加高效的搜寻最优路径。
根据本发明实施例，还包括：图像的特征提取是指对图像中所存在的一些特殊区域进行提取,图像所具备的特征主要包括以下几个方面，分别为：周长、方向、面积等，这些特征是属于几何特征的范围，是表达出圆度、球度以及矩形度等特征,图像是指对图像中提取的特征区域进行相应的理解，从中明确这些区域所具有的特殊含义，并转为更加容易理解的数学模型。
图像分割主要就是对完整图像进行不同大小的区域划分，被划分的区域具有相同的特性，具有相同特点的区域进行有机整合，图像边缘检测主要就是对被划分的图像区域进行检测，该步骤是整个图像分割最为重要的环节，通过对图像边缘进行检测，可以从中明确图像灰度值的变化情况。
本发明第三方面提供了一种计算机可读存储介质，可读存储介质中包括机器人远程控制方法程序，机器人远程控制方法程序被处理器执行时，实现如上述任一项的机器人远程控制方法的步骤。
本发明公开的一种机器人远程控制方法、系统及介质，通过获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；将处理后的图像进行特征提取，得到图像特征；将图像特征与预设的特征信息进行比较，得到偏差率；判断偏差率是否大于或等于预设的偏差率阈值；若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制；通过轨迹规划模型对执行端路径进行实时规划，保证执行端规避障碍物的同时实现远程精准控制的技术。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种机器人远程控制方法，其特征在于，包括：
获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
将处理后的图像进行特征提取，得到图像特征；
将图像特征与预设的特征信息进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
2.根据权利要求1所述的机器人远程控制方法，其特征在于，所述获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
判断所述训练结果是否收敛，
若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
3.根据权利要求2所述的机器人远程控制方法，其特征在于，所述若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断所述信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
4.根据权利要求3所述的机器人远程控制方法，其特征在于，所述获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像，包括：
获取执行端图像，对执行端图像进行滤波与增强处理，得到增强图像；
将增强图像进行边缘提取，并将边缘内的增强图像进行区域分割，得到若干个子区域；
获取每一个子区域的灰度值，将子区域像素点的灰度值与预设的灰度阈值进行比较，得到灰度差值；
判断所述灰度差值是否大于或等于预设的灰度差值；
若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；
若小于，则判定当前子区域的像素点对应的区域为背景区域。
5.根据权利要求4所述的机器人远程控制方法，其特征在于，所述若大于或等于，则判定当前子区域内的像素点对应的区域为障碍物区域；包括：
获取相邻子区域的障碍物区域，并对障碍物区域进行灰度值判断；
若相邻子区域内的障碍物区域的灰度值相等，则将对应的障碍物区域进行融合，得到障碍物轮廓信息；
根据障碍物轮廓信息生成障碍物面积与相邻障碍物之间的距离信息；
根据障碍物面积信息与相邻障碍物之间的距离信息生成有效路径规划区域；
将有效路径规划区域进行特征提取，并将提取的特征输入路径规划模型；
根据路径规划模型对执行端路径规划进行修正调整。
6.根据权利要求5所述的机器人远程控制方法，其特征在于，所述若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划，包括：
获取执行端移动区域图像，建立执行端控制模型，并根据控制模型控制执行端移动参数；
根据执行端移动参数对移动区域进行移动扫描，建立移动区域网格信息；
获取障碍物信息，并根据障碍物信息与移动区域网格信息建立障碍物网格参数；
根据障碍物网格参数建立单位路径，根据单位路径与障碍物之间的距离实时调整执行端行驶路径，得到路径优化信息；
根据路径优化信息对执行端行驶路径进行方向调整。
7.一种机器人远程控制系统，其特征在于，该系统包括：存储器及处理器，所述存储器中包括机器人远程控制方法的程序，所述机器人远程控制方法的程序被所述处理器执行时实现以下步骤：
获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息；
获取执行端图像信息，并对图像信息进行预处理，得到处理后的图像；
将处理后的图像进行特征提取，得到图像特征；
将图像特征与预设的特征信息进行比较，得到偏差率；
判断所述偏差率是否大于或等于预设的偏差率阈值；
若大于或等于，则生成障碍物信息，将障碍物信息输入预设的轨迹规划模型，并生成执行端路径规划；
若小于，则操作控制端生成控制信号，根据控制信号建立对应的通信方式对执行端进行远程控制。
8.根据权利要求7所述的机器人远程控制系统，其特征在于，所述获取控制端与执行端关系信息，建立通信模型，根据通信模型进行不同通信方式的建立，并生成通信信息，包括：
获取手机端或电脑端与机器人之间的电性连接关系，建立通信模型，
通过大数据获取训练集，通过训练集对通信模型进行训练，得到训练结果；
判断所述训练结果是否收敛，
若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；
若不收敛，则对通信模型进行继续训练，直至训练结果收敛。
9.根据权利要求8所述的机器人远程控制系统，其特征在于，所述若收敛，则训练结束，建立手机端或电脑端与机器人之间的多维度通信方式，并实现手机端或电脑端与机器人之间的控制信号的传输，生成信号传输信息；包括：
获取信号传输速率，将信号传输速率与预设的传输速率进行比较，得到信号传输偏差率；
判断所述信号传输偏差率是否大于或等于预设的偏差率阈值；
若大于，则调整信号传输接口或生成传输通道联动信息，对信号传输进行调整；
若小于，则获取信号传输方式与信号传输信息，并将信号传输方式与信号传输信息实时存储至信号传输节点内。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括机器人远程控制方法程序，所述机器人远程控制方法程序被处理器执行时，实现如权利要求1至6中任一项所述的机器人远程控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310902351.0A CN116958529A (zh) | 2023-07-21 | 2023-07-21 | 一种机器人远程控制方法、系统及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310902351.0A CN116958529A (zh) | 2023-07-21 | 2023-07-21 | 一种机器人远程控制方法、系统及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116958529A true CN116958529A (zh) | 2023-10-27 |
Family
ID=88457839
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310902351.0A Pending CN116958529A (zh) | 2023-07-21 | 2023-07-21 | 一种机器人远程控制方法、系统及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116958529A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117668497A (zh) * | 2024-01-31 | 2024-03-08 | 山西卓昇环保科技有限公司 | 基于深度学习实现环境保护下的碳排放分析方法及系统 |
-
2023
- 2023-07-21 CN CN202310902351.0A patent/CN116958529A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117668497A (zh) * | 2024-01-31 | 2024-03-08 | 山西卓昇环保科技有限公司 | 基于深度学习实现环境保护下的碳排放分析方法及系统 |
| CN117668497B (zh) * | 2024-01-31 | 2024-05-07 | 山西卓昇环保科技有限公司 | 基于深度学习实现环境保护下的碳排放分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108256577B (zh) | 一种基于多线激光雷达的障碍物聚类方法 | |
| CN111666921B (zh) | 车辆控制方法、装置、计算机设备和计算机可读存储介质 | |
| CN109800689B (zh) | 一种基于时空特征融合学习的目标跟踪方法 | |
| US20210333108A1 (en) | Path Planning Method And Device And Mobile Device | |
| Wang et al. | Lane detection based on random hough transform on region of interesting | |
| CN116958529A (zh) | 一种机器人远程控制方法、系统及介质 | |
| CN112171675B (zh) | 一种移动机器人的避障方法、装置、机器人及存储介质 | |
| CN112414403B (zh) | 一种机器人的定位定姿方法、设备及存储介质 | |
| CN111308500A (zh) | 基于单线激光雷达的障碍物感知方法、装置和计算机终端 | |
| US20230367319A1 (en) | Intelligent obstacle avoidance method and apparatus based on binocular vision, and non-transitory computer-readable storage medium | |
| CN116645396A (zh) | 轨迹确定方法、装置、计算机可读存储介质及电子设备 | |
| CN113741480B (zh) | 一种基于动态障碍物提取与代价地图相结合的避障方法 | |
| CN118015369B (zh) | 一种障碍物检测系统、方法及电动升降桌 | |
| CN118072196A (zh) | 一种基于YOLOv5改进的远距离岸滩障碍物目标识别方法及系统 | |
| CN112667924A (zh) | 机器人地图获取方法、装置、处理器和电子装置 | |
| CN117372536A (zh) | 激光雷达与相机标定方法、系统、设备和存储介质 | |
| CN103839278A (zh) | 一种前景检测方法及装置 | |
| CN110135224B (zh) | 一种监控视频的前景目标提取方法及系统、存储介质及终端 | |
| CN115316172A (zh) | 一种基于植保无人机的纳米农药施药方法及系统 | |
| CN114445881A (zh) | 人脸检测方法及相关设备 | |
| CN112734795A (zh) | 一种判断物体运动趋势及方向的方法和设备 | |
| CN112578798A (zh) | 机器人地图获取方法、装置、处理器和电子装置 | |
| CN112947465B (zh) | 一种防止栅格概率地图持续恶化的方法、芯片和机器人 | |
| CN114510021B (zh) | 机器人自跟随方法和无人驾驶环卫机器人 | |
| CN114924289B (zh) | 一种激光雷达点云目标拟合算法 |
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 |