CN120902027B - 一种视觉引导机器人上下料的安全防护方法及系统 - Google Patents

Abstract

本申请涉及一种视觉引导机器人上下料的安全防护方法及系统，该方法包括在机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据判断结果调整机器人运行参数；在检测到人员尝试开启围栏门锁的操作请求时，判断机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止机器人的当前任务；记录各类传感器触发事件及对应的控制响应，生成安全事件日志。本申请具有提升机器人上下料场景中的人机协作安全性的效果。

Description

一种视觉引导机器人上下料的安全防护方法及系统

技术领域

本申请涉及工业自动化和机器人控制的技术领域，尤其是涉及一种视觉引导机器人上下料的安全防护方法及系统。

背景技术

目前，工业机器人在制造企业，尤其是自动化上下料场景中得到广泛应用。随着柔性生产和人机协作的需求日益增加，机器人越来越多地被部署在与人工操作员共享空间的作业环境中。在此类共域作业模式下，人员安全防护成为系统设计与运行管理中的关键问题。

现有的安全防护方案通常采用光栅、雷达、物理围栏、急停按钮等独立装置对作业区域进行监控与控制。例如，光栅用于形成外围警戒边界，当光束被遮断时触发机器人停止运行；雷达传感器用于检测人员靠近，提供动态位置监测；急停按钮则作为人工触发的应急手段，用于终止机器人操作；围栏入口可能配有门锁，用于防止人员误入危险区域。

上述中的现有技术方案存在以下缺陷：现有的安全控制机制多为单点式响应，传感器之间缺乏联动策略，判断逻辑较为静态，往往依赖固定阈值或人工操作，难以实时适应复杂人员行为变化，因此存在改善空间。

发明内容

为了提升机器人上下料场景中的人机协作安全性，本申请提供一种视觉引导机器人上下料的安全防护方法及系统。

本申请的上述发明目的一是通过以下技术方案得以实现的：

一种视觉引导机器人上下料的安全防护方法，所述一种视觉引导机器人上下料的安全防护方法包括：

构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件；

在所述机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数，所述传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据；

在检测到人员尝试开启围栏门锁的操作请求时，判断所述机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；

监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止所述机器人的当前任务；

记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于所述安全事件日志动态调整风险评估策略。

通过采用上述技术方案，通过构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件，能够实现对机器人运行环境的空间封闭管理与多源感知布局，从而为后续风险判断与安全控制策略提供精确、结构化的空间基础；通过在机器人运行过程中采集传感器检测数据并判断人员行为状态，根据判断结果动态调整机器人运行参数，能够实现对人员入侵风险的及时识别与响应，从而有效降低人员靠近或进入危险区域所引发的碰撞风险；通过在检测到人员尝试开启围栏门锁的操作请求时执行状态判断和权限认证，能够确保机器人处于非运行状态且操作者具备合法权限，从而防止误触操作或越权进入带来的安全隐患；通过监测急停按钮的触发信号并发出全局中断指令，能够在紧急情况发生时快速终止机器人任务，从而实现对突发风险的及时控制与安全保障；通过记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并据此动态调整风险评估策略，能够实现安全策略的自适应优化，从而增强系统对不同风险情境的动态防护能力与持续改进能力。

本申请在一示例中可以进一步配置为：所述构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件包括：

基于作业现场布局图生成作业区域的空间拓扑结构，记录围栏边界的三维坐标范围；

将传感器组的安装位置信息映射至所述空间拓扑结构中，形成感知设备的空间分布图，所述传感器组包括光栅传感器和雷达传感器；

设定对应于机器人运动路径的多级安全控制区域边界条件，所述安全控制区域包括危险区域与缓冲区域，用于分级判断人员靠近风险并动态调整机器人运行策略。

通过采用上述技术方案，通过基于作业现场布局图生成空间拓扑结构并记录围栏边界的三维坐标范围，能够构建精确表达作业场景的空间模型，从而提升后续感知、路径规划与安全区域约束判定的准确性；通过将光栅传感器和雷达传感器的部署信息映射至空间拓扑中形成感知设备分布图，能够实现传感器数据与空间坐标的统一关联，从而提升多源感知信息的集成与实时分析能力；通过设定多级安全控制区域边界条件，并划分危险区域与缓冲区域，能够支持对人员靠近风险的分级判断与响应策略分层执行，从而保障机器人作业的安全性与协同性。

本申请在一示例中可以进一步配置为：所述基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数包括：

基于所述光栅传感器检测数据，当检测到光栅传感器产生的遮断信号持续满足预设时间长度时，判定人员进入危险区域，并生成紧急停机指令；

当雷达传感器检测到人员位于缓冲区域内时，提取人员的运动趋势特征，基于所述运动趋势特征计算风险等级，所述运动趋势特征包括人员与机器人之间的相对距离、运动方向与接近速度；

根据所述风险等级切换机器人运行参数，所述机器人运行参数包括运行速度、关节活动范围与避障策略。

通过采用上述技术方案，通过当光栅传感器遮断信号持续满足预设时间长度时生成紧急停机指令，能够准确识别人员进入危险区域的状态并立即响应，从而避免机器人在人员入侵状态下继续运行带来的物理碰撞风险；通过提取位于缓冲区域内人员的相对距离、运动方向和接近速度等运动趋势特征，能够实现对人员行为意图的动态感知，从而为后续风险等级判断和机器人策略调整提供数据支撑；通过根据风险等级切换机器人运行速度、关节活动范围与避障策略，能够主动规避潜在风险，从而实现安全与运行效率之间的动态平衡。

本申请在一示例中可以进一步配置为：所述基于所述运动趋势特征计算风险等级包括：

从所述运动趋势特征中提取人员的历史位置序列与当前速度向量，作为模型输入数据；

将所述模型输入数据输入至预先训练好的轨迹预测模型中，预测人员的未来运动轨迹，并计算所述未来运动轨迹与机器人当前位置及预设运动路径之间的最小空间距离、预测交汇时间以及轨迹重叠范围；

根据所述最小空间距离、预测交汇时间和轨迹重叠范围，结合人员当前速度与加速度，采用分级判定规则生成对应的风险等级值。

通过采用上述技术方案，通过从运动趋势特征中提取人员的历史位置序列与当前速度向量并作为模型输入，能够为轨迹预测提供时间序列基础，从而提升预测结果的连续性与可靠性；通过输入至预先训练的轨迹预测模型中计算未来运动轨迹及其与机器人当前位置、路径的最小空间距离、预测交汇时间与轨迹重叠范围，能够综合评估人员与机器人之间的潜在接触风险，从而实现对未来冲突场景的提前判断与干预；通过结合人员速度与加速度采用分级判定规则生成风险等级值，能够实现精细化风险分层，从而提升机器人运行参数调整的敏捷性与针对性。

本申请在一示例中可以进一步配置为：所述一种视觉引导机器人上下料的安全防护方法还包括：

基于历史采集的人员位置信息和行为样本数据构建训练数据集，所述行为样本数据包括人员在不同作业场景中的移动路径、速度变化和避障行为；

基于长短期记忆网络构建轨迹预测模型；

对所述训练数据集进行归一化处理，并输入至所述轨迹预测模型中进行训练，采用最小化轨迹预测误差的损失函数进行模型权重优化，生成所述预先训练好的轨迹预测模型，并在运行过程中基于所述安全事件日志中记录的触发频率与响应延迟数据，动态调整所述预先训练好的轨迹预测模型的权重参数和风险等级判定阈值。

通过采用上述技术方案，通过基于历史采集的位置信息与行为样本构建训练数据集，能够反映人员在真实作业场景中的动态行为特征，从而增强预测模型的泛化能力；通过基于长短期记忆网络构建轨迹预测模型，能够有效捕捉人员行为的时间相关性，从而提升轨迹预测精度与复杂场景适应能力；通过对训练数据归一化并采用最小化预测误差的损失函数进行模型优化，生成的模型具有更强的预测稳定性，从而提高风险等级评估的准确性与实时性；通过结合安全事件日志对模型权重与阈值进行在线调整，能够实现预测机制的持续自适应演化，从而提升机器人系统面对复杂人员行为的应对能力。

本申请在一示例中可以进一步配置为：所述对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制包括：

获取操作者的身份识别信息，所述身份识别信息包括工牌ID、指纹信息和人脸图像数据；

将所述身份识别信息与预设的权限数据库进行比对，判断操作者是否具备开启围栏门锁的授权等级，得到判断结果；

在所述判断结果为身份认证通过且机器人处于非运行状态时，生成门锁开锁控制指令，驱动执行机构完成围栏门的开锁操作。

通过采用上述技术方案，通过获取操作者的工牌ID、指纹信息和人脸图像数据，能够实现多因子身份识别，从而提升操作者身份认证的安全性；通过与权限数据库比对判断操作者是否具备开锁权限，能够有效防止无权限人员操作围栏门锁，从而降低机器人作业区域被非法入侵的安全风险；通过仅在认证通过且机器人处于非运行状态时生成门锁控制指令，能够严格限定操作条件，从而防止因状态判断错误或权限绕过而导致的安全事故。

本申请在一示例中可以进一步配置为：所述记录各类传感器触发事件及对应的控制响应，生成安全事件日志包括：

为每一类传感器配置事件触发类型与响应动作的对应规则，并在检测到触发事件时记录事件类型、发生时间、触发传感器标识、控制响应内容与执行结果；

按照时间顺序对所述触发事件与控制响应进行结构化存储，得到存储数据，并基于所述存储数据构建多维度安全事件索引表，用于支持对特定传感器、特定时间段或特定响应结果的安全分析与回溯查询。

通过采用上述技术方案，通过为每类传感器配置事件触发类型与控制响应规则，并在触发时记录事件类型、时间、传感器标识及执行结果，能够系统性追踪作业中各类安全响应事件，从而增强对设备行为的溯源能力；通过按时间顺序结构化存储触发与响应数据，并构建多维索引表，能够支持按传感器类别、时间段或响应类型进行高效筛查与分析，从而为后续安全策略优化与故障回溯提供详实依据。

本申请的上述发明目的二是通过以下技术方案得以实现的：

一种视觉引导机器人上下料的安全防护系统，所述一种视觉引导机器人上下料的安全防护系统包括：

空间建模模块，用于构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件；

人员行为判断模块，用于在机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数，所述传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据；

门锁控制模块，用于在检测到人员尝试开启围栏门锁的操作请求时，判断所述机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；

中断控制模块，用于监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止所述机器人的当前任务；

事件记录与调整模块，用于记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于所述安全事件日志动态调整风险评估策略。

通过采用上述技术方案，通过构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件，能够实现对机器人运行环境的空间封闭管理与多源感知布局，从而为后续风险判断与安全控制策略提供精确、结构化的空间基础；通过在机器人运行过程中采集传感器检测数据并判断人员行为状态，根据判断结果动态调整机器人运行参数，能够实现对人员入侵风险的及时识别与响应，从而有效降低人员靠近或进入危险区域所引发的碰撞风险；通过在检测到人员尝试开启围栏门锁的操作请求时执行状态判断和权限认证，能够确保机器人处于非运行状态且操作者具备合法权限，从而防止误触操作或越权进入带来的安全隐患；通过监测急停按钮的触发信号并发出全局中断指令，能够在紧急情况发生时快速终止机器人任务，从而实现对突发风险的及时控制与安全保障；通过记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并据此动态调整风险评估策略，能够实现安全策略的自适应优化，从而增强系统对不同风险情境的动态防护能力与持续改进能力。

综上所述，本申请包括以下有益技术效果：

1、通过构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件，能够实现对机器人运行环境的空间封闭管理与多源感知布局，从而为后续风险判断与安全控制策略提供精确、结构化的空间基础；通过在机器人运行过程中采集传感器检测数据并判断人员行为状态，根据判断结果动态调整机器人运行参数，能够实现对人员入侵风险的及时识别与响应，从而有效降低人员靠近或进入危险区域所引发的碰撞风险；

2、通过在检测到人员尝试开启围栏门锁的操作请求时执行状态判断和权限认证，能够确保机器人处于非运行状态且操作者具备合法权限，从而防止误触操作或越权进入带来的安全隐患；通过监测急停按钮的触发信号并发出全局中断指令，能够在紧急情况发生时快速终止机器人任务，从而实现对突发风险的及时控制与安全保障；

3、通过记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并据此动态调整风险评估策略，能够实现安全策略的自适应优化，从而增强系统对不同风险情境的动态防护能力与持续改进能力。

附图说明

图1是本申请一实施例中一种视觉引导机器人上下料的安全防护方法的一流程图；

图2是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S10的实现流程图；

图3是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S20的实现流程图；

图4是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S22的实现流程图；

图5是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S222的实现流程图；

图6是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S30的实现流程图；

图7是本申请一实施例中一种视觉引导机器人上下料的安全防护方法中步骤S50的实现流程图

图8是本申请一实施例中一种视觉引导机器人上下料的安全防护系统的一原理框图。

具体实施方式

以下结合附图对本申请作进一步详细说明。

在一实施例中，如图1所示，本申请公开了一种视觉引导机器人上下料的安全防护方法，具体包括如下步骤：

S10：构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件。

具体地，基于输入的机器人作业区域布置图和现场设备配置数据，提取作业区域中围栏结构的边界坐标、材料属性与固定点位置，识别作业空间中用于感知的各类传感器设备的部署点位与方向信息，并建立三维点云空间模型以还原真实作业环境，在建模过程中设定用于表示安全作业范围的边界线与缓冲层级区域，如将靠近机器人臂长范围的区域设为一级高风险区，外扩至两倍臂长为二级缓冲区，通过配置不同颜色的边界线与虚拟警戒带，完成数字空间模型的初始化构建与安全要素登记。

S20：在机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据判断结果调整机器人运行参数，传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据。

具体地，基于设置的定时触发机制，周期性启动数据采集任务，调用光栅传感器数据接口获取遮断状态并判断是否存在连续遮断信号，调用毫米波雷达设备获取作业空间内目标点位的二维或三维坐标，解析目标体的速度矢量与朝向角度，将上述数据与上一时间周期的数据进行比对以计算人员的相对位移与加速度值，根据是否进入已定义的高风险区域或人员移动趋势朝向机器人核心作业区的情况，判断作业区域人员行为状态是否存在接近、逗留、穿越等高风险行为，并据此触发对机器人当前运动速度、路径优先级或操作模式的参数调整，例如当人员快速接近作业核心区时，将机器人动作模式调整为低速避障或暂停等待模式。

S30：在检测到人员尝试开启围栏门锁的操作请求时，判断机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制。

具体地，在接收到由门锁检测模块发出的解锁尝试事件后，触发机器人当前状态检查逻辑，判定是否处于空闲、待机或急停等非运行状态，在非运行状态下调取操作者对应的识别记录，如刷卡记录、指纹扫描结果或人脸识别图像，通过接口向身份数据库发送认证请求并返回验证状态码，在验证通过且无机器人动作执行中的前提下生成开锁授权命令，联动控制门锁控制器驱动锁具执行电磁释放动作，整个操作过程中将动作日志与人员操作时间点一并记录用于审计追溯。

S40：监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止机器人的当前任务。

具体地，通过接入多通道急停按钮信号总线，对所有急停触发端口进行实时监测，当任一通道接收到电平突变或断路信号时，立即执行中断流程逻辑，首先强制终止当前指令队列的执行状态，将机器人驱动指令清空并切换至零功率状态，然后广播中断事件至所有关联控制节点，如上下料夹爪控制器、输送带联动单元等，确保所有执行机构同步进入静止或锁定状态，同时生成一条中断响应记录并写入中控事件日志文件中，用于后续追踪。

S50：记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于安全事件日志动态调整风险评估策略。

具体地，在运行过程中为每一类传感器设定对应的触发条件与响应动作逻辑，例如当光栅传感器监测到遮断，自动将事件标记为“入侵警示”；当雷达感知到动态障碍接近，标记为“接近警示”，同时定义响应动作如减速、避障、急停等，通过事件驱动模型在每次触发事件后自动记录事件发生时间、传感器类型、识别编号与所执行的控制动作，并记录动作响应的状态码与执行结果，如“执行成功”“未响应”等，将所有事件按时间顺序追加至安全日志文件中，并基于日志内容生成多维度索引表以便后续按时间段、传感器类型或响应类别进行筛查和分析，如出现某一段时间内急停按钮频繁触发则可用于识别异常作业趋势或人员误操作风险，从而动态调整相关安全策略阈值。

通过采用上述技术方案，通过构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件，能够实现对机器人运行环境的空间封闭管理与多源感知布局，从而为后续风险判断与安全控制策略提供精确、结构化的空间基础；通过在机器人运行过程中采集传感器检测数据并判断人员行为状态，根据判断结果动态调整机器人运行参数，能够实现对人员入侵风险的及时识别与响应，从而有效降低人员靠近或进入危险区域所引发的碰撞风险；通过在检测到人员尝试开启围栏门锁的操作请求时执行状态判断和权限认证，能够确保机器人处于非运行状态且操作者具备合法权限，从而防止误触操作或越权进入带来的安全隐患；通过监测急停按钮的触发信号并发出全局中断指令，能够在紧急情况发生时快速终止机器人任务，从而实现对突发风险的及时控制与安全保障；通过记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并据此动态调整机器人运行参数和风险评估策略，能够实现安全策略的自适应优化，从而增强系统对不同风险情境的动态防护能力与持续改进能力。

在一实施例中，如图2所示，在步骤S10中，即构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件，具体包括：

S11：基于作业现场布局图生成作业区域的空间拓扑结构，记录围栏边界的三维坐标范围。

具体地，通过加载用于表示作业现场的二维CAD图或三维点云图，对图像中的围栏结构、作业台、设备主体等关键元素进行边界提取与空间定位，采用仿射变换与比例校准方法将图纸坐标转换为实际物理空间坐标系，提取围栏边界的四周支撑点和顶点信息生成多边形边界曲线，并对边界高度进行标注形成三维坐标范围，记录结构封闭性与空隙区域属性，用于后续机器人路径规划与人员靠近检测的边界判断基准。

S12：将传感器组的安装位置信息映射至空间拓扑结构中，形成感知设备的空间分布图，传感器组包括光栅传感器和雷达传感器。

具体地，在完成空间拓扑结构构建的基础上，调用传感器部署配置文件获取每一个光栅传感器和雷达传感器的具体安装点位及朝向角度，通过空间映射算法将传感器的物理坐标与场景模型坐标系进行匹配，生成与空间拓扑结构一一对应的感知设备空间分布图，在该分布图中标注每个传感器的覆盖范围、作用区域编号与设备ID，以支持在实际运行中快速定位触发源和识别被感知目标与路径交汇关系，例如将编号为S1的雷达对应至机器人前臂正上方，覆盖作业台前侧90°扇形区域，用于人员靠近检测。

S13：设定对应于机器人运动路径的多级安全控制区域边界条件，安全控制区域包括危险区域与缓冲区域，用于分级判断人员靠近风险并动态调整机器人运行策略。

具体地，依据机器人正常运行路径规划结果，计算机器人在任务执行过程中可能经过的空间区域，并以其动作半径为基准向外扩展设定分层安全控制区，其中第一层定义为危险区域，覆盖机器人所有可能触达的位置范围，用于触发高优先级控制响应如紧急停止；第二层为缓冲区域，设置在危险区域外部一定距离，用于提前识别人员接近趋势并启动减速、警告等预防性措施，通过为每一层区域配置不同的判定规则与响应等级，使机器人能依据人员当前位置与区域等级动态切换动作策略，例如在人员进入缓冲区域但未进入危险区时，降低机器人速度并发出语音预警。

在一实施例中，如图3所示，在步骤S20中，即基于传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据判断结果调整机器人运行参数，具体包括：

S21：基于光栅传感器检测数据，当检测到光栅传感器产生的遮断信号持续满足预设时间长度时，判定人员进入危险区域，并生成紧急停机指令。

具体地，通过对光栅传感器输出信号进行周期性采样，分析其是否持续出现遮断状态，当连续若干个采样周期均检测到遮断信号且累计持续时间超过设定的安全门限时间值，例如达到1.2秒时，基于光束遮挡的稳定性判定有实质性物体进入了光栅监控区域，在此基础上结合光栅对应区域的空间位置与机器人的当前运动轨迹，判断该遮挡行为可能导致人员与机器人产生直接接触风险，从而立即生成紧急停机指令，触发机器人停止所有运动轴并关闭执行机构电源，例如当操作员不慎将手伸入作业范围造成连续遮挡，系统可在遮挡持续时间超过1秒后触发停机保障人身安全。

S22：当雷达传感器检测到人员位于缓冲区域内时，提取人员的运动趋势特征，基于运动趋势特征计算风险等级，运动趋势特征包括人员与机器人之间的相对距离、运动方向与接近速度。

具体地，通过对雷达传感器采集的回波数据进行空间重建与目标识别操作，实时提取作业区域内的移动物体并判断其是否为人员目标，当识别结果指向人员且其位置处于预设的缓冲区域范围内，则从雷达数据中计算该人员目标与机器人当前位置之间的相对距离，进一步结合连续多帧的检测结果提取该人员的运动方向和接近速度，形成完整的运动趋势特征向量，在此基础上执行趋势分析逻辑判断人员是否具有靠近机器人趋势，例如某一检测周期中识别人员由外围向作业台方向移动，方向朝向机器人，速度为1.5米每秒，则结合缓冲区边界判断该人员具备中等风险等级并需提前预警处理。

S23：根据风险等级切换机器人运行参数，机器人运行参数包括运行速度、关节活动范围与避障策略。

具体地，依据当前计算得到的风险等级值，将其映射至对应的安全策略级别，并根据所处级别执行运行参数调整操作，若当前风险等级为低，则保持默认运行速度与标准动作范围，若风险等级为中则降低机器人运行速度至额定值的70%并缩减关节活动范围，若风险等级为高则立即激活避障策略，通过实时路径修正将动作方向偏离人员方位以规避碰撞风险，例如当识别出人员以较快速度接近机器人左侧时，控制逻辑自动收拢左臂动作范围、转向右侧完成抓取任务，从而降低潜在干涉可能性并确保任务连续性。

在一实施例中，如图4所示，在步骤S22中，即基于运动趋势特征计算风险等级，具体包括：

S221：从运动趋势特征中提取人员的历史位置序列与当前速度向量，作为模型输入数据。

具体地，对连续多个时间段内的雷达或视觉检测结果进行时间序列整理，从中提取人员在作业区域内的空间位置坐标点，构建人员历史位置序列，例如每100ms采集一次，形成5秒内共50个位置点的数据序列，同时获取当前帧中人员相对于机器人坐标系的速度向量，该速度向量包括水平和垂直方向的分速度分量以及合速度值，通过将该历史轨迹与当前速度组合形成完整的输入向量，用于提供给后续预测模型以表征人员的动态移动特征和趋势变化。

S222：将模型输入数据输入至预先训练好的轨迹预测模型中，预测人员的未来运动轨迹，并计算未来运动轨迹与机器人当前位置及预设运动路径之间的最小空间距离、预测交汇时间以及轨迹重叠范围。

具体地，将提取到的历史位置序列与速度向量统一转换至标准化坐标系后作为输入变量输入至事先基于典型作业环境训练完成的轨迹预测模型中，该模型可为递归神经网络或时空注意力机制网络，利用该模型输出未来若干时间段内的人员位置预测轨迹点集，结合当前机器人的精确位置与规划路径，基于欧氏距离算法计算所预测轨迹中最接近机器人路径的点对之间的最小空间距离，并结合时间轴计算该点对在未来的交汇时间，再统计预测轨迹与机器人路径在空间上的重叠片段范围，例如预测轨迹在2秒后进入机器人右臂工作范围且存在40cm路径重叠距离，则将该情况记录为潜在交汇事件。

S223：根据最小空间距离、预测交汇时间和轨迹重叠范围，结合人员当前速度与加速度，采用分级判定规则生成对应的风险等级值。

具体地，对计算得到的最小空间距离、预测交汇时间与轨迹重叠范围进行数值综合判断，结合当前帧中提取的人员速度大小和方向变化趋势判断其加速度指标，当人员处于加速接近状态、且最小空间距离小于设定安全阈值如1米、交汇时间低于1.5秒，且轨迹重叠范围超过30cm时，判定为高风险等级事件，在分级判定规则中该风险等级将被赋予数值“3”，用于控制逻辑中强制触发紧急规避动作，相反若轨迹存在交汇但速度为远离方向且加速度为负，则综合赋予低风险等级“1”，用于维持当前运行状态并继续监测趋势变化。

在一实施例中，如图5所示，该一种视觉引导机器人上下料的安全防护方法还包括：

S22201：基于历史采集的人员位置信息和行为样本数据构建训练数据集，行为样本数据包括人员在不同作业场景中的移动路径、速度变化和避障行为。

具体地，对在机器人作业区域内长周期记录的人员轨迹数据进行离散化采样处理，将采集到的人员位置信息按时间顺序整理为连续轨迹序列，并结合对应时间点的移动速度变化、方向偏移、是否主动避让机器人路径等行为特征，构建结构化样本数据，其中不同作业场景包括标准物料搬运区、封闭围栏操作区及临时进出通道区，通过在每类场景中采集多样化的人员行为路径，实现样本多样性覆盖，例如在通道区采集到的典型行为包括边走边回头观察机器人动态、绕开机器人行进方向以及突发加速穿越等行为，从而形成训练数据集中包含移动路径、速度曲线、避障动作标签的完整样本对。

S22202：基于长短期记忆网络构建轨迹预测模型。

具体地，采用长短期记忆网络（LSTM）作为轨迹预测模型的主体结构，设定输入层接受固定长度的历史轨迹与速度序列向量，隐藏层包含多层门控单元用于捕捉时间序列中的长期依赖关系，并在输出层生成未来多帧位置坐标预测值，同时为提升预测精度，可在模型结构中引入注意力机制模块，对不同时间段的输入特征赋予动态权重，例如近期加速行为被赋予更高权重以反映突发趋势，该网络结构具备良好的时序记忆能力，能够有效学习人员行为的空间-时间演化模式。

S22203：对训练数据集进行归一化处理，并输入至轨迹预测模型中进行训练，采用最小化轨迹预测误差的损失函数进行模型权重优化，生成预先训练好的轨迹预测模型，并在运行过程中基于安全事件日志中记录的触发频率与响应延迟数据，动态调整预先训练好的轨迹预测模型的权重参数和风险等级判定阈值。

具体地，对整理后的训练数据集进行归一化处理，包括将所有位置坐标缩放至统一区间、速度向量转为单位向量、避障行为标签编码为标准类别变量，并输入至构建好的轨迹预测模型中执行有监督训练，训练过程中采用预测轨迹与实际轨迹之间的平均欧氏距离作为损失函数，持续迭代优化网络权重参数，直至模型在验证集上的预测误差收敛至预设阈值范围内，同时在模型部署后运行阶段，持续监测安全事件日志中的记录数据，提取各类传感器触发频率与机器人响应延迟作为反馈指标，当检测到高风险触发频率上升或响应时间延迟超标时，动态调整模型部分层权重或重置风险等级判定阈值，例如将判定为“高风险”的交汇时间由1.5秒提前至1.2秒，以提升对突发事件的预判能力和响应时效。

在一实施例中，如图6所示，在步骤S30中，即对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制，具体包括：

S31：获取操作者的身份识别信息，身份识别信息包括工牌ID、指纹信息和人脸图像数据。

具体地，获取操作者在尝试开启围栏门锁时主动提交或被动采集的身份识别信息，其中工牌ID可通过刷卡方式由工牌识别装置读取，指纹信息通过嵌入在门锁控制终端上的电容式指纹传感器进行实时采集，人脸图像数据则通过安装在门锁上方的高清摄像头捕捉当前操作者正面图像并进行图像清晰度与角度校验，例如当操作者面部角度偏差超过30度或光照不足导致图像模糊时，将提示重新采集，所有采集数据以结构化格式封装形成身份识别请求，作为后续认证判断的输入依据。

S32：将身份识别信息与预设的权限数据库进行比对，判断操作者是否具备开启围栏门锁的授权等级，得到判断结果。

具体地，将上述采集到的工牌ID、指纹特征值和人脸图像向量分别与权限数据库中存储的授权人员数据进行匹配比对，其中工牌ID采用唯一编码进行直接比对，指纹信息通过匹配指纹特征点生成的哈希值计算相似度，人脸图像数据通过调用嵌入式人脸识别引擎进行特征向量比对并生成置信评分，例如若工牌ID匹配成功但指纹相似度低于设定阈值或人脸识别置信评分低于85%，则判定为认证失败，通过多因子联合比对机制提高认证的准确性和安全性，最终得到是否具备开启权限的判断结果。

S33：在判断结果为身份认证通过且机器人处于非运行状态时，生成门锁开锁控制指令，驱动执行机构完成围栏门的开锁操作。

具体地，在身份认证判断结果为通过且当前机器人任务状态处于非运行状态时，立即生成门锁开锁控制指令，该控制指令包含目标门锁编号、开锁动作类型及执行时限参数，并将控制指令传输至与门锁连接的执行控制单元，通过低压电控驱动电磁机构完成门锁的解锁动作，例如设置单次开锁有效时间为5秒，若超时未打开门则自动复位为上锁状态，此外控制指令会同步记录在操作日志中用于后续安全审计与人员行为追溯。

在一实施例中，如图7所示，在步骤S50中，即记录各类传感器触发事件及对应的控制响应，生成安全事件日志，具体包括：

S51：为每一类传感器配置事件触发类型与响应动作的对应规则，并在检测到触发事件时记录事件类型、发生时间、触发传感器标识、控制响应内容与执行结果。

具体地，为光栅传感器、雷达传感器及急停按钮等各类传感器分别设定对应的事件触发类型与响应动作规则，例如为光栅传感器配置“遮断信号持续超过2秒”为触发类型，对应响应动作为“发出停机指令并记录状态”，为雷达传感器配置“检测到移动物体进入缓冲区”为触发类型，对应响应为“降低机器人速度并进入观察模式”，为急停按钮配置“手动按压”为触发类型，对应响应为“立即中断所有动作并保持原地姿态”，在检测到任一传感器触发事件后，自动生成事件记录并写入日志，记录内容包括事件类型（如人员靠近或按钮按压）、事件发生时间（以毫秒为单位）、触发传感器的唯一标识号、所执行的控制响应指令内容（如限速或停止）以及实际执行结果（如执行成功或异常中断），并附带一份执行时间延迟指标用于评估控制链条响应效率。

S52：按照时间顺序对触发事件与控制响应进行结构化存储，得到存储数据，并基于存储数据构建多维度安全事件索引表，用于支持对特定传感器、特定时间段或特定响应结果的安全分析与回溯查询。

具体地，将上述传感器触发事件及对应控制响应的完整记录按照时间顺序组织为结构化数据格式，例如以时间戳作为主索引，形成包含事件类型、传感器ID、响应动作与执行结果等字段的二维表格数据，并以每日为单位分区存储至数据库中，同时基于已记录数据构建多维度安全事件索引表，索引维度包括传感器类型、事件触发时间范围、控制响应种类与执行成功率等维度，便于运维人员在需要时快速检索特定条件下的事件数据，例如可通过索引查询过去72小时内由指定雷达传感器触发的全部未响应事件或检索所有执行结果为失败的急停响应记录，从而实现对关键事件的安全分析、原因溯源与响应策略优化。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

在一实施例中，提供一种视觉引导机器人上下料的安全防护系统，该一种视觉引导机器人上下料的安全防护系统与上述实施例中一种视觉引导机器人上下料的安全防护方法一一对应。如图8所示，该一种视觉引导机器人上下料的安全防护系统包括空间建模模块、人员行为判断模块、门锁控制模块、中断控制模块和事件记录与调整模块。各功能模块详细说明如下：

空间建模模块，用于构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件；

人员行为判断模块，用于在机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据判断结果调整机器人运行参数，传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据；

门锁控制模块，用于在检测到人员尝试开启围栏门锁的操作请求时，判断机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；

中断控制模块，用于监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止机器人的当前任务；

事件记录与调整模块，用于记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于安全事件日志动态调整风险评估策略。

可选的，空间建模模块包括：

空间拓扑建模子模块，用于基于作业现场布局图生成作业区域的空间拓扑结构，记录围栏边界的三维坐标范围；

传感器映射子模块，用于将传感器组的安装位置信息映射至空间拓扑结构中，形成感知设备的空间分布图，传感器组包括光栅传感器和雷达传感器；

安全区域配置子模块，用于设定对应于机器人运动路径的多级安全控制区域边界条件，安全控制区域包括危险区域与缓冲区域，用于分级判断人员靠近风险并动态调整机器人运行策略。

可选的，人员行为判断模块包括：

遮断检测子模块，用于基于光栅传感器检测数据，当检测到光栅传感器产生的遮断信号持续满足预设时间长度时，判定人员进入危险区域，并生成紧急停机指令；

运动特征提取子模块，用于当雷达传感器检测到人员位于缓冲区域内时，提取人员的运动趋势特征，基于运动趋势特征计算风险等级，运动趋势特征包括人员与机器人之间的相对距离、运动方向与接近速度；

参数调整子模块，用于根据风险等级切换机器人运行参数，机器人运行参数包括运行速度、关节活动范围与避障策略。

可选的，运动特征提取子模块包括：

轨迹建模输入单元，用于从运动趋势特征中提取人员的历史位置序列与当前速度向量，作为模型输入数据；

未来轨迹预测单元，用于将模型输入数据输入至预先训练好的轨迹预测模型中，预测人员的未来运动轨迹，并计算未来运动轨迹与机器人当前位置及预设运动路径之间的最小空间距离、预测交汇时间以及轨迹重叠范围；

风险等级评估单元，用于根据最小空间距离、预测交汇时间和轨迹重叠范围，结合人员当前速度与加速度，采用分级判定规则生成对应的风险等级值。

可选的，该一种视觉引导机器人上下料的安全防护系统还包括：

样本数据构建模块，用于基于历史采集的人员位置信息和行为样本数据构建训练数据集，行为样本数据包括人员在不同作业场景中的移动路径、速度变化和避障行为；

轨迹模型构建模块，用于基于长短期记忆网络构建轨迹预测模型；

模型训练与优化模块，用于对训练数据集进行归一化处理，并输入至轨迹预测模型中进行训练，采用最小化轨迹预测误差的损失函数进行模型权重优化，生成预先训练好的轨迹预测模型，并在运行过程中基于安全事件日志实时调整预先训练好的轨迹预测模型的权重参数和判定阈值。

可选的，门锁控制模块包括：

身份信息采集子模块，用于获取操作者的身份识别信息，身份识别信息包括工牌ID、指纹信息和人脸图像数据；

权限比对子模块，用于将身份识别信息与预设的权限数据库进行比对，判断操作者是否具备开启围栏门锁的授权等级，得到判断结果；

开锁执行子模块，用于在判断结果为身份认证通过且机器人处于非运行状态时，生成门锁开锁控制指令，驱动执行机构完成围栏门的开锁操作。

可选的，事件记录与调整模块包括：

触发规则配置模块，用于为每一类传感器配置事件触发类型与响应动作的对应规则，并在检测到触发事件时记录事件类型、发生时间、触发传感器标识、控制响应内容与执行结果；

日志结构化模块，用于按照时间顺序对触发事件与控制响应进行结构化存储，得到存储数据，并基于存储数据构建多维度安全事件索引表，用于支持对特定传感器、特定时间段或特定响应结果的安全分析与回溯查询。

关于一种视觉引导机器人上下料的安全防护系统的具体限定可以参见上文中对于一种视觉引导机器人上下料的安全防护方法的限定，在此不再赘述。上述一种视觉引导机器人上下料的安全防护系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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精神和范围，均应包含在本申请的保护范围之内。

Claims (4)

1.一种视觉引导机器人上下料的安全防护方法，其特征在于，包括：

构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件；

所述构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件包括：

基于作业现场布局图生成作业区域的空间拓扑结构，记录围栏边界的三维坐标范围；

将传感器组的安装位置信息映射至所述空间拓扑结构中，形成感知设备的空间分布图，所述传感器组包括光栅传感器和雷达传感器；

设定对应于机器人运动路径的多级安全控制区域边界条件，所述安全控制区域包括危险区域与缓冲区域，用于分级判断人员靠近风险并动态调整机器人运行策略；

在所述机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数，所述传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据；

所述基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数包括：

基于所述光栅传感器检测数据，当检测到光栅传感器产生的遮断信号持续满足预设时间长度时，判定人员进入危险区域，并生成紧急停机指令；

当雷达传感器检测到人员位于缓冲区域内时，提取人员的运动趋势特征，基于所述运动趋势特征计算风险等级，所述运动趋势特征包括人员与机器人之间的相对距离、运动方向与接近速度；

根据所述风险等级切换机器人运行参数，所述机器人运行参数包括运行速度、关节活动范围与避障策略；

所述基于所述运动趋势特征计算风险等级包括：

从所述运动趋势特征中提取人员的历史位置序列与当前速度向量，作为模型输入数据；

将所述模型输入数据输入至预先训练好的轨迹预测模型中，预测人员的未来运动轨迹，并计算所述未来运动轨迹与机器人当前位置及预设运动路径之间的最小空间距离、预测交汇时间以及轨迹重叠范围；

根据所述最小空间距离、预测交汇时间和轨迹重叠范围，结合人员当前速度与加速度，采用分级判定规则生成对应的风险等级值；

在检测到人员尝试开启围栏门锁的操作请求时，判断所述机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；

监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止所述机器人的当前任务；

记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于所述安全事件日志动态调整风险评估策略；

所述一种视觉引导机器人上下料的安全防护方法还包括：

基于历史采集的人员位置信息和行为样本数据构建训练数据集，所述行为样本数据包括人员在不同作业场景中的移动路径、速度变化和避障行为；

基于长短期记忆网络构建轨迹预测模型；

对所述训练数据集进行归一化处理，并输入至所述轨迹预测模型中进行训练，采用最小化轨迹预测误差的损失函数进行模型权重优化，生成所述预先训练好的轨迹预测模型，并在运行过程中基于所述安全事件日志中记录的触发频率与响应延迟数据，动态调整所述预先训练好的轨迹预测模型的权重参数和风险等级判定阈值。

2.根据权利要求1所述的一种视觉引导机器人上下料的安全防护方法，其特征在于，所述对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制包括：

获取操作者的身份识别信息，所述身份识别信息包括工牌ID、指纹信息和人脸图像数据；

将所述身份识别信息与预设的权限数据库进行比对，判断操作者是否具备开启围栏门锁的授权等级，得到判断结果；

在所述判断结果为身份认证通过且机器人处于非运行状态时，生成门锁开锁控制指令，驱动执行机构完成围栏门的开锁操作。

3.根据权利要求1所述的一种视觉引导机器人上下料的安全防护方法，其特征在于，所述记录各类传感器触发事件及对应的控制响应，生成安全事件日志包括：

为每一类传感器配置事件触发类型与响应动作的对应规则，并在检测到触发事件时记录事件类型、发生时间、触发传感器标识、控制响应内容与执行结果；

按照时间顺序对所述触发事件与控制响应进行结构化存储，得到存储数据，并基于所述存储数据构建多维度安全事件索引表，用于支持对特定传感器、特定时间段或特定响应结果的安全分析与回溯查询。

4.一种视觉引导机器人上下料的安全防护系统，其特征在于，包括：

空间建模模块，用于构建机器人作业区域的数字空间模型，登记围栏边界、传感器部署位置信息和安全区域约束条件；

人员行为判断模块，用于在机器人运行过程中，在预设时间周期内采集得到传感器检测数据，并基于所述传感器检测数据判断作业区域内的人员行为状态，得到判断结果，并根据所述判断结果调整所述机器人运行参数，所述传感器检测数据包括光栅传感器检测数据和雷达传感器检测数据；

门锁控制模块，用于在检测到人员尝试开启围栏门锁的操作请求时，判断所述机器人是否处于非运行状态，并对操作者进行权限认证，在满足预设条件的情况下执行门锁开锁控制；

中断控制模块，用于监测急停按钮的触发信号，在检测到任一急停信号时，立即发出全局中断控制指令，终止所述机器人的当前任务；

事件记录与调整模块，用于记录各类传感器触发事件及对应的控制响应，生成安全事件日志，并基于所述安全事件日志动态调整风险评估策略；

所述空间建模模块包括：

空间拓扑建模子模块，用于基于作业现场布局图生成作业区域的空间拓扑结构，记录围栏边界的三维坐标范围；

传感器映射子模块，用于将传感器组的安装位置信息映射至所述空间拓扑结构中，形成感知设备的空间分布图，所述传感器组包括光栅传感器和雷达传感器；

安全区域配置子模块，用于设定对应于机器人运动路径的多级安全控制区域边界条件，所述安全控制区域包括危险区域与缓冲区域，用于分级判断人员靠近风险并动态调整机器人运行策略；

所述人员行为判断模块包括：

遮断检测子模块，用于基于所述光栅传感器检测数据，当检测到光栅传感器产生的遮断信号持续满足预设时间长度时，判定人员进入危险区域，并生成紧急停机指令；

运动特征提取子模块，用于当雷达传感器检测到人员位于缓冲区域内时，提取人员的运动趋势特征，基于所述运动趋势特征计算风险等级，所述运动趋势特征包括人员与机器人之间的相对距离、运动方向与接近速度；

参数调整子模块，用于根据所述风险等级切换机器人运行参数，所述机器人运行参数包括运行速度、关节活动范围与避障策略；

所述运动特征提取子模块包括：

轨迹建模输入单元，用于从所述运动趋势特征中提取人员的历史位置序列与当前速度向量，作为模型输入数据；

未来轨迹预测单元，用于将所述模型输入数据输入至预先训练好的轨迹预测模型中，预测人员的未来运动轨迹，并计算所述未来运动轨迹与机器人当前位置及预设运动路径之间的最小空间距离、预测交汇时间以及轨迹重叠范围；

风险等级评估单元，用于根据所述最小空间距离、预测交汇时间和轨迹重叠范围，结合人员当前速度与加速度，采用分级判定规则生成对应的风险等级值；

所述一种视觉引导机器人上下料的安全防护系统还包括：

样本数据构建模块，用于基于历史采集的人员位置信息和行为样本数据构建训练数据集，所述行为样本数据包括人员在不同作业场景中的移动路径、速度变化和避障行为；

轨迹模型构建模块，用于基于长短期记忆网络构建轨迹预测模型；

模型训练与优化模块，用于对所述训练数据集进行归一化处理，并输入至所述轨迹预测模型中进行训练，采用最小化轨迹预测误差的损失函数进行模型权重优化，生成所述预先训练好的轨迹预测模型，并在运行过程中基于所述安全事件日志中记录的触发频率与响应延迟数据，动态调整所述预先训练好的轨迹预测模型的权重参数和风险等级判定阈值。