移动机器人的制作方法

本发明涉及机器人技术领域，尤其涉及一种移动机器人。

背景技术：

诸如扫地机器人、陪护机器人、迎宾机器人等移动机器人在室内复杂环境运行时，容易爬上风扇的斜面底座、鞋面、电线等低矮障碍物，致使机器人的轮子被架空或者被电线缠住不能前进，严重时可能会使得机器人倒地而引发安全事故。如果机器人在行进过程中能提前检测到前方的低矮障碍物，继而避开它们，那么机器人会变得更智能，也更安全可靠。现有常见的检测低矮障碍物技术方案主要有：

(1)机械碰撞检测：机器人底部前方安装了一块连接电子开关的机械挡板，当碰到障碍物时电子开关从断开状态转换成连通状态，从而检测到前方的低矮障碍物。采用此种检测方式，必须要碰撞才能检测到，容易撞坏贵重的家具，用户体验差，而且，电线、鞋面等低矮障碍物容易被机器人推移，因撞击力度太小而无法触发电子开关，导致漏检。

(2)超声波测距检测：机器人底部前方安装了一个或多个超声波测距传感器，当检测的距离小于设定的阈值之后就判断前方存在障碍物。第一方面，超声波测距传感器的发射角比较窄，需要安装多个才能使前方检测空间完全覆盖，这会大幅增加成本。第二方面，超声波容易受环境温度、反射物材质、声波多径传播等因素的影响。第三方面，收发一体的超声波传感器存在近距离盲区较大的问题，收发分离的超声波传感器存在体积较大使得壳体开孔较大而不太美观的问题。第四方面，受壳体结构的限制，超声波传感器无法安装得太低，从而会漏检一些高度比超声波更低的低矮障碍物。

(3)普通红外线测距检测：与超声波测距检测类似，机器人底部前方安装了一个或多个普通红外线测距传感器，当检测的距离小于设定的阈值之后就判断前方存在障碍物。红外线检测受环境光照影响很大，也存在近距离盲区较大的问题。玻璃、吸光或全黑材质的障碍物容易被漏检，精度一致性差。受壳体结构的影响，红外线传感器不能安装得太低，从而会漏检一些高度比红外线更低的低矮障碍物。

技术实现要素：

本发明所要解决的技术问题在于，提供一种移动机器人，消除近距离检测盲区、提升用户体验，根据环境光照强度通过补光的方式提高检测成功率。

为了解决上述技术问题，本发明采用以下技术方案：

本发明的实施例提供了一种移动机器人，包括本体以及设于所述本体的轮子、电机、第一图像采集装置、光电传感器、补光灯和处理器；所述轮子由所述电机驱动以带动所述移动机器人在地面上移动；所述第一图像采集装置用于采集环境图像，所述处理器用于根据预设方法对所述环境图像进行数据处理，并在识别出所述环境图像中的障碍物时控制所述电机执行避障动作；所述光电传感器用于检测环境光照强度，所述处理器还用于在所述环境光照强度小于或等于预设阈值时控制所述补光灯发光，以增加所述第一图像采集装置视野范围内的光照强度。

在其中一个实施例中，所述第一图像采集装置斜向下设于所述本体，使得在所述移动机器人位于地面上时，所述第一图像采集装置的光轴与地面呈俯视角。

在其中一个实施例中，还包括第二图像采集装置，所述第二图像采集装置斜向上设于所述本体，使得在所述移动机器人位于地面上时，所述第二图像采集装置的光轴与地面呈仰视角。

在其中一个实施例中，所述第一图像采集装置和所述第二图像采集装置间隔设于所述本体。

在其中一个实施例中，所述第一图像采集装置或所述第二图像采集装置为摄像头、激光雷达中的任意一种。

在其中一个实施例中，所述预设方法包括：

根据高斯滤波去除所述环境图像的噪声；

提取所述环境图像的轮廓特征、灰度共生矩阵以及lbp特征；

根据所述轮廓特征、灰度共生矩阵以及lbp特征生成特征向量；

根据adaboost分类器和所述特征向量，输出识别结果。

在其中一个实施例中，预先采集含有低矮的障碍物的图像作为正样本，不含低矮的障碍物的图像作为负样本，采用opencv的adaboost算法训练得到所述adaboost分类器。

在其中一个实施例中，在提取所述环境图像的轮廓特征之前，所述预设方法还包括：根据canny算子提取所述环境图像的边缘。

与现有技术相比，本发明的技术方案至少具有以下有益效果：

本发明实施例提供的一种移动机器人，处理器根据预设方法对第一图像采集装置采集的环境图像进行数据处理，并在识别出环境图像中的障碍物时控制电机以驱动轮子执行避障动作，消除近距离检测盲区、提升用户体验；处理器还在光电传感器检测的环境光照强度小于或等于预设阈值时控制补光灯发光，以增加第一图像采集装置视野范围内的光照强度，便于第一图像采集装置拍摄足够亮的环境图像，提高检测成功率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的变形形式。

图1是本发明的一个实施例中移动机器人的顶部视角图；

图2是移动机器人中部分电子电气元器件的线路连接图；

图3是图1中移动机器人的底部视角图；

图4是第一图像采集装置斜向下设于本体上的示意图；

图5是第一图像采集装置和第二图像采集装置设于本体上的示意图；

图6是预设方法的流程示意图。

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。

请参阅图1和图2，图1为本发明的一个实施例中移动机器人10的顶部视角图，图2是移动机器人10中部分电子电气元器件的线路连接图。在本实施例中，移动机器人10为扫地机器人。移动机器人10包括：本体11、轮子12、电机13、第一图像采集装置14、光电传感器15、补光灯16和处理器17，轮子12、电机13、第一图像采集装置14、光电传感器15、补光灯16和处理器17设于本体11。补光灯16可以根据需要适应性地设于第一图像采集装置14的上方、下方、左方、右方等位置。

请参阅图3，图3是图1中移动机器人10的底部视角图。尤其在扫地机器人的结构设计上，轮子12通常是安装在本体11的底部111，并不延伸出本体11的外周缘，而且，轮子12由电机13驱动以带动移动机器人10在地面上移动。在本体11的重量作用下，轮子12可以部分地伸缩于本体11内。轮子12为两个，每个轮子12由一个电机13驱动。另外，本体11的底部111还安装一个脚轮18，该脚轮18能够沿垂直于本体11的底部111的轴360°旋转，便于快速、顺畅地调整移动机器人10的方向。优选的，脚轮18位于两个轮子12连线的中垂线上，脚轮18与两个轮子12呈三角形分布于本体11的底部111。

在本实施例中，轮子12为圆形轮，其轮辋上套设橡胶轮胎121，橡胶轮胎121的外表面设有防滑突起或纹理，以增加轮子12在地面上转动时的摩擦力和抓地力，适应表面光滑的地板砖、木质地板以及表面粗糙的地毯等不同类型的地面。在其他实施例中，轮子也可以为三角履带轮。

第一图像采集装置14用于采集环境图像，第一图像采集装置14可以为摄像头、cmos摄像头等；第一图像采集装置14还可以为激光雷达。为了更好地探测到置于地面上的电线、鞋面、凸楞等低矮障碍物，如图4所示，第一图像采集装置14斜向下设于本体11，使得在移动机器人10位于地面50上时，第一图像采集装置14的光轴141与地面50呈俯视角a，消除了第一图像采集装置14近距离盲区。俯视角a的角度大小可以在10°至90范围内进行设定。

为了更好地探测到高度与本体11的顶部至地面50的距离差不多的障碍物，如图5所示，移动机器人10还包括第二图像采集装置19，第二图像采集装置19与处理器17电连接，用于采集环境图像，并且第二图像采集装置19斜向上设于本体11，使得在移动机器人10位于地面50上时，第二图像采集装置19的光轴191与地面50呈仰视角b，俯视角b的角度大小可以在0°至90范围内进行设定。第二图像采集装置19可以为摄像头、cmos摄像头等；第二图像采集装置19还可以为激光雷达。

第一图像采集装置14和第二图像采集装置19的位置关系可以是左右间隔设置，还可以是上下间隔设置。

处理器17用于根据预设方法对环境图像进行数据处理，并在识别出环境图像中的障碍物时控制电机13执行避障动作。执行避障动作可以是沿障碍物边缘行进，也可以是背向障碍物后退。

在本实施例中，如图6所示，预设方法可以包括如下步骤：

步骤s1，根据高斯滤波去除环境图像的噪声；

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅环境图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(被称为卷积或掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

步骤s3，包括步骤s31、步骤s32和步骤s33，其中，步骤s31包括提取环境图像的轮廓特征；步骤s32包括提取环境图像的灰度共生矩阵；步骤s33包括提取环境图像的lbp特征。

在本实施例中，轮廓特征可以包括轮廓包含区域的面积、轮廓的长度、体态比(轮廓的最小外接矩形的长宽比)、矩形度(轮廓包含区域的面积跟最小外接矩形的面积比)、球形度(轮廓的内切圆半径和外接圆的半径比)中的一种或多种。其中，灰度共生矩阵是一种通过研究灰度的空间相关特性来描述纹理的常用方法，lbp(localbinarypatterns，局部二值模式)特征是计算机视觉中常用的图像特征。提取去噪后的环境图像的轮廓特征、灰度共生矩阵以及lbp特征可以采用现有技术中的方法，在此不再赘述。

在一可选实施例中，在提取环境图像的轮廓特征之前，预设方法还包括步骤s2：根据canny算子提取环境图像的边缘。

步骤s5，根据轮廓特征、灰度共生矩阵以及lbp特征生成特征向量；

在本实施例中，将轮廓特征和灰度共生矩阵以及lbp特征首尾相接即可组合生成特征向量。

步骤s7，根据adaboost分类器和特征向量，输出识别结果。

在本实施例中，预先采集含有低矮的障碍物的图像作为正样本，不含低矮的障碍物的图像作为负样本，采用opencv(opensourcecomputervisionlibrary)的adaboost算法训练得到adaboost分类器。将特征向量作为adaboost分类器的输入参数，adaboost分类器即可输出识别结果，如果识别环境图像中存在障碍物时，处理器17控制电机13执行避障动作，如果识别环境图像中不存在障碍物时，处理器17控制电机13继续按照预先设定的清扫轨迹行进。

光电传感器15用于检测环境光照强度，光电传感器15靠近第一图像采集装置14设置，以光电传感器15能够检测到第一图像采集装置14视野范围内的光照强度为最佳设置。处理器17用于在环境光照强度小于或等于预设阈值时控制补光灯16发光，以增加第一图像采集装置14视野范围内的光照强度，使得第一图像采集装置14能够采集到清晰的环境图像。预设阈值可以根据实际应用的需要进行大小设定。

本发明实施例提供的一种移动机器人10，处理器17根据预设方法对第一图像采集装置14采集的环境图像进行数据处理，并在识别出环境图像中的障碍物时控制电机13以驱动轮子12执行避障动作；处理器17还在光电传感器15检测的环境光照强度小于或等于预设阈值时控制补光灯16发光，以增加第一图像采集装置14视野范围内的光照强度，便于第一图像采集装置14拍摄足够亮的环境图像，提高检测成功率。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述的实施方式，并不构成对该技术方案保护范围的限定。任何在上述实施方式的精神和原则之内所作的修改、等同替换和改进等，均应包含在该技术方案的保护范围之内。