本发明涉及机器人
技术领域：
，具体涉及一种导航性能良好的智能机器人。
背景技术：
：随着社会的进步和科技的发展，越来越多的地方用到机器人，现在，人们还是仅用机器人完成扫地等一些简单的动作，机器人无法为人们提供有效的导航服务。机器视觉，即研究如何使用计算机来模拟人的视觉功能。机器视觉属于人工智能领域，是一门综合了计算机科学、神经科学、信号处理等多个学科的新兴技术。一个典型的机器视觉系统通过图像采集设备将目标转换成图像信号，传输给图餘处理单元。图像处理单元首先提取目标的特征信息，然后通过图像处理算法计算结果，最后输出到监视器等设备。其优点有：快速、准确，对目标物无伤害；具有更广的波谱观测范围；可长时间稳定工作。我国己成为目前机器视觉发展最快的地区之一，应用领域涵盖了工业、农业、气象、航天、军事等行业。这就为智能机器人的发展奠定了良好基础。技术实现要素：针对上述问题，本发明旨在提供一种导航性能良好的智能机器人。本发明的目的采用以下技术方案来实现：提供了一种导航性能良好的智能机器人，包括指纹输入模块、身份验证模块、触控输入模块、图像采集模块、定位模块和导航模块，所述指纹输入模块用于使用者输入指纹信息，所述身份验证模块用于将使用者输入的指纹信息和指纹数据库中的指纹进行比对，完成使用者身份验证，所述触控输入模块用于提供交互界面，接收通过身份验证的使用者输入的目的地信息，所述图像采集模块用于采集周边环境的图像，所述定位模块用于获取智能机器人的位置信息，所述导航模块用于根据目的地信息、智能机器人的位置信息和周边环境进行导航。本发明的有益效果为：提供了一种导航性能良好的智能机器人，使用者通过输入目的地信息，智能机器人能够自动获取位置信息和周边环境信息，完成导航功能。附图说明利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本发明的结构示意图；附图标记：指纹输入模块1、身份验证模块2、触控输入模块3、图像采集模块4、定位模块5、导航模块6。具体实施方式结合以下实施例对本发明作进一步描述。参见图1，本实施例的一种导航性能良好的智能机器人，包括指纹输入模块1、身份验证模块2、触控输入模块3、图像采集模块4、定位模块5和导航模块6，所述指纹输入模块1用于使用者输入指纹信息，所述身份验证模块2用于将使用者输入的指纹信息和指纹数据库中的指纹进行比对，完成使用者身份验证，所述触控输入模块3用于提供交互界面，接收通过身份验证的使用者输入的目的地信息，所述图像采集模块4用于采集周边环境的图像，所述定位模块5用于获取智能机器人的位置信息，所述导航模块6用于根据目的地信息、智能机器人的位置信息和周边环境进行导航。本实施例提供了一种导航性能良好的智能机器人，使用者通过输入目的地信息，智能机器人能够自动获取位置信息和周边环境信息，完成导航功能。优选的，所述定位模块5采用北斗卫星导航系统确定智能机器人的位置。本优选实施例摒弃了以往采用全球定位系统进行定位，采用我国自主研发的北斗卫星导航系统进行定位，提升了智能机器人的安全性。优选的，所述导航模块6包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，所述第一处理模块用于分割周边环境图像中目标和背景，所述第二处理模块用于对目标特征进行提取，所述第三处理模块用于对目标进行分类识别，所述第四处理模块用于对目标进行躲避。本优选实施例导航模块6通过对图像进行分割和提取目标特征对目标进行分类识别，实现了图像的准确识别，从而为导航过程中障碍物躲避奠定了基础。优选的，所述第一处理模块用于分割图像中目标和背景：分割函数定义如下：eh(k)＝2+m0(μ0-μ)2+m1(μ1-μ)2，上述式子中，k表示图像分割值,用于将图像分割为背景部分和目标部分，k∈[0,l]，l表示图像灰度级数,m0和m1分别表示背景像素和目标像素所占的比例，μ表示图像所有像素的灰度均值，μ0和μ1分别表示背景像素和目标像素的灰度均值；利用下式确定最佳图像分割值：cs＝argmaxeh(k)，上述式子中，argmaxeh(k)表示eh(k)最大时k的取值，cs表示最佳图像分割值；本优选实施例第一处理模块通过定义分割函数确定最佳图像分割值，实现了图像的准确分割，精确获取了图像目标。优选的，所述第二处理模块包括第一特征提取单元、第二特征提取单元和综合特征提取单元，所述第一特征提取单元用于提取目标的颜色特征，所述第二特征提取单元用于提取目标的形态特征，所述综合特征提取单元用于根据颜色特征和形态特征确定目标特征向量；所述第一特征提取单元用于提取目标的颜色特征：利用下式提取目标的颜色特征：上述式子中，n表示目标像素点的个数，ri表示色彩空间中像素的红色分量，gi表示色彩空间中像素的绿色分量，bi表示色彩空间中像素的蓝色分量，em1表示目标的第一颜色特征，em2表示目标的第二颜色特征，em3表示目标的第三颜色特征；依据目标的颜色特征建立目标的颜色特征向量lg1：lg1＝[em1，em2，em3]；本优选实施例第二处理模块通过计算目标的颜色特征，建立起目标颜色特征向量，具体的，本发明颜色特征充分考虑了目标的所有像素点，具有很强的鲁棒性，相比颜色直方图方式提取颜色特征，本发明颜色特征降低了特征维度，具有计算量小，节约计算资源的特点，为后续目标识别奠定了基础。优选的，所述第二特征提取单元用于提取目标的形态特征：利用下式计算目标的形态特征：上述式子中，z表示目标的外轮廓长度，a表示目标的面积大小，yw1表示目标的第一形态特征，yw2表示目标的第二形态特征，yw3表示目标的第三形态特征，l表示目标最小外接矩形的长，h表示目标最小外接矩形的宽，r1表示目标的内切圆半径，r2表示目标的外切圆半径；依据目标的形态特征建立目标的形态特征向量lg2：lg2＝[yw1，yw2，yw3]；所述综合特征提取单元用于根据颜色特征和形态特征确定目标特征向量：根据目标的颜色特征向量和形态特征向量建立目标的特征向量lg：lg＝[lg1，lg2]；所述第三处理模块用于对目标进行分类识别：根据目标的特征向量采用支持向量机对目标进行分类识别。本优选实施例第二特征提取单元通过计算目标的形态特征，建立起目标形态特征向量，具体的，第一形态特征充分考虑了目标的复杂度，第一形态特征越大，目标越复杂，第二形态特征充分考虑了目标的占空比，目标第三形态特征充分考虑了目标的球形性，第三形态特征越大，目标越接近球形，为后续目标识别奠定了基础，第三处理模块根据目标的特征向量对目标进行识别，提升了识别准确性。采用本发明导航性能良好的智能机器人对进行导航，选定出发地，选取5个目的地进行实验，分别为目的地1、目的地2、目的地3、目的地4、目的地5，对导航时间和导航准确性进行统计，同现有智能机器人相比，产生的有益效果如下表所示：导航时间缩短导航准确性提高目的地129％27％目的地227％26％目的地326％26％目的地425％24％目的地524％22％最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。当前第1页12