本申请涉及电动轮椅行进安全领域,特别涉及一种基于电动轮椅行进场景的操作安全保障的方法和系统。
背景技术:
轮椅是行动不便人群日常生活中的一种重要交通工具,为行动不便的伤残人员及老年人带来了极大的便利,这些行动不便的群体可以借助于轮椅进行身体锻炼和参与社会活动,这可以使他们更好的和周围的人群进行交流,更多的接触社会。但是传统的轮椅在应用上有许多不足之处:手扳轮椅需乘坐人双手驱动,不能自动运行,费时费力,手功能不全残疾人或体力不支病人、老人难以自己操控,随着对其他需求的增加,近些年,电动轮椅逐渐占据市场,电动轮椅是在传统手动轮椅的基础上,叠加高性能动力驱动装置、智能操纵装置、电池等部件,改造升级而成的。但是相较于传统轮椅,电动轮椅由于其具有更大的动力及更多的功能,其使用时的安全问题更应得到关注,由于电动轮椅的功能多样性,使用者在使用电动轮椅时可能由于手部不灵活、操作不熟练或者误触操纵杆等问题对使用者造成人身伤害。
技术实现要素:
(一)申请目的
基于此,为了避免用户不当操作及误触操控杆造成的危险,保障电动轮椅用户在行进过程中的人身安全,本申请公开了以下技术方案。
(二)技术方案
本申请公开了一种基于电动轮椅行进场景的操作安全保障方法,包括:
获取电动轮椅周边环境障碍物相关信息;
构建电动轮椅行进场景区域,将所述行进场景区域分割为若干子区域,进而生成子区域障碍物描述矩阵;
将所述子区域障碍物描述矩阵与环境描述模板矩阵进行匹配,选取匹配度最高的环境描述模板矩阵;
基于所述匹配度最高的环境描述模板矩阵和电动轮椅自身的运动状态,得到电动轮椅允许的速度变化区间及转向角度区间;
基于所述电动轮椅允许的速度变化区间及转向角度区间对电动轮椅的运动趋势进行决策。
在一种可能的实施方式中,获取电动轮椅周边环境障碍物相关信息包括:
利用点云数据采集设备获取周围环境的三维点云数据;
对所述三维点云数据进行分割处理;
对所述三维点云数据进行点云配准,进而推算所述电动轮椅运动状态;
对所述分割处理后的三维点云数据进行聚类和特征提取;
根据所述电动轮椅运动状态分辨所述障碍物种类;
其中,所述障碍物种类包括动态障碍物和静态障碍物。
在一种可能的实施方式中,所述行进场景区域在所述三维数据采集范围内,可根据周围环境复杂状况进行智能调节。
在一种可能的实施方式中,所述构建电动轮椅行进场景区域,将所述行进场景区域分割为若干子区域,进而生成子区域障碍物描述矩阵包括:
以电动轮椅为所述行进场景区域底面的几何中心构建所述电动轮椅行进场景区域;
根据所述电动轮椅行进场景区域内的动态障碍物体积将电动轮椅行进场景区域等体积分割为若干子区域;
根据分割后的子区域和各子区域内的障碍物相关信息生成子区域障碍物描述矩阵。
在一种可能的实施方式中,所述根据所述电动轮椅行进场景区域内的动态障碍物体积将电动轮椅行进场景区域等体积分割为若干子区域包括:
计算所述动态障碍物占所述电动轮椅行进场景区域的体积比例;
根据所述体积比例及预先设定的分割指标进行分割次数预设定;
根据所述预设定的分割次数进行分割后,查验分割结果是否符合分割指标,若不符合则进行调整直至符合分割指标。
在一种可能的实施方式中,所述分割指标为所述动态障碍物体积占分割结束后的1-3个子区域。
在一种可能的实施方式中,所述电动轮椅运动状态分为电动轮椅运行速度及电动轮椅运动方向,所述基于所述匹配度最高的环境描述模板矩阵和电动轮椅自身的运动状态,得到电动轮椅允许的速度变化区间及转向角度区间包括:
将所述电动轮椅运行速度进行速度大小梯度划分;
基于所述匹配度最高的环境描述模板矩阵和所述电动轮椅运行速度梯度及运动方向建立预测模型;
对所述预测模型进行模型训练;
利用训练后的所述预测模型输出所述电动轮椅允许的速度变化区间及转向角度允许区间。
在一种可能的实施方式中,所述对电动轮椅的运动趋势进行决策具体指当电动轮椅操纵杆发出的加减速和转向指令范围在所述电动轮椅允许的速度变化区间及转向角度区间时,电动轮椅根据所述指令正常运转,反之,电动轮椅发出警报并通过语音提醒用户该操作存在的风险。
作为本申请的第二方面,本申请还公开了一种基于电动轮椅行进场景的操作安全保障系统,包括:
信息获取模块,用于获取电动轮椅周边环境障碍物相关信息;
矩阵生成模块,用于构建电动轮椅行进场景区域,将所述行进场景区域分割为若干子区域,进而生成子区域障碍物描述矩阵;
匹配模块,用于将所述子区域障碍物描述矩阵与环境描述模板矩阵进行匹配,选取匹配度最高的环境描述模板矩阵;
允许区间获取模块,用于基于所述匹配度最高的环境描述模板矩阵和电动轮椅自身的运动状态,得到电动轮椅允许的速度变化区间及转向角度区间;
执行模块,用于基于所述电动轮椅允许的速度变化区间及转向角度区间对电动轮椅的运动趋势进行决策。
在一种可能的实施方式中,所述信息获取模块包括:
点云数据采集单元,用于利用点云数据采集设备获取周围环境的三维点云数据;
分割单元,用于对所述三维点云数据进行分割处理;
运动状态获取单元,用于对所述三维点云数据进行点云配准,进而推算所述电动轮椅运动状态;
聚类提取单元,用于对所述分割处理后的三维点云数据进行聚类和特征提取;
分辨单元,用于根据所述电动轮椅运动状态分辨所述障碍物种类;
其中,所述障碍物种类分为动态障碍物和静态障碍物。
在一种可能的实施方式中,所述行进场景区域在所述三维数据采集范围内,可根据周围环境复杂状况进行智能调节。
在一种可能的实施方式中,所述矩阵生成模块包括:
区域构建单元,用于以电动轮椅为所述行进场景区域底面的几何中心构建所述电动轮椅行进场景区域;
子区域划分单元,用于根据所述电动轮椅行进场景区域内的动态障碍物体积将电动轮椅行进场景区域等体积分割为若干子区域;
矩阵生成单元,用于根据分割后的子区域和各子区域内的障碍物相关信息生成子区域障碍物描述矩阵。
在一种可能的实施方式中,所述子区域划分单元包括:
比例计算子单元,用于计算所述动态障碍物占所述电动轮椅行进场景区域的体积比例;
分割预设定子单元,用于根据所述体积比例及预先设定的分割指标进行分割次数预设定;
分割子单元,用于根据所述预设定的分割次数进行分割后,查验分割结果是否符合分割指标,若不符合则进行调整直至符合分割指标。
在一种可能的实施方式中,所述分割指标为所述动态障碍物体积占分割结束后的1-3个子区域。
在一种可能的实施方式中,所述电动轮椅运动状态分为电动轮椅运行速度及电动轮椅运动方向,所述允许区间获取模块包括:
速度梯度划分单元,用于将所述电动轮椅运行速度进行速度大小梯度划分;
模型建立单元,用于基于所述匹配度最高的环境描述模板矩阵和所述电动轮椅运行速度梯度及运动方向建立预测模型;
模型训练单元,用于对所述预测模型进行模型训练;
允许区间获取单元,用于利用训练后的所述预测模型输出所述电动轮椅允许的速度变化区间及转向角度允许区间。
在一种可能的实施方式中,所述对电动轮椅的运动趋势进行决策具体指当电动轮椅操纵杆发出的加减速和转向指令范围在所述电动轮椅允许的速度变化区间及转向角度区间时,电动轮椅根据所述指令正常运转,反之,电动轮椅发出警报并通过语音提醒用户该操作存在的风险。
(三)有益效果
本申请公开的一种基于电动轮椅行进场景的操作安全保障方法和系统,避免了用户不当操作及误触操控杆造成的危险,保障了电动轮椅用户在行进过程中的人身安全。
附图说明
以下参考附图描述的实施例是示例性的,旨在用于解释和说明本申请,而不能理解为对本申请的保护范围的限制。
图1是本申请公开的一种基于电动轮椅行进场景的操作安全保障方法的流程示意图。
图2是本申请公开的一种基于电动轮椅行进场景的操作安全保障系统的结构框图。
具体实施方式
为使本申请实施的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行更加详细的描述。
下面参考图1详细描述本申请公开的一种基于电动轮椅行进场景的操作安全保障方法实施例。如图1所示,本实施例公开的方法主要包括有以下步骤100至步骤500。
步骤100,获取电动轮椅周边环境障碍物相关信息。
利用安装在电动轮椅上的点云数据设备获取三维点云数据,进而获取所述障碍物相关信息,所述障碍物相关信息包括障碍物位置坐标、形状、轮廓、体积等信息。
在至少一种实施方式中,步骤100可以由步骤110至步骤150实现:
步骤110,利用点云数据采集设备获取周围环境的三维点云数据。
具体的,在电动轮椅机身配置点云数据采集设备,所述点云数据采集设备可以为激光雷达,激光扫描仪等,所述点云数据采集设备在电动轮椅静止或行进过程中自动采集电动轮椅周围环境的三维点云数据。
步骤120,对所述三维点云数据进行分割处理。
所述点云数据采集设备采集的所述三维点云数据包括地面的三维点云数据,对所述三维点云数据进行分割处理,将所述地面分割出来。方便后续识别障碍物。
步骤130,对所述点云数据进行点云配准,进而推算所述电动轮椅运动状态。
利用icp算法进行点云配准,根据所述配准结果推算所述电动轮椅位姿变化,利用扩展卡尔曼滤波器根据所述电动轮椅的位姿变化进行量测更新,将陀螺仪和加速度计作为扩展卡尔曼滤波的控制输入量,以扩展卡尔曼滤波器的后验估计值作为最终的结果的输出。实现对所述电动轮椅连续两帧位姿变化的精确估计,进而确定电动轮椅运动状态。
步骤140,对所述分割处理后的三维点云数据进行聚类和特征提取。
步骤120对所述三维点云数据进行分割后,对所述地面之外的三维点云数据进行聚类,进而提取聚类后的障碍物轮廓特征及角度特征等信息。
步骤150,根据所述电动轮椅运动状态分辨所述障碍物种类。
对特征提取后的所有障碍物进行存储,建立障碍物列表,根据所述电动轮椅的自身位姿分析,对两个时刻中每个障碍物的位置及方向信息进行转换,通过比较两帧障碍物列表中特征的相似度筛选静态障碍物。在障碍物跟踪点给定的区域内搜索障碍物的跟踪点,选取最符合的障碍物跟踪点作为匹配对象,随后计算匹配度,如果匹配度小于给定阈值,则认为障碍物为静态,反之则为动态障碍物。
步骤200,构建电动轮椅行进场景区域,将所述行进场景区域分割为若干子区域,进而生成子区域障碍物描述矩阵。
电动轮椅内置行进操作安全保障系统,该系统包括控制模块,计算模块,检验模块和报警模块。所述控制模块根据所述三维点云数据的检测范围构建电动轮椅行进场景区域,所述行进场景区域为虚拟空间范围在所述三维点云数据检测几何空间的内部。
在至少一种实施方式中,步骤200可以包括步骤210至步骤230。
步骤210,以电动轮椅为所述行进场景区域底面的几何中心构建所述电动轮椅行进场景区域。
具体的,以电动轮椅所处坐标为所述行进场景区域底面的几何中心,所述控制模块以该底面构建行进场景区域,所述行进场景区域为虚拟空间,以地面所在平面为所述行进场景区域的底面,所述行进场景区域可能为长方体区域、正方体区域、圆柱体区域、半球区域等,所述行进场景区域整体位于所述三维点云数据覆盖范围内部。
步骤220,根据所述电动轮椅行进场景区域内的动态障碍物体积将电动轮椅行进场景区域等体积分割为若干子区域。
步骤210进行行进场景区域构建后,为了进一步描述所述行进场景区域内部的障碍物具体信息,需要将所述行进场景区域进行分割。
在至少一种实施方式中,步骤210可以包括步骤211至步骤213。
步骤211,计算所述动态障碍物占所述电动轮椅行进场景区域的体积比例。
动态障碍物相对于静态障碍物不确定性更大,所以对点电动轮椅行进安全威胁较大,所述计算模块优先选取所述行进场景区域内动态障碍物,计算步骤100中得到的所述动态障碍物的体积与所述行进场景区域的体积比。
步骤212,根据所述体积比例及预先设定的分割指标进行分割次数预设定。
所述分割指标指所述动态障碍物体积占分割结束后的1-3个子区域。具体的,根据步骤211中得到的所述动态障碍物的体积与所述行进场景区域的体积比以及预先设定的分割指标,对分割次数进行预设定。
示例性的,当所述行进场景区域内包含多个动态障碍物时,综合所有动态障碍物的体积与所述行径场景区域体积比,对所述行进场景区域进行分割,使尽量多的动态障碍物符合所述分割指标,即所述动态障碍物体积占分割结束后的1-3个子区域。反之,当所述行进场景内全部为静态障碍物时,则根据所有所述静态障碍物的体积与所述行进场景区域体积比综合进行分割,使尽量多的静态障碍物符合所述分割指标,即所述静态障碍物体积占分割结束后的1-3个子区域。
步骤213,根据所述预设定的分割次数进行分割后,查验分割结果是否符合分割指标,若不符合则进行调整直至符合分割指标。
利用步骤212计算得到的预设定分割次数进行预分割,所述检验模块检验分割后所述动态障碍物占据子区域个数是否满足所述分割指标,由于障碍物形状各异,实际占据所述子区域个数可能与预设定的不符,所以需进行检验。如果检验不符合所述分割指标,则需继续进行分割直至满足所述分割指标。
示例性的,当分割后所述动态障碍物所占子所述子区域个数大于3个,则再分割一次,随后进行检验,如满足所述分割指标则分割结束,如不满足则继续分割,直至满足所述分割指标则分割结束。
步骤230,根据分割后的子区域和各子区域内的障碍物相关信息生成子区域障碍物描述矩阵。
具体的,步骤220将所述行进场景区域划分为若干子区域后,所述子区域分为两种状态,一种为含障碍物子区域,一种为不含障碍物子区域,其中含障碍物子区域还可分为含动态障碍物子区域及含静态障碍物子区域,根据所述子区域坐标、是否含障碍物及所含障碍物种类等信息生成子区域信息描述矩阵。
步骤300,将所述子区域障碍物描述矩阵与环境描述模板矩阵进行匹配,选取匹配度最高的环境描述模板矩阵。
所述安全保障系统内部存储若干环境描述模板矩阵,所述环境模板矩阵根据经验所得,包含大多数所述行进场景区域障碍物描述信息,将生成的所述子区域障碍物描述矩阵与所述电动轮椅安全保障系统内置的所有环境描述模板进行相似度计算,并将所述相似度进行排序,选取相似度最高的环境描述矩阵。
步骤400,基于所述匹配度最高的环境描述模板矩阵和电动轮椅自身的运动状态,得到电动轮椅允许的速度变化区间及转向角度区间。
在至少一种实施方式中,步骤400可以包括步骤410至步骤440。
步骤410,将所述电动轮椅运行速度进行速度大小梯度划分。
所述电动轮椅控制模块将所述电动轮椅实时运动速度大小进行划分,划分为低速、中速、高速。
步骤420,基于所述匹配度最高的环境描述模板矩阵和所述电动轮椅运行速度梯度及运动方向建立预测模型。
所述电动轮椅运动方向以平行于地面的正东西南北为基准进行角度描述,基于步骤300得出的所述匹配度最高的环境描述模板矩阵和所述电动轮椅运行速度梯度,即低、中、高速及所述电动轮椅运动方向建立预测模型。
步骤430,对所述预测模型进行模型训练。
对步骤420得到的预测模型进行模型训练。
步骤440,利用训练后的所述预测模型输出所述电动轮椅允许的速度变化区间及转向角度允许区间。
步骤420对所述训练模型进行训练后,输入不同的所述匹配度最高的环境描述模板矩阵、不同的所述电动轮椅运行速度梯度以及不同的电动轮椅运行方向,则可以输出不同的电动轮椅允许的速度变化区间及转向角度允许区间。
步骤500,基于所述电动轮椅允许的速度变化区间及转向角度区间对电动轮椅的运动趋势进行决策。
所述电动轮椅还包括报警器及智能语音系统。根据步骤400得到的电动轮椅允许的速度变化区间及转向角度允许区间,电动轮椅用户对电动轮椅操纵杆进行操作或不小心误触电动轮椅操纵杆后,当轮椅得到的加减速和转向指令范围在所述电动轮椅允许的速度变化区间及转向角度区间时,电动轮椅根据所述指令正常运转,反之,电动轮椅进行报警并语音提醒使用者进行该操作将导致的风险,使得电动轮椅用户及时做出反应,避免危险发生。
下面参考图2详细描述本申请公开的一种基于电动轮椅行进场景的操作安全保障系统实施例。如图2所示,本实施例公开的系统包括:
信息获取模块,用于获取电动轮椅周边环境障碍物相关信息;
矩阵生成模块,用于构建电动轮椅行进场景区域,将所述行进场景区域分割为若干子区域,进而生成子区域障碍物描述矩阵;
匹配模块,用于将所述子区域障碍物描述矩阵与环境描述模板矩阵进行匹配,选取匹配度最高的环境描述模板矩阵;
允许区间获取模块,用于基于所述匹配度最高的环境描述模板矩阵和电动轮椅自身的运动状态,得到电动轮椅允许的速度变化区间及转向角度区间;
执行模块,用于基于所述电动轮椅允许的速度变化区间及转向角度区间对电动轮椅的运动趋势进行决策。
在至少一种实施方式中,信息获取模块包括:
点云数据采集单元,用于利用点云数据采集设备获取周围环境的三维点云数据;
分割单元,用于对所述三维点云数据进行分割处理;
运动状态获取单元,用于对所述三维点云数据进行点云配准,进而推算所述电动轮椅运动状态;
聚类提取单元,用于对所述分割处理后的三维点云数据进行聚类和特征提取;
分辨单元,用于根据所述电动轮椅运动状态分辨所述障碍物种类;
其中,所述障碍物种类包括动态障碍物和静态障碍物。
在至少一种实施方式中,所述行进场景区域在所述三维数据采集范围内,可根据周围环境复杂状况进行智能调节。
在至少一种实施方式中,所述矩阵生成模块包括:
区域构建单元,用于以电动轮椅为所述行进场景区域底面的几何中心构建所述电动轮椅行进场景区域;
子区域划分单元,用于根据所述电动轮椅行进场景区域内的动态障碍物体积将电动轮椅行进场景区域等体积分割为若干子区域;
矩阵生成单元,用于根据分割后的子区域和各子区域内的障碍物相关信息生成子区域障碍物描述矩阵。
在至少一种实施方式中,所述子区域分割单元包括:
比例计算子单元,用于计算所述动态障碍物占所述电动轮椅行进场景区域的体积比例;
分割预设定子单元,用于根据所述体积比例及预先设定的分割指标进行分割次数预设定;
分割子单元,用于根据所述预设定的分割次数进行分割后,查验分割结果是否符合分割指标,若不符合则进行调整直至符合分割指标。
在至少一种实施方式中,所述分割指标为所述动态障碍物体积占分割结束后的1-3个子区域。
在至少一种实施方式中,所述电动轮椅运动状态分为电动轮椅运行速度及电动轮椅运动方向,所述允许区间获取模块包括:
速度梯度划分单元,用于将所述电动轮椅运行速度进行速度大小梯度划分;
模型建立单元,用于基于所述匹配度最高的环境描述模板矩阵和所述电动轮椅运行速度梯度及运动方向建立预测模型;
模型训练单元,用于对所述预测模型进行模型训练;
允许区间获取单元,用于利用训练后的所述预测模型输出所述电动轮椅允许的速度变化区间及转向角度允许区间。
在至少一种实施方式中,所述进行决策具体指当电动轮椅操纵杆发出的加减速和转向指令范围在所述电动轮椅允许的速度变化区间及转向角度区间时,电动轮椅根据所述指令正常运转,反之,电动轮椅发出警报并通过语音提醒用户该操作存在的风险。
本文中的模块、单元或子单元的划分仅仅是一种逻辑功能的划分,在实际实现时可以有其他的划分方式,例如多个模块和/或单元可以结合或集成于另一个系统中。作为分离部件说明的模块、单元、子单元在物理上可以是分开的,也可以是不分开的。作为单元显示的部件可以是物理单元,也可以不是物理单元,即可以位于一个具体地方,也可以分布到网格单元中。因此可以根据实际需要选择其中的部分或全部的单元来实现实施例的方案。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围。