一种智能巡逻机器人的制作方法

本发明涉及巡逻
技术领域：
，具体涉及一种智能巡逻机器人。
背景技术：
：随着科技的发展和社会的进步，机器人走入了人们的生活，一方面，机器人在图像识别上技术还有待提高，另一方面，巡逻机器人不具备清洁功能。固有的图像处理一般都是以像素点作为处理的基本单位，一幅128×128的图像，其像素点的个数就达到了16384，这个数值是非常庞大的，这就导致算法时间复杂度非常高。如果将某些满足特定条件的像素点构成一个集合，以这些集合作为处理的基本单位，那么算法所需要的时间将大大缩短。超像素生成就是能够将像素聚集成集合的有效途径。图像超像素是将具有相似属性的像素点聚集成一个区域，代替像素对图像进行表示，图像超像素生成的过程即是依照灰度、纹理、颜色以及形状等特征信息，将相邻的像素点组合在一起，构成一个区域，使得区域内部像素点特征具有一致性，任何两个不同的区域内所包含的像素点具备明显的差异性。技术实现要素：针对上述问题，本发明旨在提供一种智能巡逻机器人。本发明的目的采用以下技术方案来实现：提供了一种智能巡逻机器人，包括图像获取装置、图像识别装置、通信装置、控制装置、移动装置、清扫装置和洒水装置，所述图像获取装置用于获取机器人前方图像，所述图像识别装置基于超像素对机器人前方图像进行识别，所述通信装置用于将图像识别结果发送至控制装置，所述控制装置根据图像识别结果生成机器人巡逻路线，并发送给移动装置，所述移动装置控制机器人沿巡逻路线进行移动，所述清扫装置用于对巡逻路线的地面进行清扫，所述洒水装置用于对巡逻路线的地面洒水。本发明的有益效果为：提供了一种智能巡逻机器人，实现了图像准确快速识别，为后续巡逻路线的清洁奠定了基础。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：图像获取装置1、图像识别装置2、通信装置3、控制装置4、移动装置5、清扫装置6、洒水装置7。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，本实施例的一种智能巡逻机器人，包括图像获取装置1、图像识别装置2、通信装置3、控制装置4、移动装置5、清扫装置6和洒水装置7，所述图像获取装置1用于获取机器人前方图像，所述图像识别装置2基于超像素对机器人前方图像进行识别，所述通信装置3用于将图像识别结果发送至控制装置4，所述控制装置4根据图像识别结果生成机器人巡逻路线，并发送给移动装置5，所述移动装置5控制机器人沿巡逻路线进行移动，所述清扫装置6用于对巡逻路线的地面进行清扫，所述洒水装置7用于对巡逻路线的地面洒水。本实施例提供了一种智能巡逻机器人，实现了图像准确快速识别，为后续巡逻路线的清洁奠定了基础。优选的，所述图像识别装置2包括第一处理单元、第二处理单元、第三处理单元和第四处理单元，所述第一处理单元用于建立超像素模型，所述第二处理单元用于根据超像素模型生成图像超像素，所述第三处理单元用于对所述图像超像素生成结果进行评价，所述第四处理单元根据图像超像素对机器人前方图像进行识别。所述第一处理单元用于建立超像素模型：设输入图像为EH，其包含的像素个数为N，对图像进行过分割，得到超像素模型，将其超像素模型表示为：(i,j＝1,2,…,K)，上述式子中，K表示超像素的个数，EHj和EHi分别表示第j个和第i个超像素；图像过分割是将一幅输入图像分割成更多的尺寸较小的互不重叠的区域，而每一个小的区域，称之为超像素。本优选实施例第一处理单元通过建立超像素模型，减少了图像表示的数量级，进而降低了后续图像处理算法的复杂度，为图像处理算法的实时性提供了可能。优选的，所述第二处理单元用于根据超像素模型生成图像超像素：步骤一，选择K个像素点标记为K个超像素初始的聚类中心；步骤二，计算图像中每个像素点到各个聚类中心的距离，并将该像素点标记为与其距离最近的聚类中心所在超像素的那一类；步骤三，将每个超像素包含的所有像素点的几何中心作为该超像素的新的聚类中心；步骤四，重复步骤二和步骤三，直至超像素新的聚类中心与旧的聚类中心的偏差小于事先设定的阈值，将该超像素作为最终生成的超像素；所述计算图像中每个像素点到各个聚类中心的距离：上述式子中，YW表示像素点到聚类中心的距离，d1表示像素点和聚类中心在RGB颜色空间的欧式距离，d2表示像素点和聚类中心在Lab颜色空间的欧式距离，d3表示像素点和聚类中心的空间位置的欧式距离，β1、β2、β3表示权重系数，β1+β2+β3＝1；本优选实施例第二处理单元通过对图像中像素点分别进行聚类，实现了图像超像素的准确生成，同时采用像素点两种不同颜色空间和空间位置的欧式距离作为划分依据，能够保证超像素内部像素点颜色一致性和划分的准确性，提升后续图像处理的准确性，通过调节权重系数，图像能够适应不同应用需求生成超像素。优选的，所述第三处理单元包括第一评价子单元、第二评价子单元和综合评价子单元，所述第一评价子单元用于确定图像超像素生成的第一评价指标，所述第二评价子单元用于确定图像超像素生成的第二评价指标，所述综合评价子单元根据第一评价指标和第二评价指标对图像超像素生成结果进行评价；所述第一评价子单元用于确定图像超像素生成的第一评价指标：利用下式确定图像超像素生成的第一评价指标：上述式子中，LG1表示第一评价指标，M1表示图像标准分割边界的像素落入超像素边界周围1个像素宽度区域内的比例，M2表示图像标准分割边界的像素落入超像素边界周围2个像素宽度区域内的比例；所述第一评价指标越大，表示生成的超像素对图像的边界保持效果越好；所述第二评价子单元用于确定图像超像素生成的第二评价指标：利用下式确定图像超像素生成的第二评价指标：上述式子中，LG2表示第二评价指标，K表示超像素的个数，si表示第i个超像素的面积，li表示第i个超像素的周长；所述第儿评价指标越大，表示生成的超像素越紧凑；所述综合评价子单元根据第一评价指标和第二评价指标对图像超像素生成结果进行评价：根据第一评价指标和第二评价指标确定综合评价指标：LG＝ln(LG1×LG2+2)，上述式子中，LG表示综合评价指标；所述综合评价指标越大，表示生成的超像素综合性能越好。本优选实施例第三处理单元通过确定评价指标，实现了图像超像素生成结果的准确评价，具体的，第一评价指标准确反映了生成的超像素对图像的边界保持效果，第二评价指标准确反映了生成的超像素的紧凑性，综合评价指标对超像素生成进行综合评价，为后期将超像素作为图像处理基本单位奠定了基础。采用本发明智能巡逻机器人进行巡逻，选取5个巡逻区域进行实验，分别为巡逻区域1、巡逻区域2、巡逻区域3、巡逻区域4、巡逻区域5，对巡逻效率和巡逻成本进行统计，同人工巡逻相比，产生的有益效果如下表所示：巡逻效率提高巡逻成本降低巡逻区域129％27％巡逻区域227％26％巡逻区域326％26％巡逻区域425％24％巡逻区域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，本领域的普通技术巡逻区域应当理解，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1 2 3