一种机器人的制作方法

1.本发明涉及智能服务机器人领域，特别是涉及一种机器人。


背景技术：

2.机器人时代即将到来，跟随性机器人将成为该产业发展的下一个大趋势。现有技术中的机器人包括图像采集装置、微处理器及与运动模块，具体地，在对服务对象进行跟随时，先使用图像采集装置对周围环境进行拍照以得到图片，然后微处理器针对上述图片提取人脸图像，并将人脸图像与预先存储的服务对象的图像进行比对，若相匹配，则控制机器人的运动模块对服务对象进行跟随，帮助服务对象完成任务。但是现有技术中通过拍照的方式，需要频繁的进行拍照及比对，且每相邻两次拍照之间存在一定的时间间隔，也即是每相邻两次与服务对象进行比对之间存在一定的时间间隔，从而在机器人对服务对象进行跟踪时，容易跟丢服务对象。


技术实现要素：

3.本发明的目的是提供一种机器人，通过采集视频的方式不需要频繁的进行拍照及对照片进行比对，且不存在相邻两次拍照之间的时间间隔，而是实时根据视频信息持续进行服务对象的比对，在对服务对象进行跟踪时，不容易跟丢服务对象，提高了机器人的服务质量。
4.为解决上述技术问题，本发明提供了一种机器人，包括：
5.视频采集模块，用于采集所述机器人周围环境的视频信息；
6.与所述视频采集模块连接的微处理器，用于实时根据所述视频信息确定服务对象，并生成控制指令；
7.与所述微处理器连接的运动模块，用于在接收到所述控制指令后，对所述服务对象进行跟随。
8.优选地，还包括：
9.设置于所述视频采集模块与所述微处理器之间的视频处理器，用于根据所述视频信息选取所述视频信息中包含人脸图像的视频信息，并对所述包括人脸图像的视频信息进行分帧以得到包含人脸图像的图片；
10.所述微处理器具体用于根据所述图片中的人脸图像确定所述服务对象，并生成所述控制指令。
11.优选地，所述视频处理器还用于对包含人脸图像的所述图片进行锐化及去躁处理。
12.优选地，所述微处理器具体用于根据包含人脸图像的所述图片提取所述人脸图像的特征信息，并将所述特征信息代入特征模型，基于所述特征模型及所述特征信息判断所述人脸图像是否与预先存储的所述服务对象的人脸图像相匹配，若是，则生成所述控制指令。
13.优选地，根据所述人脸图像提取所述人脸图像的特征信息，包括：
14.使用vgg
‑
net神经网络提取所述人脸图像的特征信息。
15.优选地，所述vgg
‑
net神经网络在池化方式中使用均值下采样层。
16.优选地，所述vgg
‑
net神经网络的网络结构中使用m％的全连接层，其中，m小于100。
17.优选地，所述运动模块包括：
18.与所述微处理器连接的检测模块，用于采集所述机器人运动前方的环境信息；
19.所述微处理器具体用于根据所述视频信息确定服务对象，并基于所述环境信息判断所述环境信息中是否包含障碍物信息，若是，则基于所述服务对象及所述障碍物信息生成控制指令；
20.与所述微处理器及所述连接的驱动模块，用于接收所述控制指令，并基于所述控制指令生成驱动信号；
21.与所述驱动模块连接的运动轮，用于基于所述驱动信号运动以避开障碍物对所述服务对象进行跟随。
22.优选地，还包括：
23.与所述微处理器连接的交互模块，用于在接收到所述控制指令后与所述服务对象进行语音交互或界面交互。
24.优选地，所述交互模块包括摄像装置、语音装置及显示装置中一种或多种的组合。
25.本申请提供了一种机器人，包括视频采集模块、微处理器及运动模块，机器人通过采集视频信息，然后微处理器实时根据视频信息确定服务对象。可见，本申请中通过采集视频的方式不需要频繁的进行拍照及对照片进行比对，且不存在相邻两次拍照之间的时间间隔，而是实时根据视频信息持续进行服务对象的比对，在对服务对象进行跟踪时，不容易跟丢服务对象，提高了机器人的服务质量。
附图说明
26.为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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附图。
27.图1为本发明提供的一种机器人的结构框图；
28.图2为本发明提供的另一种机器人的结构框图；
29.图3为本发明提供的一种视频处理器的结构框图；
30.图4为本发明提供的一种微处理器的结构框图；
31.图5为本发明提供的一种交互模块的结构框图；
32.图6为本发明提供的一种机器人对服务对象进行跟随时的流程示意图。
具体实施方式
33.本发明的核心是提供一种机器人，通过采集视频的方式不需要频繁的进行拍照及对照片进行比对，且不存在相邻两次拍照之间的时间间隔，而是实时根据视频信息持续进
行服务对象的比对，在对服务对象进行跟踪时，不容易跟丢服务对象，提高了机器人的服务质量。
34.为使本发明实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例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。
35.请参照图1，图1为本发明提供的一种机器人的结构框图，该机器人包括：
36.视频采集模块1，用于采集机器人周围环境的视频信息；
37.与视频采集模块1连接的微处理器2，用于实时根据视频信息确定服务对象，并生成控制指令；
38.与微处理器2连接的运动模块3，用于在接收到控制指令后，对服务对象进行跟随。
39.考虑到现有技术中机器人对服务对象进行跟随时，通过对机器人的周围环境进行拍照，进而提取图片中的人脸图像，并将其与服务对象的人脸图像进行比对，以确定服务对象时，由于相邻两次拍照之间存在时间间隔，也即是每两次相邻的比对之间存在时间间隔，此时，在机器人对服务对象进行跟随时，有可能在时间间隔内跟丢服务对象。
40.基于此，本申请中在机器人对服务对象进行跟随时，通过对机器人周边环境的视频信息进行采集，进而得到一个实时的视频信息，然后微处理器2对视频信息进行实时处理，以实时将视频信息和服务对象进行比对，以确定服务对象，并在确定服务对象后，生成对应的控制指令以使运动模块3跟随服务对象进行运动。本申请中，使用采集视频信息的方式不存在拍照的时间间隔，且由于视频信息中包括许多帧数的图片，因此，基于视频信息和服务对象进行比对时，大大提高了比对的精度，在机器人对服务对象进行跟随时，不容易跟丢服务对象。
41.需要说明的是，本申请中的视频采集模块1可以但不限于为摄像头，机器人周围环境中的视频信息可以为机器人某一方向的视频信息，或机器人周围的某个角度范围内的视频信息等，本申请在此不再限定。
42.综上，本申请提供的机器人根据视频采集模块1采集到视频信息，实时确定服务对象，不需要频繁的进行拍照及对照片进行比对，且不存在相邻两次拍照之间的时间间隔，而是实时根据视频信息持续进行服务对象的比对，在对服务对象进行跟随时，不容易跟丢服务对象，提高了机器人的服务质量。
43.在上述实施例的基础上：
44.请参照图2，图2为本发明提供的另一种机器人的结构框图。
45.作为一种优选的实施例，还包括：
46.设置于视频采集模块1与微处理器2之间的视频处理器4，用于根据视频信息选取视频信息中包含人脸图像的视频信息，并对包括人脸图像的视频信息进行分帧以得到包含人脸图像的图片；
47.微处理器2具体用于根据图片中的人脸图像确定服务对象，并生成控制指令。
48.具体地，考虑到直接使用微处理器2对视频信息进行处理时，微处理器2的工作压力较大，以至于微处理器2的处理速度可能会较慢，进而不利于机器人对服务对象进行跟随。
49.为解决上述技术问题，本申请在视频采集模块1与微处理器2之间设置了视频处理器4，用于在视频采集模块1采集到的视频信息中，将包含人脸图像的视频信息选取出来，并对此视频信息进行分帧处理，以得到与此视频信息相对应的包含人脸图像的图片，根据对视频信息进行分帧处理的帧数的不同，本申请得到的图片的数量也不同，且帧数越大得到的图片越多，与服务对象比对的结果越精细，相对应的，微处理器2基于各图片中的人脸图像与预先存储的服务对象的人脸图像进行比对，以确定服务对象的准确性越高。
50.需要说明的是，对于本申请中具体的视频的帧数及视频处理器4的具体实现方式，本申请在此不作特别的限定，具体根据实际情况而定。
51.此外，请参照图3，图3为本发明提供的一种视频处理器的结构框图，本申请中的视频处理器4可以分为视频选取模块、视频分帧模块、图像处理模块及图像传送模块。具体地，视频选取模块用于在视频采集模块1采集到的视频信息中，将包含人脸图像的视频信息选取出来；视频分帧模块用于对包含人脸图像的视频信息进行分帧处理，以得到与此视频信息相对应的包含人脸图像的图片；图像处理模块包括图像去躁单元及图像锐化单元，分别对包含人脸图像的图片进行去躁及锐化处理；图像传送模块用于将图像处理模块处理好的图片传输至微处理器2。
52.综上，通过本申请中的视频处理器4可以加快微处理器2的处理速度，提高匹配服务对象的速度及精准度。
53.作为一种优选的实施例，视频处理器4还用于对包含人脸图像的图片进行锐化及去躁处理。
54.考虑到通过视频处理器4得到的包含人脸图像的图片的清晰度可能不能得到保证，也即是图片可能相对比较模糊，可能无法实现与服务对象的比对，进而造成跟随失败的情况。
55.为解决以上问题，本申请中的视频处理器4还对图片进行锐化处理，以将模糊的图片还原为更清楚的图片，从而更便于微处理器2将其与服务对象的人脸图像比对，提高比对的精度。
56.此外，还考虑到图片在数字化和传输过程中可能会受到外部环境中的噪声干扰的影响，使图片中包含造成噪声，进而影响了图片与服务对象进行比对的结果。因此，本申请中的视频处理器4还对图片进行了去躁处理，以保证图片的清晰度。
57.综上，本申请中的视频处理器4通过对包含人脸图像的图片进行锐化及去躁处理，进而得到了更加清楚和稳定的图片信息，以便微处理器2根据上述图片信息更精准的与服务对象的图片进行比对，提高了机器人对服务对象跟随的可靠性。
58.作为一种优选的实施例，微处理器2具体用于根据包含人脸图像的图片提取人脸图像的特征信息，并将特征信息代入特征模型，基于特征模型及特征信息判断人脸图像是否与预先存储的服务对象的人脸图像相匹配，若是，则生成控制指令。
59.本实施例中旨在提供微处理器2将包含人脸图像的图片与预先存储的服务对象的人脸图像进行比对的具体过程，具体地，首先从包含人脸图像的图片中提取出人脸图像的特征信息，然后将特征信息代入到特征模型中，基于特征模块的计算结果与预先存储的服务对象的人脸图像进行比对，判断是否与服务对象相匹配，若是，则生成控制指令以对服务对象进行跟随。
60.需要说明的是，本申请中的特征信息可以但不限于包括瞳孔距、或者是眼睛、鼻子和嘴等面部特征之间的其它几何关系等，本申请在此不再限定。
61.此外，本申请中的特征模型可以为预先存储在微处理器2中的，也可以是存储在与微处理器2连接的存储器中的，在需要使用特征模型时，微处理器2将其从存储器中调用出来。
62.此外，请参照图4和图6，图4为本发明提供的一种微处理器的结构框图，图6为本发明提供的一种机器人对服务对象进行跟随时的流程示意图，具体地，可以将微处理器2分为图像特征提取模块、特征模型建立模块、特征模型传输模块、特征模型匹配模块及控制指令模块，其中，在控制机器人对服务对象进行跟随时，先使用视频采集模块1采集服务对象的视频信息，然后使用视频处理器4将采集到的视频信息处理为包括人脸图像的图片信息，然后进入微处理器2的处理过程，具体地，微处理器2的处理过程包括：图像特征提取模块从包含人脸图像的图片中提取出人脸图像的特征信息，特征模型建立模块根据特征信息建立特征模型，特征模型传输模块将特征模型传输至特征模型匹配模块以使特征模型匹配模块根据特征信息及特征模型判断人脸图像与服务对象是否匹配，控制指令模块用于在人脸图像与服务对象相匹配时，生成控制指令传输至交互模块及运动模块以对服务对象进行跟随，若人脸图像与服务对象不匹配，则重新进入采集服务对象的视频信息的步骤。
63.综上，本申请中微处理器2的处理方式可以实现根据视频信息确定服务对象的功能，且实现方式简单易操作。
64.作为一种优选的实施例，根据人脸图像提取人脸图像的特征信息，包括：
65.使用vgg
‑
net(visual geometry group network，vgg模型)神经网络提取人脸图像的特征信息。
66.本申请只在提供一种提取人脸图像的特征信息的具体实施方式，具体地，使用vgg
‑
net神经网络算法，使用该方式提取特征信息优于传统局部特征提取算法，能够获得更全面的人脸图像特征，获取更精确的人脸图像特征，提高了特征信息提取的精确度，在与服务对象进行比对时，也使比对的结果更加精确。
67.此外，需要说明的是，对于基于特征模型及特征信息判断人脸图像是否与预先存储的服务对象的人脸图像相匹配这一计算过程而言，本申请将计算过程中的卷积核数目由现有技术中常用的500更改为700，其中，卷积核数目和特征信息的精确度呈正相关，也即是将卷积核数目适量的增多，以获取更详细的人脸图像的特征信息，但也增多了网络参数，对微处理器2的内存的要求进一步提高。此外，使用vgg
‑
net神经网络提取人脸图像的特征之后，用pca(programmable counter array，可编程计数器阵列)对获取的人脸图像特征降低维度，进而用svm(support vector machine,支持向量机)分类器完成对人脸图像的识别。当然，具体的实现过程不限于上述举例，卷积核数目也不限于上述举例的700，本申请在此不再限定。
68.作为一种优选的实施例，vgg
‑
net神经网络在池化方式中使用均值下采样层。
69.具体地，本申请使用均值下采样层代替现有技术中的常用的最大池化层，既不会影响神经网络的性能，使用平均值计算的方式还可以提取更精确的人脸图像的特征信息。此外，使用均值下采样层的方式时，需保存的数据计算量大大减小，从而达到节省存储空间的作用。
70.例如，使用最大值计算时，需要保存25个数值，但使用平均值计算时，只需保存计算平均值之后的一个数值即可，也即是需保存的数据计算量仅为之前的1/25,从而达到节省存储空间的效果。
71.综上，本申请中的方式在能够完成提取特征信息的同时，还是提高了特征信息的精确度，及节省了存储空间。
72.作为一种优选的实施例，vgg
‑
net神经网络的网络结构中使用m％的全连接层，其中，m小于100。
73.本申请旨在限定神经网络的具体结构，具体地，在计算过程中不使用全部的全连接层进行计算，虽然使用全部的连接层进行计算时，计算准确度较高，但是计算速度会较慢。
74.因此，本申请在保证一定的计算准确度的前提下，可以使用部分的全连接层，也即是不使用全部的全连接层，以提高比对速度。
75.作为一种优选的实施例，运动模块3包括：
76.与微处理器2连接的检测模块31，用于采集机器人运动前方的环境信息；
77.微处理器2具体用于根据视频信息确定服务对象，并基于环境信息判断环境信息中是否包含障碍物信息，若是，则基于服务对象及障碍物信息生成控制指令；
78.与微处理器2及连接的驱动模块32，用于接收控制指令，并基于控制指令生成驱动信号；
79.与驱动模块32连接的运动轮33，用于基于驱动信号运动以避开障碍物对服务对象进行跟随。
80.本申请旨在提供一种运动模块3的具体实现方式，考虑到机器人的行进路上可能会存在障碍物，阻碍机器人的运动，如石头或板凳等物体。
81.为解决上述技术问题，本申请中的运动模块3设置了检测模块31，检测机器人前方的环境信息，微处理器2基于环境信息判断环境信息中是否包含有障碍物信息，若有，则基于障碍物信息及确定的服务对象生成控制指令，以控制驱动模块32驱动运动轮33对服务对象进行跟随时避开障碍物，以帮助服务对象完成任务，并保证机器人自身运动时不受到障碍物的影响，进而保证机器人在运动过程中的可靠性。
82.此外，使用运动轮33作为跟随移动的装置，驱动和控制都较方便，且运动轮33的自重轻，行走速度快，结构简单，工作效率高，机动灵活。
83.需要说明的是，本申请中采集机器人运动前方的环境信息的检测模块31可以但不限于为红外传感模块，也可以为其他的检测模块31，本申请在此不做特别的限定。此外，本申请中的用于对服务对象进行跟随的并不仅限于运动轮33，还可以采取履带式、蛇形式、腿式等可以进行跟随的装置，本申请在此不再限定。
84.综上，本申请在控制机器人对服务对象进行跟随的同时，还通过检测模块31及微处理器2使机器人在跟随过程中避开障碍物，提高了机器人的跟随过程中的安全性及可靠性。
85.作为一种优选的实施例，还包括：
86.与微处理器2连接的交互模块，用于在接收到控制指令后与服务对象进行语音交互或界面交互。
87.作为一种优选的实施例，交互模块包括摄像装置、语音装置及显示装置中一种或多种的组合。
88.考虑到在机器人对服务对象进行跟随时，能够随时根据服务对象的指令控制自进行相适应的动作以完成服务对象的指令。因此，本申请还设置了交互模块，便于机器人在跟随服务对象时，对机器人下达新的指令。
89.具体地，请参照图5，图5为本发明提供的一种交互模块的结构框图，交互模块可以但不限于包括摄像装置、语音装置及显示装置中的一种或多种的组合，其中，语音装置包括语音接收装置及语音播报装置，分别用于接收服务对象的语音并对服务对象的语音进行识别以进行与语音对应的操作，以完成和服务对象之间的语音交互；显示装置可以是人机界面，用户可以在人机界面上进行操作，以向机器人下达命令。
90.当然，交互装置5的具体实现并不限于上述举例，本申请在此不做特别的限定。
91.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
92.还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
93.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。