一种用于巡检机器人的语音指令控制方法及装置与流程

本发明涉及智能机器人技术领域，尤其涉及一种用于巡检机器人的语音指令控制方法及装置。

背景技术：

人工智能技术的发展与普及，促进了机器人行业的迅速发展，越来越多的工厂及企事业单位期望利用机器人来代替人类低效高成本的工作。而巡检机器人成为诸类机器人中最受欢迎的机器人之一，众多工厂希望利用巡检机器人来完成枯燥的监控管理任务，以节时高效的完成巡检工作。

但目前多数的巡检机器人都是基于按键式的，对机器人的控制需要按下相应的控制键，此类机器人虽然在一定程度上减少了工作人员，但必须有工作人员在机器人旁边对其发号施令，依然无法摆脱对人员的需要，造成其工作效率低，速度慢以及控制不方便等问题。此外，随着对机器人指令的增多，机器人上按键将占用机器人外观上的大多空间，造成其外观设计复杂且不美观的问题。

技术实现要素：

本发明实施例的目的是提供一种用于巡检机器人的语音指令控制方法，能够有效提高对巡检机器人的控制速度和精度，有利于提高巡检机器人的工作效率，且本发明实施例通过语音控制代替传统的按键控制，能够有效提高控制的便捷性和美观，从而能够有效提高用户的使用体验。

为实现上述目的，一方面，本发明的一个实施例提供了一种用于巡检机器人的语音指令控制方法，至少包括以下步骤：

获取音频数据；其中，所述音频数据包括本地音频数据和远程音频数据；

通过深度学习法对所述音频数据中的语音指令进行识别；

根据识别到的所述语音指令执行对应的命令动作。

进一步地，在所述“通过深度学习法对所述音频数据中的语音指令进行识别”之后，还包括步骤：

删除已识别的所述语音指令。

进一步地，所述获取音频数据，具体为：

在预设的时间内持续是否有远程音频数据发送过来，若是，则获得所述远程音频数据，若否，则本地开启语音检测功能获取本地音频数据。

进一步地，所述通过深度学习法对所述音频数据中的语音指令进行识别，具体为：

通过深度学习法持续对所述音频数据中的唤醒词进行识别，直至出现唤醒词，进入指令识别状态；根据所述指令识别状态对所述音频数据中的语音指令进行识别；其中，所述语音指令可以为多个。

另一方面，本发明的另一实施例提供的一种用于巡检机器人的语音指令控制装置，包括获取模块、识别模块和执行模块；

所述获取模块，用于获取音频数据；其中，所述音频数据包括本地音频数据和远程音频数据；

所述识别模块，用于通过深度学习法对所述音频数据中的语音指令进行识别；

所述执行模块，用于根据识别到的所述语音指令执行对应的命令动作。

进一步地，还包括删除模块，所述删除模块用于删除已识别的所述语音指令。

进一步地，所述获取模块，具体用于：

在预设的时间内持续是否有远程音频数据发送过来，若是，则获得所述远程音频数据，若否，则本地开启语音检测功能获取本地音频数据。

进一步地，所述识别模块，具体用于：

通过深度学习法持续对所述音频数据中的唤醒词进行识别，直至出现唤醒词，进入指令识别状态；根据所述指令识别状态对所述音频数据中的语音指令进行识别；其中，所述语音指令可以为多个。

本发明实施例的目的是提供一种用于巡检机器人的语音指令控制方法，能够有效提高对巡检机器人的控制速度和精度，有利于提高巡检机器人的工作效率，且本发明实施例通过语音控制代替传统的按键控制，能够有效提高控制的便捷性和美观，从而能够有效提高用户的使用体验。

附图说明

图1是本发明提供的一种用于巡检机器人的语音指令控制方法的流程示意图；

图2是本发明提供的一种用于巡检机器人的语音指令控制方法的另一流程示意图；

图3是本发明提供的一种用于巡检机器人的语音指令控制装置的结构示意图。

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、完整地描述，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作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。

本发明提供的第一实施例：

请参阅图1-2。

本发明实施例提供了一种用于巡检机器人的语音指令控制方法，至少包括以下步骤：

s1、获取音频数据；其中，音频数据包括本地音频数据和远程音频数据；

s2、通过深度学习法对音频数据中的语音指令进行识别；

s3、根据识别到的语音指令执行对应的命令动作。

在本发明实施例中，通过获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验；首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别到语音指令时，则将识别到的语音指令发送至机器人，并删掉这一音频数据；本发明实施例通过对已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率；在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过深度学习法对音频数据中的语音指令进行识别之前，首先对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

作为本发明实施例的一种具体实施方式，在“通过深度学习法对音频数据中的语音指令进行识别”之后，还包括步骤：

删除已识别的语音指令。

在本发明实施例中，首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别到语音指令时，则将识别到的语音指令发送至机器人，并删掉这一音频数据。本发明实施例通过对已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率。

作为本发明实施例的一种具体实施方式，获取音频数据，具体为：

在预设的时间内持续是否有远程音频数据发送过来，若是，则获得远程音频数据，若否，则本地开启语音检测功能获取本地音频数据。

在本发明实施例中，可以理解的是，远程音频数据的优先级大于本地音频数据。本发明实施例通过获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验。

作为本发明实施例的一种具体实施方式，通过深度学习法对音频数据中的语音指令进行识别，具体为：

通过深度学习法持续对音频数据中的唤醒词进行识别，直至出现唤醒词，进入指令识别状态；根据指令识别状态对音频数据中的语音指令进行识别；其中，语音指令可以为多个。

在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过深度学习法对音频数据中的语音指令进行识别之前，首先对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

在本发明实施例中，可以理解的是，假设唤醒词为“小车”，语音指令有三个，分别为“停止”、“告警”、“继续”，在机器人识别到唤醒词“小车”时，机器人进入指令识别状态，此后一直等待语音指令的输入，直到机器人识别到语音指令“停止”时，机器人根据语音指令“停止”执行停下来的行动；若机器人识别到语音指令“告警”时，机器人根据语音指令“停止”执行播放一段用于告警的音乐的行动；若机器人识别到语音指令“继续”时，机器人根据语音指令“继续”执行继续巡检的行动。在机器人开始进行唤醒词“小车”的识别时，如果此音频数据不是“小车”或不含有“小车”二字，则删除该语音，并持续的对输入的音频数据进行识别，直到识别出有“小车”二字，使机器人进入指令识别状态，对之后输入的音频数据进行语音命令的识别，判断是否有“停止”、“告警”、“继续”等词且删除已经识别过的语音；最后，根据识别出的语音命令执行相应的命令。

实施本发明实施例，具有如下有益效果：

在本发明实施例中，通过获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验；首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别到语音指令时，则将识别到的语音指令发送至机器人，并删掉这一音频数据；本发明实施例通过对已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率；在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过深度学习法对音频数据中的语音指令进行识别之前，首先对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

本发明的第二实施例：

请参阅图3。

本发明实施例提供了一种用于巡检机器人的语音指令控制装置，包括获取模块101、识别模块102和执行模块103；

获取模块101，用于获取音频数据；其中，音频数据包括本地音频数据和远程音频数据；

识别模块102，用于通过深度学习法对音频数据中的语音指令进行识别；

执行模块103，用于根据识别到的语音指令执行对应的命令动作。

在本发明实施例中，通过获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验；首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别到语音指令时，则将识别到的语音指令发送至机器人，并删掉这一音频数据；本发明实施例通过对已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率；在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过深度学习法对音频数据中的语音指令进行识别之前，首先对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

作为本发明实施例的一种具体实施方式，还包括删除模块，删除模块用于删除已识别的语音指令。

在本发明实施例中，首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并通过删除模块将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别到语音指令时，则将识别到的语音指令发送至机器人，并通过删除模块删掉这一音频数据。本发明实施例通过删除模块对已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率。

作为本发明实施例的一种具体实施方式，获取模块101，具体用于：

在预设的时间内持续是否有远程音频数据发送过来，若是，则获得远程音频数据，若否，则本地开启语音检测功能获取本地音频数据。

在本发明实施例中，可以理解的是，远程音频数据的优先级大于本地音频数据。本发明实施例通过获取模块101获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验。

作为本发明实施例的一种具体实施方式，识别模块102，具体用于：

通过深度学习法持续对音频数据中的唤醒词进行识别，直至出现唤醒词，进入指令识别状态；根据指令识别状态对音频数据中的语音指令进行识别；其中，语音指令可以为多个。

在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过深度学习法对音频数据中的语音指令进行识别之前，首先通过识别模块102对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

在本发明实施例中，可以理解的是，假设唤醒词为“小车”，语音指令有三个，分别为“停止”、“告警”、“继续”，在机器人识别到唤醒词“小车”时，机器人进入指令识别状态，此后一直等待语音指令的输入，直到机器人识别到语音指令“停止”时，机器人根据语音指令“停止”执行停下来的行动；若机器人识别到语音指令“告警”时，机器人根据语音指令“停止”执行播放一段用于告警的音乐的行动；若机器人识别到语音指令“继续”时，机器人根据语音指令“继续”执行继续巡检的行动。在机器人开始进行唤醒词“小车”的识别时，如果此音频数据不是“小车”或不含有“小车”二字，则删除该语音，并持续的对输入的音频数据进行识别，直到识别出有“小车”二字，使机器人进入指令识别状态，对之后输入的音频数据进行语音命令的识别，判断是否有“停止”、“告警”、“继续”等词且删除已经识别过的语音；最后，根据识别出的语音命令执行相应的命令。

实施本发明实施例，具有如下有益效果：

在本发明实施例中，通过获取模块101获取远程音频数据或本地音频数据对机器人进行识别从而控制机器人的动作，能够使得用户可以方便、快捷实现对机器人的控制，有利于提高对机器人的控制效率以及用户的使用体验；识别模块102首先对输入的音频数据进行唤醒词的识别，若为唤醒词，则将识别得到的唤醒词发送给机器人，使机器人进入指令识别状态，并通过删除模块将识别得到的唤醒词删掉，否则继续进行唤醒词的识别直至唤醒词出现；在机器人处于指令识别状态后，则开始对下一输入的音频数据持续进行语音指令的识别，当识别模块102识别到语音指令时，则将识别到的语音指令发送至机器人，并通过删除模块删掉这一音频数据；本发明实施例通过删除模块对识别模块102已识别的音频数据进行删除，能够有效减小机器人的内存消耗，有利于增加机器人系统的运行效率，从而有利于提高对机器人的控制效率；在本发明实施例中，唤醒词的运行负载小于语音指令的运行负载，通过识别模块102深度学习法对音频数据中的语音指令进行识别之前，首先对音频数据中的唤醒词进行识别，能够有效减小机器人运作过程中的运行负载，从而提高机器人的执行效率，且通过深度学习法对音频数据中的语音指令进行识别，在识别出语音指令之后，能够直接通过所识别出的语音指令对机器人执行相关控制，实现了端对端的快速控制，代替了现有技术中需要将语音指令转换成相应的机器人控制指令再进行机器人控制的步骤，有利于减机器人系统的运行负担，从而有利于对提高机器人运行效率以及对机器人的控制效率，进而能够有效提高用户的使用体验。

以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。