机器人目标标定和自身状态监控功能的系统的制作方法

本发明涉及一种利用机器人进行基于多传感器融合的目标物识别系统。

背景技术：

随着社会信息化技术的发展，具有自主导航能力的移动机器人在各个行业被广泛应用。机器人在行走和探索的过程中，实现机器人在未知环境中的运动、根据人的要求寻找目标并避免造成机器人本体的损坏以及设备的损坏，它必须能够识别出周围环境中的物体。

目前已经有很多方法成功地应用于基于视觉的物体识别中，如激光测距、超声波、毫米波雷达、多源融合以及基于计算机视觉的识别方法。基于超声波的目标物识别方法大多用于机器人避障领域。经典的超声波测距技术有着广泛的应用性和独特的优势，但在实际的应用环境中，依靠单一的超声波测距传感器进行设计适应能力差，只能对障碍物的距离精确测定，障碍物的位置等其他信息大多只能通过模糊推断得到，其实时性、准确性难以保证。此外，超声波在测距精度、测量盲区和测量范围等问题上存在很多局限性。基于视觉的目标识别方法虽然可以实现较大范围、精密的数据采集，但是，采样信息的丰富同时也引入了更高的系统成本；并且，功能模块的扩展需要借助更强大的微电子技术和电源技术才能实现，因此，机器人的功耗提高，连续工作时间变低，实时性下降。

此外，嵌入式机器人并没有一套针对工作状态的可视化操作界面，现有的机器人远程监控系统往往依赖于机器人厂商所提供的监控平台，不但不具有通用性，而且往往价格昂贵，使很多致力于机器人行业的小公司望而却步。目前对于嵌入式机器人的工作状态完全依赖于有经验的机器人工程师对工作实际情况的分析，并没有深入到系统层面，对于嵌入式机器人的cpu工作负载、详细实时运行状态更是一无所知，这对于长期、高效、安全地使用机器人是不利的。

为了克服传统移动机器人在功能和功耗之间的矛盾，使机器人可以在更复杂、恶劣的环境中稳定工作，目前常见的方法是将机器人移动系统与传感器、处理器系统分离，采用高容量电池或长电线利用电网供电，将微机与之组合，实现相应功能。这种方法适用于实验室或野外广阔的环境，可以进行精密的距离测量和复杂的图像处理。但相应机器人的体积偏大、成本高昂、自动化与智能化程度低。

技术实现要素：

本发明的目的是提供一套以机器人为基础的、具有目标距离测量、图像处理和自身状态监控功能的系统，具有实时性强、交互感好、成本低、用途广、精度高、功能扩展方便以及稳定性好等优点。

为了达到上述目的，本发明的技术方案是提供了一种机器人目标标定和自身状态监控功能的系统，其特征在于，包括目标物的距离测量及图像拍摄模块、机器人状态数据采集模块、数据传输模块、数据处理与显示模块，其中：

距离测量及图像拍摄模块，通过各种传感器采集相应数据，并将采集到的数据储存在机器人上；

机器人状态数据采集模块，用于实时监视机器人信息，机器人信息包括机器人各种参数与所述距离测量及图像拍摄模块中各个传感器采集到的数据；

数据传输模块，通过无线方式将通过距离测量及图像拍摄模块获得的原始数据传输至电脑端；

数据处理与显示模块，接收电脑端获得的数据后，将其处理为用户想要的、直观的目标物信息，并与由所述机器人状态数据采集模块监测的机器人信息一同在交互界面上显示。

优选地，所述距离测量及图像拍摄模块包括超声波传感器、红外传感器、视觉传感器，其中：

超声波传感器用于测量目标距离，红外传感器用于对近距离超声波传感器的盲区补充测量，超声波传感器及红外传感器均匀分布在机器人的侧面，通过测量值的不同来预估目标个数、距离和大致方位；

视觉传感器，用于拍摄正前方的环境信息，视觉传感器位于机器人正面。

优选地，所述数据处理与显示模块显示的信息包括机器人速度、加速度、目标物距离、电池使用情况、cpu负载程度，同时，还显示通过图像处理得到的目标物形状方位、通过所述视觉传感器标定得到的目标物大小、通过融合多种多个传感器的数据得到目标具体信息及其附近环境信息。

优选地，所述机器人各种参数包括速度、位置、与目标物距离、电池使用情况、cpu负载程度。

优选地，所述数据传输模块包括wi-fi通信模块，通过wi-fi通信模块建立网络连接协议和数据传输。

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明将距离测量、图像采集、数据处理与显示、性能监控集于一体，可以低成本、快速实现目标寻找和周围环境构建。本发明是基于多传感器数据融合的原理实现的，经过实验测试，本发明系统工作稳定、扩展性好、成本低、交互界面直观友好、系统工作稳定，在特定环境中可以准确、快速执行一些目标寻找任务。

附图说明

图1为本发明的结构框图；

图2为本发明中距离测量与图像拍摄模块的结构示意图；

图3为机器人、本地window机器和linux虚拟机的交互示意图；

图4为利用机器人超声波传感器和红外传感器共同作用得到周围未知物体与机器人间的距离的示意图；

图5为机器人运动模型。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一套机器人目标寻找和状态监控的系统，系统包括目标物测量与机器人状态数据采集模块、机器人状态数据采集模块、数据传输模块、数据处理与显示模块；所述目标物测量与机器人状态数据采集模块用于原始数据的获取，如目标距离和形状，记录机器人参数，以获取机器人运行状态、推算机器人运动状态；所述数据传输模块通过wifi或蓝牙，利用tcp/ip协议或ssh协议将各个传感器的数据发送至电脑端；所述数据处理与显示模块，通过实时获得的速率、陀螺仪信息等推算出机器人的运动轨迹，利用matlab等数学工具处理获得的原始图片，获得机器人在运动过程中拍摄到物体的形状、颜色等性状，结合视觉传感器的标定推算物体的大小，统计所有信息得到所寻目标及寻找过程中的大概环境信息。

图1是本发明一套基于多传感器融合的机器人目标物识别系统的结构框图。由图1可见，系统包括目标物的距离测量及图像拍摄模块、机器人状态数据采集模块、数据传输模块、数据处理与显示模块。

如图1所示，多个嵌入式机器人编队运动，在不同方向对未知物体进行协同探测，并将得到的信息存储；在机器人、本地window机器和linux虚拟机里均安装zabbix监控软件，监控机器人自身的运动信息，并将传感器得到的数据发送至window机器，利用本地机器处理数据后，将结果送至linux虚拟机并在前端显示。

如图2所示，距离测量及图像拍摄模块，主要利用超声波传感器测量机器人与未知物体间的距离，由于超声波传感器存在“盲区”，所以利用红外传感器测量机器人近处作为补偿；利用视觉传感器间断拍摄机器人运动正前方的图像。传感器得到的距离、图像等数据存储在机器人存储器内。

如图3所示，在机器人、本地window机器和linux虚拟机里均安装zabbix监控软件，基于本地路由器的wifi模式，采用securecrt通过ssh协议登陆到机器人操作系统，由机器人运行代码完成在机器人存储器上的数据传输；在机器人、本地windows机器和linux虚拟机中均设定监控项，将机器人传感器得到的信息存储在linux虚拟机的数据库中，并在前端显示。

如图4所示，利用机器人超声波传感器和红外传感器共同作用得到周围未知物体与机器人间的距离。机器人采用cmos图像采集传感器，具有高灵敏度、低噪声、光谱响应范围广、输出图像快速和良好的动态性能等优点，能在机器人不规则的运动状态下拍摄到较为清晰的图像。图像处理主要分为：图像灰度化与二值化、滤波、边缘检测和颜色匹配等四个部分。首先，对图像进行灰度化处理，使用单尺度retinex算法消除背景及障碍物由于自然光照形成的阴影，降低阴影路面与非阴影路面的对比度，增强图像；使用扫描线种子法进行区域填充，利用canny边缘检测提取边缘，即物体轮廓，并进行信息记录；最后对图像物体所在位置利用颜色特征匹配法，寻找是否与目标颜色匹配。

机器人运动模型如图5，机器人运动只考虑二维平面的运动，不考虑倾角的坡面运动，即不考虑无人车z轴方向的移动，因此无人车的位姿信息q包括二维平面的位置和朝向。

q＝[xy]^t

式中，x和y是机器人在二维坐标系的位置，是机器人方向与x轴正方向的夹角，若以机器人初始朝向为x轴正方向。

机器人的线速度为v，则无人车在二维坐标系的轴方向线速度和轴方向线速度为：

机器人中的陀螺仪可以测得三个数据x，y，z：分别表示机器人在yz、xz、xy平面的角加速度，可以利用角加速度进行积分得到角速度ω，再次积分得到角度θ。最后，利用上述获得的数据，推导出机器人的运动轨迹，并结合图像处理的到的物体信息，再标记出物体与机器人的相对位置。

本实例的数据采集及处理还需要通过相应的程序代码实现，即，首先编写机器人运动控制相关代码，使其既能平稳匀速运动，又能避开障碍并减小障碍物对机器人运动状态的影响；然后在机器人嵌入式系统、本地window系统和linux虚拟机内安装zabbix监控软件，设定监控项，编写监控和文件传输脚本，并在前端显示数据；接着，在本地系统使用matlab脚本处理原始图像，并将结果放入监控对象；最后对各个传感器得到进行信息融合得到目标物。