一种基于嵌入式AI计算平台的巡检机器人避障方法与流程

本发明涉及巡检机器人技术领域，尤其是一种用于复杂环境下的基于嵌入式ai计算平台的巡检机器人避障方法。

背景技术：

目前，巡检机器人已经遍布军事、工业、民用等各大领域，并且还在不断发展当中。巡检机器人体现智能性的一个重要标志就是自主导航，而实现机器人自主导航有个基本要求——避障。现有技术中，巡检机器人的避障通常基于超声波传感器或视觉传感器来实现。

超声波传感器检测距离原理是通过发出的超声波到接收到返回的超声波之间的时间差，计算出巡检机器人与障碍物之间的距离。由于超声波在空气中的传播速度与温湿度有关，测量精度要求较高的情况下，需要将温湿度的变化和其它因素考虑进去，且存在一个最小探测盲区，无法对近距离障碍物进行探测；另外，如果超声波发射到障碍物具有较小转弯角度的平滑表面上，会被该表面反射出去，而不是返回巡检机器人，在这种情况下，由于接收不到返回的超声波，就会导致一次障碍物漏报，巡检机器人的避障行为不能得以触发，存在避障失败的风险。与此同时，超声波传感器无法探测障碍物的形状和大小信息，无法提前进行路径规划，所以单纯使用超声波传感器，无法达到巡检机器人在隧道等复杂环境的避障要求。

单纯的视觉传感器在使用过程中，受光线强弱、烟雾等因素的影响很大，并且无法检测玻璃等透明障碍物的存在，且视觉传感器无法准确定位障碍物的距离，同样不适合单独用于隧道机器人的避障。

技术实现要素：

针对上述问题，本发明提供一种融合超声波传感器和视觉传感器的基于嵌入式ai计算平台的巡检机器人避障方法。

一种基于嵌入式ai计算平台的巡检机器人避障方法，将超声波避障与视觉避障相结合，具体包括以下步骤：

步骤1，超声波传感器不断发出超声波的同时，接收障碍物返回的超声波，计算超声波发出时间和返回时间的时间差并传送至运算控制器；

步骤2，运算控制器通过声速与时间差计算出此时巡检机器人与当前障碍物之间的距离；

步骤3，视觉传感器采集巡检机器人前方图像并传送至运算控制器；

步骤4，运算控制器通过图像处理技术判断障碍物的形状和尺寸信息；

步骤5，运算控制器将障碍物与巡检机器人的距离信息、障碍物的形状和尺寸信息传动至路径规划模块；

步骤6，路径规划模块根据接收到的障碍物信息，进行路径寻找、行为决策和动作规划，并将动作规划信息传动至路径控制模块；

步骤7，路径控制模块根据动作规划信息控制巡检机器人的移动轨迹。

进一步的，超声波传感器和视觉传感器均设置于巡检机器人正前方，且超声波传感器由舵机控制。

进一步的，运算控制器中搭建有根据障碍物信息寻找最佳路径进行动作规划的路径规划模型，所述路径规划模型基于大量路径规划数据的深度学习得到。

进一步的，路径控制模块至少包括设置于巡检机器人底部具有转向功能的驱动轮和刹车系统，运算控制器基于路径规划模型根据当前障碍物信息寻找最佳路径并转换为驱动轮和刹车系统的驱动信号，从而控制巡检机器人的移动轨迹。

本发明的有益效果：将超声波避障和视觉避障相结合，通过超声波传感器获取巡检机器人与障碍物之间的距离信息，通过视觉传感器获取障碍物的形状和尺寸信息，两种信息相结合，实现精准无遗漏的避障路径规划；两种避障方式也互为补充，保证巡检机器人能够在隧道等复杂环境下，完成全天候、无间断的探测与避障。

附图说明

图1为工作流程示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

实施例1

一种基于嵌入式ai计算平台的巡检机器人避障方法，如图1所示，将超声波避障与视觉避障相结合，具体包括以下步骤：

步骤1，超声波传感器不断发出超声波的同时，接收障碍物返回的超声波，计算超声波发出时间和返回时间的时间差并传送至运算控制器；

步骤2，运算控制器通过声速与时间差计算出此时巡检机器人与当前障碍物之间的距离；

步骤3，视觉传感器采集巡检机器人前方图像并传送至运算控制器；

步骤4，运算控制器通过图像处理技术判断障碍物的形状和尺寸信息；

步骤5，运算控制器将障碍物与巡检机器人的距离信息、障碍物的形状和尺寸信息传动至路径规划模块；

步骤6，路径规划模块根据接收到的障碍物信息，进行路径寻找、行为决策和动作规划，并将动作规划信息传动至路径控制模块；

步骤7，路径控制模块根据动作规划信息控制巡检机器人的移动轨迹。

本实施例将超声波避障和视觉避障相结合，通过超声波传感器获取巡检机器人与障碍物之间的距离信息，通过视觉传感器获取障碍物的形状和尺寸信息，两种信息相结合，实现精准无遗漏的避障路径规划；两种避障方式也互为补充，保证巡检机器人能够在隧道环境下，完成全天候、无间断的探测与避障。

超声波传感器和视觉传感器均设置于巡检机器人正前方。单个超声波传感器探测盲区大，超声波传感器个数太多又占据太大空间，本实施例选择由舵机控制的超声波传感器，以提升障碍物距离检测的准确性，减少漏检。

运算控制器通过图像处理技术判断障碍物的形状和尺寸信息的过程中，也需要用到障碍物距离信息，不然仅凭借障碍物的形状，不足以判断障碍物的尺寸，这也是超声波与视觉相结合的一个意义所在。

运算控制器中搭建有根据障碍物信息寻找最佳路径进行动作规划的路径规划模型，所述路径规划模型基于大量路径规划数据的深度学习得到。这样使得巡检机器人的路径规划更加高效、准确。

路径控制模块至少包括设置于巡检机器人底部具有转向功能的驱动轮和刹车系统，运算控制器基于路径规划模型根据当前障碍物信息寻找最佳路径并转换为驱动轮和刹车系统的驱动信号，从而控制巡检机器人的移动轨迹。

显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。

技术特征：

技术总结
本发明公开了一种基于嵌入式AI计算平台的巡检机器人避障方法，将超声波避障和视觉避障相结合，通过超声波传感器获取巡检机器人与障碍物之间的距离信息，通过视觉传感器获取障碍物的形状和尺寸信息，两种信息相结合，实现精准无遗漏的避障路径规划；两种避障方式也互为补充，保证巡检机器人能够在隧道环境下，完成全天候、无间断的探测与避障。

技术研发人员：李兵;刘梦诗;卢彦;张志伟;陈高灿;向栋
受保护的技术使用者：合肥小步智能科技有限公司
技术研发日：2019.06.21
技术公布日：2019.08.09