[發(fā)明專利]一種基于環(huán)境地圖的機器人安防巡檢方法及其機器人

在審

• 申請?zhí)枺?/td>: 201611154363.6
• 申請日: 2016-12-14
• 公開（公告）號: CN106598052A
• 公開（公告）日: 2017-04-26
• 發(fā)明（設計）人: 張帆
• 申請（專利權）人: 南京阿凡達機器人科技有限公司
• 主分類號: G05D1/02
• 分類號: G05D1/02;G05D1/12
• 代理公司: 江蘇圣典律師事務所32237
• 代理人: 賀翔,劉輝

1.一種基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，包括以下步驟：

機器人在監(jiān)控區(qū)域行走過程中，通過頭部安裝的深度獲取監(jiān)控區(qū)內物體的深度距離數據，從而建立整個監(jiān)控區(qū)的二維平面地圖；

所述機器人根據建立的監(jiān)控區(qū)域二維地圖規(guī)劃出監(jiān)控路線；

所述機器人將當前的深度相機獲取的距離數據與之前建立的二維平面進行匹配，從而定位出機器人當前所處監(jiān)控區(qū)域中的位置；所述機器人按照規(guī)劃的監(jiān)控路線移動巡查。

2.根據權利要求1所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述建立未監(jiān)控區(qū)的二維平面地圖采用的是SLAM方法中的Gmapping算法，具體過程如下：

21）深度相機獲取的深度圖是空間物體相對于深度相機的三維空間坐標數據，通過將一定高度范圍內的數據向深度相機水平面進行投影，即可將三維空間深度數據轉化為二維的激光雷達數據；

22）Gmapping算法根據轉換后得到的激光雷達數據結合機器人的里程計信息，使用粒子濾波的方法最終構建出監(jiān)控區(qū)的二維平面地圖。

3.根據權利要求1所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述定位機器人當前所處監(jiān)控區(qū)域中的位置和機器人按照規(guī)劃的監(jiān)控路線移動巡查的具體過程如下：

31）機器人當前位置定位：采用自適應的蒙特卡洛定位方式，采用粒子濾波器根據當前的激光雷達數據及里程計信息來跟蹤已知地圖中機器人的位姿；

32）機器人結合當前位置信息，沿著全局路徑規(guī)劃行走，當行進過程中遇到地圖中沒有標注的障礙物，將障礙物標注在二維平面地圖中；

33）重復以上步驟，使用新的二維平面地圖重新進行路徑規(guī)劃。

4.根據權利要求1所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述機器人發(fā)現生物或煙霧時，進行判斷是否為危險因素；對不安全因素進行跟蹤并不斷向監(jiān)護人匯報當前狀態(tài)；對煙霧通過煙霧傳感器進行辨別；對生物可以采用骨骼檢測識別法、面部識別法或語音識別法。

5.根據權利要求2所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述骨骼檢測識別法包括以下步驟：

通過深度相機獲取生物體的深度圖；

識別生物體骨骼數據；

將識別到的生物體骨骼數據與數據庫對比，如果所述生物體骨骼數據與數據庫中任何個體數據均無法匹配，則判定為危險因素，并對所述危險因素進行實時跟蹤；如果所述生物體骨骼數據與數據庫中任意個體數據匹配，則判定為安全因素，不予追蹤。

6.根據權利要求2所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述面部識別法包括以下步驟：

當機器人檢測到生物體時，通過機器人的攝像機檢測生物體面部特征；

將所述生物體面部特征與生物體面部特征數據庫進行匹配，如果匹配成功則完成身份驗證，不予追蹤；如果匹配不成功，則將所述生物體識別為危險因素。

7.根據權利要求1至4任一項所述的基于環(huán)境地圖的機器人安防巡檢方法，其特征在于，所述機器人監(jiān)測到危險因素后，根據預先制定的安全策略或者監(jiān)護人操作執(zhí)行相應操作。

8.一種應用于權利要求5所述的安防巡檢方法的機器人，包括：

深度相機，用于獲取室內物體相對于機器人的距離數據及生物體內部結構；

RGB彩色相機，用于獲取監(jiān)控區(qū)域的彩色圖像，用于進行面部識別及場景查看；

煙霧傳感器，用于感應監(jiān)控區(qū)域的煙霧；

麥克風陣列，用于拾取外部的聲音或者對聲源大致的方向進行判別；

揚聲器，用于播放聲音。