[發(fā)明專(zhuān)利]一種基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人

在審

• 申請(qǐng)?zhí)枺?/td>: 202210607210.1
• 申請(qǐng)日: 2022-05-31
• 公開(kāi)（公告）號(hào): CN114918942A
• 公開(kāi)（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 楊帆;韓冰;于曉龍;牛建偉;任濤;郭曉輝;李青鋒
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京航空航天大學(xué)杭州創(chuàng)新研究院
• 主分類(lèi)號(hào): B25J11/00
• 分類(lèi)號(hào): B25J11/00;B25J9/16;B25J19/02;B25J19/06;B25J13/00
• 代理公司: 北京國(guó)坤專(zhuān)利代理事務(wù)所(普通合伙) 11491
• 代理人: 趙紅霞

1.一種基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人包括：

障礙物檢測(cè)模塊，通過(guò)在機(jī)器人前面安裝障礙物檢測(cè)傳感器，用以檢測(cè)機(jī)器人前方是否有障礙物；通過(guò)在機(jī)器人前方安裝攝像頭，獲取機(jī)器人前方障礙物圖像；

搬運(yùn)物重量采集模塊，通過(guò)在機(jī)器人承裝臺(tái)上安裝有重量傳感器，用以檢測(cè)搬運(yùn)物的重量；

數(shù)據(jù)預(yù)處理模塊，通過(guò)數(shù)據(jù)預(yù)處理程序?qū)Λ@取的障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)、障礙物圖像和搬運(yùn)物的重量進(jìn)行預(yù)處理；

障礙物判別模塊，根據(jù)獲取的障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)和障礙物圖像，對(duì)障礙物的類(lèi)型進(jìn)行判別；

轉(zhuǎn)向模塊，通過(guò)驅(qū)動(dòng)結(jié)構(gòu)和轉(zhuǎn)向結(jié)構(gòu)，對(duì)機(jī)器人的走向進(jìn)行調(diào)整，使機(jī)器人繞過(guò)障礙物。

2.如權(quán)利要求1所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人還包括中央控制模塊，中央控制模塊通過(guò)設(shè)置有控制器，分別與障礙物檢測(cè)模塊、搬運(yùn)物重量采集模塊、數(shù)據(jù)預(yù)處理模塊、障礙物判別模塊、轉(zhuǎn)向模塊、通信模塊、遠(yuǎn)程終端、云服務(wù)模塊連接，協(xié)調(diào)各個(gè)模塊的正常運(yùn)行。

3.如權(quán)利要求2所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述通信模塊通過(guò)設(shè)置有通信設(shè)備，實(shí)現(xiàn)與遠(yuǎn)程終端和云服務(wù)模塊之間的數(shù)據(jù)交互；

遠(yuǎn)程終端通過(guò)設(shè)置有遠(yuǎn)程終端設(shè)備，實(shí)現(xiàn)遠(yuǎn)程監(jiān)控和控制機(jī)器人；

云服務(wù)模塊，通過(guò)設(shè)置有云服務(wù)器，利用大數(shù)據(jù)處理技術(shù)對(duì)整體機(jī)器人的所有檢測(cè)的數(shù)據(jù)和處理的數(shù)據(jù)進(jìn)行處理。

4.如權(quán)利要求1所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述數(shù)據(jù)預(yù)處理模塊設(shè)置有：

障礙物圖像去噪增強(qiáng)模塊，通過(guò)去噪增強(qiáng)程序?qū)?dǎo)入的機(jī)器人圖像進(jìn)行去噪增強(qiáng)；

障礙物圖像灰度化處理模塊，通過(guò)利用圖像灰度化處理程序?qū)τ胁噬恼系K物圖像進(jìn)行灰度化處理；

障礙物灰度圖像轉(zhuǎn)化模塊，通過(guò)二值圖轉(zhuǎn)換程序?qū)φ系K物灰度圖像轉(zhuǎn)換成對(duì)應(yīng)的二值圖；

障礙物灰度圖像邊緣檢測(cè)模塊，根據(jù)障礙物灰度圖像對(duì)應(yīng)的二值圖，對(duì)障礙物灰度圖像進(jìn)行邊緣檢測(cè)；

障礙物灰度圖像輪廓匹配模塊，根據(jù)障礙物灰度圖像邊緣檢測(cè)的數(shù)據(jù)，對(duì)障礙物灰度圖像進(jìn)行輪廓匹配。

5.如權(quán)利要求4所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述障礙物圖像去噪增強(qiáng)模塊通過(guò)去噪增強(qiáng)程序?qū)?dǎo)入的機(jī)器人圖像進(jìn)行去噪增強(qiáng)具體過(guò)程為：

將障礙物圖像進(jìn)行小波分解，確定一個(gè)小波并確定小波的分解層數(shù)，對(duì)障礙物圖像進(jìn)行N層小波分解；

提取所有小波分解層中的每一層高頻系數(shù)，并對(duì)高頻系數(shù)進(jìn)行閾值化處理；

根據(jù)障礙物圖像中小波分解過(guò)程中的低頻系數(shù)和閾值化處理后的高頻系數(shù)，對(duì)障礙物圖像進(jìn)行小波重構(gòu)。

6.如權(quán)利要求1所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述障礙物判別模塊根據(jù)獲取的障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)和障礙物圖像，對(duì)障礙物的類(lèi)型進(jìn)行判別具體過(guò)程為：

根據(jù)障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)和障礙物圖像，建立對(duì)應(yīng)的數(shù)據(jù)集合；

根據(jù)各個(gè)數(shù)據(jù)集合中的數(shù)據(jù)進(jìn)行分類(lèi)，提取障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)特征和障礙物圖像特征；

根據(jù)提取的障礙物檢測(cè)傳感器檢測(cè)數(shù)據(jù)特征和障礙物圖像特征，通過(guò)匹配模型與預(yù)存的數(shù)據(jù)進(jìn)行匹配識(shí)別，實(shí)現(xiàn)對(duì)障礙物類(lèi)型進(jìn)行判別。

7.如權(quán)利要求6所述基于人工智能的工業(yè)生產(chǎn)用避障機(jī)器人，其特征在于，所述提取障礙物圖像特征具體過(guò)程為：

根據(jù)灰度化的障礙物圖像，建立一個(gè)x，y，z灰度化的障礙物圖像的三維圖像；

利用Gamma校正法對(duì)輸入的障礙物圖像，進(jìn)行顏色空間的標(biāo)準(zhǔn)化；

確定障礙物圖像中每個(gè)像素的梯度值，并將障礙物圖像劃分成多個(gè)小區(qū)域；

同時(shí)統(tǒng)計(jì)每個(gè)小區(qū)域中的梯度直方圖，對(duì)每個(gè)小區(qū)域進(jìn)行描述；

根據(jù)設(shè)定提取的障礙物圖像特征，將相應(yīng)的小區(qū)域圖像進(jìn)行串聯(lián)成提取的障礙物圖像。