[发明专利]一种实时场景分析和空间避障的夜间值守机器人

说明书

本发明涉及一种实时场景分析和空间避障的夜间值守机器人，属于智能机器人设备技术领域，由STM32单片机作为机器人底盘运动控制的核心，通过PID算法闭环控制实现机器人的自平衡；由Nvidia Jetson TX2搭载ROS标准操作系统服务，实现机器人的定位、自主导航和路径规划；使用YOLO实现目标检测，并通过kobuki协议实现上下位机的通信，从而实现了一个高完整度的、具有特色的无死角安保智能机器人。本发明的优点及有益效果在于，实现了一个高完整度的、具有特色的无死角安保智能机器人。

技术领域

本发明涉及一种实时场景分析和空间避障的夜间值守机器人，属于智能机器人设备技术领域。

背景技术

机器人应用的领域较为广泛，主要应用在个人、家用、医疗、公共安全、农业、测绘、军用等，轮式的机器人具有运动灵活的特点，适合于地面平整的室内场所，在执行巡逻和安保任务时，通过自身的移动可以实现全方位无死角的监控，并且只要自身电量充沛，不仅可以在白天正常工作，而且在夜晚可以利用红外装置进行作业。传统的视频监控系统具有视觉死角并且容易被人为的破坏，而依靠人力来巡逻又会耗费大量的劳动力成本，综合上述两种弊端，使用机器人在安保上能够达到更好的效果。两轮机器人具有体积小巧的特点，同时自身较为灵活，能够适应如办公室、仓库、银行等地面较为平整的室内场所，并提供引导、巡逻等服务。而这些室内场所在夜晚无人的情况下通常会采用监控摄像头来保护财产安全，但是由于摄像头存在视觉死角，也更容易被人为的破坏掉，安保的效果并不是很好。

随着深度学习算法和网络模型的快速发展，传统的目标识别算法逐渐被取代。硬件设施计算能力的不断提升，也为深层网络的实际应用提供了支持。深度卷积神经网络的实际应用范围逐渐增大，在医疗、工业生产、军工等领域都可以看到基于深度学习的目标识别方法的使用。此外，残差网络及深度密集网络等新型网络模型的提出，使得深度网络在层数加深的同时，过拟合现象逐渐减小，训练效率越来越高，识别效果也越来越准确。本发明针对夜间等弱光和不可见光场景进行环境监测的任务需求，搭载红外热成像摄像头，采集红外视频图像数据，在嵌入式平台上根据采集的场景数据进行实时目标识别。

发明内容

本发明的目的在于为了克服现有技术的不足，设计一种具备定位和导航功能的机器人，能够在室内自动巡逻，并且具有目标检测的功能，能够检测出场景中是否有人员存在，在夜间能够识别红外图像，进行检测；具体涉及到一种能够自动巡逻，构建场景地图和检测场景内物体的机器人。

本发明的技术方案在于，由STM32单片机作为机器人底盘运动控制的核心，通过PID算法闭环控制实现机器人的自平衡；由Nvidia Jetson TX2搭载ROS标准操作系统服务，实现机器人的定位、自主导航和路径规划；使用YOLO实现目标检测，并通过kobuki协议实现上下位机的通信，从而实现了一个高完整度的、具有特色的无死角安保智能机器人。

本发明主要包括用于运行目标检测和定位导航以及建图算法的上位机，和用于控制机器人底盘运动的下位机，上位机和下位机通过串口线连接通信，还包括与上位机无线连接的用作监控系统的PC；所述的上位机包括分别与控制器连接的激光雷达、摄像头、电源、控制器；所述的下位机包括分别与STM32单片机连接的电源、加速度计、直流电机、编码器、陀螺仪。

硬件包括以Nvidia Jetson TX2为中心的上位机控制系统，以STM32为中心的下位机底盘运动控制系统和以笔记本电脑为主体的监控系统；机器人上位机通过无线网卡连接到由路由器组建的局域网，从而连接到笔记本电脑实现远程的监控；而上位机与下位机之间的通信使用串口线和kuboki协议。

本发明包括以下操作步骤：

步骤1、机器人底盘的运动控制，对于两轮机器人主要包括直立控制、速度控制和转向控制三部分；直立控制采用比例微分控制算法并结合速度控制的比例积分控制算法来实现机器人的自平衡，通过将速度变量积分并缓慢附加在电机上实现机器人的平稳运动，转向则是依靠对电机差动赋值实现；将上述三个部分叠加在电机上，从而实现整体运动控制；