[发明专利]一种对机器视觉数据模糊运算的路径规划方法

说明书

本发明公开了一种对机器视觉数据模糊运算的路径规划方法，涉及机器人救援领域。包括采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对物体的外观形状、材质进行进行预算，针对火灾高温的复杂环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动：根据图像采集物体外观形状信息，物体的外观可以直观的反应自身的结构变化，例如弯曲、倾以及断裂情况判断危险影响范围以及危险发生的可能性，并且通过反向运动进行规避，此时根据上述判断倾倒方向后，对倾倒方向的物体进行评测，进而使机器人在高危区域救援时，可以有效的避免机器人折损，减少经济损失，避免由于机器人损伤拖延救援速度。

技术领域

本发明涉及机器人救援技术领域，具体是一种对机器视觉数据模糊运算的路径规划方法。

背景技术

对于火灾进行救援时，为了保证救援人员的安全，因此会采用机器人对危险区域进行信息采集或者执行一些危险动作，由于位于火场内部，此时内部的建筑以及道路旁侧的各种物体受到高温影响，使自身结构发生变化，导致存在不稳定性，由于危险区域的事故发生概率高，因此机器人在危险区域进行工作时，由于无法对危险性进行评估，导致机器人在危险区工作时或者在向危险区进行行驶的路途上，受到突发性障碍物的影响导致路径受阻，同时甚至会被突发性的爆炸以及倾倒将机器人压损，造成经济损失。

发明内容

本发明的目的在于提供一种对机器视觉数据模糊运算的路径规划方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种对机器视觉数据模糊运算的路径规划方法，用于机器人路径规划方法包括：

步骤S1：采集镜头将实际采集的图像进行处理，根据图像进行物体识别，并且对危险物体的外观形状、材质进行识别。

步骤S2：针对火灾高温的复杂环境，计算不同的物体的危险性，并且对危险性影响范围进行预估，选择规避影响范围的路径进行移动。

步骤S21：针对该物体的外观形状，确定该物体的弯曲节点、断裂节点以及节点完整度。通过弯曲节点、断裂节点、节点完整度、材质、火点与物体的距离以及物体存放量判断该物体的倾倒、断裂、爆炸危险性发生概率，并对倾倒坍塌产生的冲击能量、爆炸产生的能量进行预估计算，从而计算了不同物体的危险性。

步骤S22：针对物体的弯曲节点、断裂节点和外形尺寸计算出弯曲节点、断裂节点距离危险物体顶端的高度，并通过判断物体的弯曲方向、断裂方向确定物体倾倒、坍塌的方向。

步骤S23：针对该物体倾倒坍塌产生的冲击能量、爆炸产生的爆炸能量、弯曲节点或断裂节点距离物体顶端的高度以及物体倾倒、坍塌的方向，计算出物体的倾倒、坍塌、爆炸影响范围。

步骤S24：针对物体的倾倒、坍塌、爆炸影响范围，对物体倾倒、坍塌以及爆炸的范围内的物体进行识别，判断二次倒塌的的大小。

步骤S3：在强行通过后，根据持续时间对后续的物体危险性发生概率进行预估。

步骤S4：如果判断后续危险性的发生概率出现增加的情况，则在机器人返航时提前更改运动路径。

作为本发明再进一步的方案：步骤S1中的采集镜头数量至少为5个，四个采集镜头位于机器人的四周，一个采集镜头位于机器人的顶部通过云台转动。

作为本发明再进一步的方案：步骤S1中，根据图像进行危险物体识别时在机器人内部安装GPS定位系统，同时机器人内部设置储存器，对于该区域具有施工图纸的区域将图纸通过储存器存放在机器人内部，根据GPS定位系统定位的机器人区域，并且将GPS周围的图样与施工图纸进行对比，进而根据施工图纸通过模板匹配的方法判断机器人需要采集的危险土体物体以及危险物体的具体长度、宽度、高度以及材料特性。