[发明专利]一种基于自主导航和危险动作识别的养老服务系统在审
申请号: | 202211329524.6 | 申请日: | 2022-10-27 |
公开(公告)号: | CN115562301A | 公开(公告)日: | 2023-01-03 |
发明(设计)人: | 韩修磊;李永琳;姜玉东;李浩然;杨庆凤;王翠红;辛玉红;娄伦富;李子文;张嘉 | 申请(专利权)人: | 金陵科技学院 |
主分类号: | G05D1/02 | 分类号: | G05D1/02 |
代理公司: | 南京钟山专利代理有限公司 32252 | 代理人: | 戴朝荣 |
地址: | 211169 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 自主 导航 危险 动作 识别 养老 服务 系统 | ||
1.一种基于自主导航和危险动作识别的养老服务系统,其特征在于,包括:自主导航模块、控制器、建筑信息建模模块、行为识别模块、人机交互模块,所述控制器分别与自主导航模块、建筑信息建模模块、行为识别模块、人机交互模块连接;所述自主导航模块通过环境地图构建和路径规划实现自主导航;所述建筑信息建模模块用于实现建筑的可视化;所述行为识别模块用于识别老年人作出的危险行为和实现养老机器人对老人的跟从;所述人机交互模块用于实现老年人和养老服务机器人的交互。
2.根据权利要求1所述的一种基于自主导航和危险动作识别的养老服务系统,其特征在于,所述自主导航模块实现自主导航的过程为:
采用Gmapping功能包进行自主导航,在运动过程中不断获取激光雷达的对周围环境进行感知的深度信息以及不断接收里程计信息,用于定位自身位置和确定当前姿态,在机器人位置已知的情况下,通过激光雷达扫描到环境特征,得出机器人与障碍物的距离,通过机器人自身位姿计算出障碍物的坐标,采用bresenham直线段扫面算法将障碍物所处栅格标注为灰色-已占据,机器人所处的栅格与障碍物所处栅格之间画直线,直线所到之处标注为白色-未占据,机器人在运动过程中来自激光雷达的新数据对栅格地图不断更新,最终完成了机器人所在环境的二维栅格地图的建立;在得到二维栅格地图的基础上,再使用PRM算法进行路径规划:在已获取的二维栅格地图基础上生成随机采样点,在避开障碍物的基础上,生成多条机器人到目标点的路线,计算并选择出最优路径,最终实现机器人到目标点的路径规划,最后再向底盘驱动节点输出速度控制机器人从朝着目标点运动,在运动过程中不断接收激光雷达和里程计信息来确定自身位姿,完成从起始点到达目标点的自主定位导航。
3.根据权利要求1所述的一种基于自主导航和危险动作识别的养老服务系统,其特征在于,所述建筑信息建模模块的建模过程为:根据养老院实际建筑设计图建立初步BIM模型,导入3DS MAX 2018中进行简单渲染,渲染后,将其输出为Unity 3D可以使用的.fbx文件格式,再利用Unity引擎对BIM模型进行二次开发,二次开发的内容主要为,在原有模型的基础上完成模型与服务器连接、实时获取服务器系统数据,并在模型上显示环境数据功能。
4.根据权利要求1所述的一种基于自主导航和危险动作识别的养老服务系统,其特征在于,所述行为识别模块用于识别老年人作出的危险行为的过程具体如下:
i、机器人使用深度摄像头不断获取视频序列,先利用OpenPose算法,对视频序列里人体的关键位置进行预测,再对预测的关键点进行检测,对于人体某个位置出现峰值的关键点,代表人体骨架关节点的一个关键点,对所有代表人体骨架关节点的关键点进行连接,最终生成骨骼结构图像,从而获得人体骨架结构变化序列,构造骨架结构变化时空图;
ii、构建一种引入注意力机制和改进分区策略的残差ST-GCN卷积网络的人体动作识别模型,将骨架结构变化时空图输入构建的人体动作识别模型中,首先,通过两个ST-GCN卷积层以及一个最大池化层,学习骨架结构变化时空图的时空特征;同时对骨架结构变化时空图进行downsampl操作,使骨架结构变化时空图和学习到的时空特征具有相同的尺寸,最后将两者相加,提取动作特征;
iii、将提取的动作特征输入SoftMax分类器中,得出动作类别,若动作类别为危险行为类别,则发出报警消息。
5.根据权利要求4所述的一种基于自主导航和危险动作识别的养老服务系统,其特征在于,所述改进分区根据节点到根节点之间的距离划分邻域集,所述分区距离设置为D={d|0,1,2},将邻域集划分成3个子集:(1)d=0为根节点本身;(2)距离根节点d=1的邻居节点位于d=1子集中;(3)剩余距离根节点d=2的节点位于d=2子集中。
6.根据权利要求4所述的一种基于自主导航和危险动作识别的养老服务系统,其特征在于,所述动作特征的提取过程为:
其中,A为邻接矩阵,I为单位矩阵,fout为提取的动作特征,fin为骨架结构变化时空图,W为利用扩展到三维结构的注意力网络对人体关节点赋予的权重矩阵。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于金陵科技学院,未经金陵科技学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211329524.6/1.html,转载请声明来源钻瓜专利网。