[发明专利]基于多特征融合及注意力权重避障的消毒机器人设计方法

权利要求书

1.基于多特征融合及注意力权重避障的消毒机器人设计方法，具体步骤如下，其特征在于：

步骤1，设计消毒机器人硬件设施：在机器人上装设病人的心率、血氧采集设备和CCD传感器，通过无线通讯技术，将病人数据和工作路况数据实时传输至数据库，并可在上位机软件中进行检索；

步骤2，设计机器人转向方式：为解决工作空间狭小，容易出现死区的问题，本发明采用麦克纳姆轮实现机器人的转向；

步骤3，构建地图模型：采用定位标签的方式实现地图模型的构建，即在每个病房、拐弯处粘贴RFID定位标签，使用定位标签构建二维的坐标系，以出发点中心，计算其他各点的相对坐标，以此构建医院的二维地图模型；

步骤4，机器人自主避障控制：将CCD传感器检测的数据集分别提取轮廓特征和颜色特征，并检测轮廓和颜色特征的显著性值，通过注意力权重融合后作为输入来训练SVM行人检测器模型，机器人通过行人检测器来判断前方是否存在行人，从而控制机器人的避障形为；

步骤5，机器人在工作运行区间中监测病人的身体指标，并对医院特定场所进行消杀，在机器人上方安装紫外线消毒灯让机器人能够进行一定的消杀功能。

2.根据权利要求1所述的基于多特征融合及注意力权重避障的消毒机器人设计方法，其特征在于：步骤1中设计消毒机器人硬件设施的过程可以表示为：

本发明在消毒机器人上装设病人的心率、血氧采集设备和CCD传感器，通过无线通讯技术，实现将病人的这些数据实时导入数据库，可以直接在上位机软件中直接进行查看检索，同时行人检测器可根据CCD传感器采集的图像实现行人避障功能；当机器人检测到病人的身体数据出现异常时，仪器会发出警报，也会向后台程序的观测人员发出警报，让病人能够第一时间得到救助。

3.根据权利要求1所述的基于多特征融合及注意力权重避障的消毒机器人设计方法，其特征在于：骤3中，构建地图模型的过程可以表示如下：

自走式机器人在医院中运动时，需要依据一定的地图模型实现路线的规划；本发明采用定位标签的方式实现地图模型的构建，即在每个病房、拐弯处粘贴RFID定位标签，使用定位标签构建二维的坐标系，以出发点中心，计算其他各点的相对坐标，以此构建医院的二维地图模型。

4.根据权利要求1所述的基于多特征融合及注意力权重避障的消毒机器人设计方法，其特征在于：步骤4中，机器人自主避障控制的过程可以表示如下：

考虑到医院中病床医疗器械和行人等障碍较多，本发明在规划机器人路径时采用行人识别算法以及相应的避障功能，结合CCD传感器的数据特征融合，实现路径规划以及避障功能；

步骤4.1，通过CCD传感器采集机器人行走路线的数据图像，组成训练数据图像集；

步骤4.2，提取数据图像的轮廓特征和颜色特征：

将采集的图像数据做二值化处理，计算图像质心(x_k,y_k),并计算图像二值数据至质心的距离d_i:

其中，(x_i,y_i)i＝1,2,…,n是二值图像数据；

将原始图像数据集中的RGB颜色通过颜色空间转化到HSV空间中，对HSV分量进行非均匀量化，并根据下式提取图像的颜色特征G_i：

G_i＝Q_sQ_vH+Q_vS+V (2)

其中，H是颜色空间中的色调，S是颜色空间中的饱和度，V是颜色空间中的亮度，Q_s、Q_v分别是S和V的量化级数；

步骤4.3，分别提取轮廓特征和颜色特征的显著性检测值：

C_i＝cos(r_i) (4)

Q_i＝cos^-1(s_i) (6)

式中，a_i是通过步骤2.2检测的轮廓特征和颜色特征矩阵，a_i＝[d_i,G_i],表示轮廓特征和颜色特征矩阵的均值，T₁是显著性检测阈值，r_i表示轮廓特征和颜色特征矩阵去均值后的特征数据，Q_i表示特征的显著性检测值；

步骤4.4，先把提取的显著性检测值集合Q_i通过1×1的卷积层进行降维，再通过tanh激活函数得到特征映射M，，再通过卷积层和Sigmoid激活函数对M进行归一化操作生成注意力权重б，最后通过下式将轮廓特征和颜色特征的显著性检测值融合后获得特征输出Q_i’:

Q_i'＝σ×Q_i (7)

步骤4.5，将训练数据集提取的特征输出Q_i’作为行人检测模型的输入，行人目标的标签作为输出训练SVM分类模型，并获得训练完成的SVM行人检测模型；

步骤4.6，CCD传感器实时检测工作路段的行人图像数据，并经过步骤2.2至步骤2.4后，将特征输出Q_i’输入到行人检测模型中，获得行人检测结果，如果检测到行人则启动机器人自动避障控制操作。