跌落检测系统及机器人的制作方法

1.本发明涉及机器人技术领域，具体地，涉及一种跌落检测系统及机器人。


背景技术：

2.为避免跌落，机器人都设置有跌落传感器，当扫地机器人的跌落传感器处于悬空时，机器人必须马上停止运动或以较大的减速度减速。
3.现有主流的跌落传感器主要有深度摄像头和激光测距模组两种，但这两种传感器分别存在如下缺点：
4.1.深度摄像头做跌落传感器成本高，利用率低，对计算资源消耗大；
5.2.激光测距模组成本虽然低但跌落信息量少，仅有测距信息，不方便工程师确认跌落环境；
6.3.激光测距模组探测范围小，容易被地面反光干扰。


技术实现要素：

7.针对现有技术中的缺陷，本发明提供一种跌落检测系统及机器人。
8.根据本发明提供的一种跌落检测系统及机器人，所述方案如下：
9.第一方面，本发明提供了一种跌落检测系统，所述系统包括：跌落传感器模块：包括激光测距模块和单目摄像头模块；其中，激光测距模块测量反射介质到激光测距模组距离，单目摄像头模块拍摄激光模组测距区域的图像；
10.传感器数据分析融合模块：通过接收激光测距模块的数据来进行跌落情况的初步判断，若认为跌落则进一步分析图像数据来确保跌落判断的可靠性。
11.优选的，所述激光测距模块为两个，各激光测距模块中分别设置有传感器，且两个所述激光测距模块在时刻t分别输出两个传感器的测距值为dist1[t]和dist2[t]。
[0012]
优选的，所述单目摄像头模块拍摄激光模组测距区域的图像，在时刻t输出的图像为image[t]。
[0013]
优选的，所述跌落传感器模块实时将测距值dist1[t]、dist2[t]、和图像image[t]传输至传感器数据分析融合模块。
[0014]
优选的，所述传感器数据分析融合模块工作流程如下：
[0015]
步骤s1：接受跌落模组传输的dist1[t]，dist2[t]及image[t]；
[0016]
步骤s2：判断dist1[t]和dist2[t]的测距值是否大于地面高度值h与跌落阈值thresh之和；
[0017]
步骤s3：分析图像数据image[t]，调用传感器数据融合分析模块中的深度学习模块，采用深度学习方法识别image[t]中是否存在凹陷、台阶在内的相关情况；
[0018]
步骤s4：合并跌落测距位置、测距值dist1[t]，dist2[t]和图像image[t]，输出结果：存在跌落风险，并将结果传给售后工程师分析。
[0019]
优选的，所述步骤s2具体包括：判断dist1[t]和dist2[t]的测距值是否大于地面
高度值h与跌落阈值thresh之和；
[0020]
若大于跌落值，跳至步骤s3；否则输出结果：无跌落风险。
[0021]
优选的，所述步骤s3中识别image[t]中是否存在凹陷、台阶在内的相关情况；
[0022]
若存在，输出结果：无跌落风险；否则跳至步骤s4进行人工分析。
[0023]
第二方面，本发明还提供了一种机器人，该机器人包括所述的系统。
[0024]
与现有技术相比，本发明具有如下的有益效果：
[0025]
1、本发明丰富了跌落信息，使跌落情况更加直观，方便工程师与客户沟通；
[0026]
2、本发明以低成本低资源占用的方式提升了跌落判定的可靠性。
附图说明
[0027]
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0028]
图1为跌落模组三视图；
[0029]
图2为跌落模组安装方法示意图；
[0030]
图3为跌落模组探测范围示意图；
[0031]
图4为跌落测距合并图。
具体实施方式
[0032]
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
[0033]
本发明实施例提供了一种跌落检测系统，该系统包括：跌落传感器模块、传感器数据分析融合模块及传感器数据分析模块。
[0034]
参照图1和图2所示，分别为跌落传感器模块三视图和安装示意图，参照图3所示，为探测范围示意图。具体地，跌落传感器模块：包括激光测距模块和单目摄像头模块；其中，激光测距模块测量反射介质到激光测距模组距离，单目摄像头模块拍摄激光模组测距区域的图像；
[0035]
传感器数据分析融合模块：通过接收激光测距模块的数据来进行跌落情况的初步判断，若认为跌落则进一步分析图像数据来确保跌落判断的可靠性。
[0036]
其中，传感器数据融合分析模块负责接收跌落传感器模块传输的激光测距值和图像，融合激光测距模块和图像用于综合分析判断跌落情况。
[0037]
具体地，在跌落传感器模块中，激光测距模块为两个，各激光测距模块中分别设置有传感器，且两个激光测距模块在时刻t分别输出两个传感器的测距值为dist1[t]和dist2[t]。单目摄像头模块，用于拍摄激光模组测距区域的图像，在时刻t输出的图像为image[t]。
[0038]
跌落传感器模块实时将测距值dist1[t]、dist2[t]、和图像image[t]传输至传感器数据分析融合模块。
[0039]
在传感器数据分析融合模块中，其具体工作流程如下：
[0040]
步骤s1：接受跌落模组传输的dist1[t]，dist2[t]及image[t]；
[0041]
步骤s2：判断dist1[t]和dist2[t]的测距值是否大于地面高度值h与跌落阈值thresh之和；若大于跌落值，跳至步骤s3；否则输出结果：无跌落风险。
[0042]
步骤s3：分析图像数据image[t]，传感器数据融合分析模块中设置有深度学习模块，调用深度学习模块采用深度学习方法识别image[t]中是否存在凹陷、台阶等情况；若存在，输出结果：无跌落风险；否则跳至步骤s4进行人工分析。
[0043]
步骤s4：合并跌落测距位置、测距值dist1[t]，dist2[t]和图像image[t]，合并示例如图4所示。输出结果：存在跌落风险，并将结果传给售后工程师分析。
[0044]
传感器数据分析融合模块综合分析跌落激光模组的测距值和图像数据，更可靠地判断跌落情况。因为传统的仅依靠激光模组的测距值存在跌落情况不直观(只有测距值)，受环境光干扰时无法确定干扰源的缺点；传统的深度相机方式也存在成本较高，测距值不准需标定的问题。
[0045]
工作原理：根据测距值判断是否大于跌落测距值(假定超过1m则认为存在跌落风险，如果测距值大于1m了则认为跌落)，若激光测距认为跌落则转至图像分析；图像分析时则通过识别图像中是否存在凹槽、台阶等情况来进一步判断跌落。
[0046]
实施原理：
[0047]
1)跌落传感器模块需要按照图1所示装配，具备两个激光测距模组和一个单目摄像头。
[0048]
2)跌落传感器模块需要按照图2所示倾斜朝下地安装至机器人上，用于斜向下用激光模组进行测距，和单目摄像头拍摄机器人前方地面的情况。
[0049]
3)跌落传感器模块将两个激光模组的测距值和单目摄像头的图像传输给传感器数据融合分析模块。
[0050]
4)传感器数据融合分析模块综合分析激光模组测距值和单目摄像头的图像来判定是否发生跌落，具体判定步骤为前述方案中步骤s1～步骤s4。
[0051]
本发明实施例提供了一种跌落检测系统及机器人，该系统丰富了跌落信息，使得跌落情况更加直观，方便工程师与客户沟通；同时，以低成本低资源占用的方式提升了跌落判定的可靠性。
[0052]
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0053]
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本技术的实施例和实施例中的特征可以任意相互组合。